إن الاستبعاد يشكل تحديا كبيرا لنظم الرؤية المستقلة للمركبات، وعندما تحجب الأجسام أو تخفيها جزئيا، يمكن أن يؤثر على قدرة المركبة على إدراك بيئتها بدقة، ويساعد تنفيذ النهج العملية على تحسين السلامة والموثوقية في سيناريوهات العالم الحقيقي.

تقنيات الاستشعار

جمع البيانات من أجهزة الاستشعار المتعددة مثل الكاميرات، وجهاز التعقب، والرادار، يعزز قدرة النظام على كشف الأجسام المُغلقة، إندماج أجهزة الاستشعار يسمح للسيارة بتبادل المعلومات،

فعلى سبيل المثال، يمكن للرابطة الكشف عن الأجسام المُحجبة في صور الكاميرات، وتقديم معلومات عمق قد تفوت الكاميرات، ودمج مصادر البيانات هذه يخلق فهماً أكثر شمولاً للبيئة.

النماذج الافتراضية

وتقدر الخوارزميات الافتراضية الوضع المحتمل للأجسام المغلقة استنادا إلى أنماط تنقلها السابقة، ويمكن لنماذج التعلم الماكين تحليل البيانات التاريخية للتنبؤ بالأماكن التي يمكن أن توجد فيها أجسام مخبأة.

ويساعد هذا النهج المركبات على توقع المخاطر المحتملة حتى عندما لا تتوافر معلومات بصرية مباشرة، مما يؤدي إلى تحسين عملية صنع القرار في البيئات المعقدة.

المفكرات المعزَّزة

وتستخدم الخوارزميات المتقدمة للتصورات التعلم العميق للتعرف على الأجسام المرئية جزئيا، وتُدرَّب هذه النماذج على مجموعات بيانات متنوعة لتحديد الأشياء على الرغم من الاختلال، مثل المشاة خلف السيارات المتوقفة أو الدراجات المهورة بواسطة مركبات أخرى.

التدريب المستمر والتحديثات تحسن قدرة النظام على التعامل مع مختلف سيناريوهات الاستبعاد، زيادة القوة والسلامة.

  • إذكاء الوعي
  • النموذج الافتراضي
  • خوارزميات التعلم العميقة
  • تحديث النظام المنتظم