الكشف عن الأشياء ثلاثية الأبعاد ضروري لقيادة السيارات ذاتياً (AD) وأنظمة المساعدة المتقدمة للسائق (ADAS). ومع ذلك، فإن معظم أجهزة الكشف ثلاثية الأبعاد تركز على دقة الكشف، غالباً ما تغفل عن سرعة استدلال الشبكة في التطبيقات العملية. في هذا البحث، نقترح RadarNeXt، وهو جهاز كشف ثلاثي الأبعاد في الوقت الحقيقي وموثوق به يعتمد على السحابات النقطية للرادار الموجي القريب رباعي الأبعاد (4D mmWave radar). يستخدم هذا الجهاز الشبكات العصبية القابلة لإعادة التشكيل لالتقاط الخصائص متعددة القياسات، وتقليل تكلفة الذاكرة وتسريع الاستدلال. بالإضافة إلى ذلك، لتسليط الضوء على الخصائص غير المنتظمة للمقدمات في السحابات النقطية للرادار وإخماد الفوضى الخلفية، نقترح شبكة تعزيز المقدمات المرنة متعددة المسارات (MDFEN)، مما يضمن دقة الكشف مع الحد الأدنى من التضحية بالسرعة وعدد كبير من المعلمات. تؤكد النتائج التجريبية على مجموعتي بيانات View-of-Delft و TJ4DRadSet الأداء والكفاءة الاستثنائية لـ RadarNeXt، حيث حقق النسخة التي تستخدم شبكتنا المقترحة MDFEN معدلات mAP بلغت 50.48 و 32.30. وبشكل ملحوظ، تحقق نسخ RadarNeXt سرعات استدلال تزيد عن 67.10 صورة في الثانية على بطاقة الرسوميات RTX A4000 وأكثر من 28.40 صورة في الثانية على جهاز Jetson AGX Orin. يظهر هذا البحث أن RadarNeXt يقدم نموذجاً جديداً وفعالاً للاستشعار ثلاثي الأبعاد المستند إلى الرادار الموجي القريب رباعي الأبعاد (4D mmWave radar).