Transformers خلف المقود: كيف تطبّق ياندكس AI في التحكم بالمركبات ذاتية القيادة

كشفت Yandex Autonomous Transport عن التفاصيل التقنية حول تطبيق هندسات المحولات في Motion Planning — المكون الذي يتخذ قرارات في الوقت الفعلي بشأن مسار الحركة للمركبة ذاتية القيادة. كان الطريق من التجارب المخبرية إلى الاختبارات على الطرق الحقيقية أكثر تعقيداً مما قد يبدو من الخارج.

من اللغة إلى الطريق

حققت هندسة المحول موضعاً مهيمناً في معالجة اللغات الطبيعية ورؤية الحاسوب بفضل آلية الانتباه: يمكن للنموذج أن يأخذ في الاعتبار السياق من أجزاء مختلفة من بيانات الإدخال في نفس الوقت. في مهمة التحكم في المركبة، هذا قيّم أيضاً — يجب على النظام معالجة موضع عشرات الأجسام حول السيارة في أجزاء من الثانية، والتنبؤ بسلوكها، واختيار مناورة آمنة. ومع ذلك، نقل الهندسة من معالجة اللغات الطبيعية إلى الطيار الآلي ليس مهمة بسيطة. في نموذج اللغة، الكلمة غير الدقيقة خطأ إملائي في النص يسامحه القارئ. في السيارة ذاتية القيادة، الانحراف عن المسار الأمثل في اللحظة الحرجة حادث محتمل. هذا يغير متطلبات النموذج بشكل أساسي: من مقاييس الجودة إلى ثقافة الاختبار برمتها.

الحلقة المفتوحة مقابل الحلقة المغلقة

في صناعة القيادة الذاتية، يوجد نهجان مختلفان بشكل أساسي لتقييم النظام:

• الحلقة المفتوحة — يتنبأ النموذج بالمسار على البيانات التاريخية، تتم مقارنة النتيجة بالسلوك الفعلي للسائق. سريع، رخيص، يسمح بالتكرار على نطاق واسع.
• الحلقة المغلقة — يتحكم النظام بالمركبة — حقيقية أو في المحاكاة — ويتم تقييمه بناءً على ما يحدث في الديناميكية: هل تجنبت السيارة التصادمات، ما مدى راحة الركوب، كيف تعاملت مع الحالات غير العادية.

كلا الوضعين مطلوبان، لكنهما يوفران معلومات مختلفة بشكل أساسي عن موثوقية النظام. يضع Yandex تركيزاً خاصاً على اختبار الحلقة المغلقة على الرغم من أنه أغلى وأبطأ. المنطق هو: في القيادة الحقيقية، الأخطاء ليست معزولة — الانحراف في الوقت T يؤثر على إدراك الموقف في T+1، والأخطاء تتراكم. الحلقة المفتوحة لا ترى هذه السلسلة وقد تعطي إحساساً زائفاً بالأمان.

لماذا المقاييس الجيدة تخدع

الاستنتاج الرئيسي غير المتوقع: دقة التنبؤ بالمسار العالية — خطأ L2 المنخفض — ترتبط ارتباطاً ضعيفاً بسلامة القيادة الحقيقية. قد يُظهر النموذج نتائج ممتازة في الاختبارات، ينسخ بدقة سلوك السائق العادي على البيانات التاريخية، وفي الوقت نفسه يقود بشكل أسوأ من نظام أبسط لكنه أكثر استقراراً. السبب يكمن في طبيعة الحلقة المغلقة: كل قرار للنظام يؤثر على الموقف التالي. تقيس مقاييس الحلقة المفتوحة كل خطوة بشكل مستقل ولا تلتقط هذه الديناميكية.

«الأمان أهم لنا من أي هندسة»، — ماكسيم، رئيس خدمة السلوك والتنبؤ بالحركة في

Yandex Autonomous Transport.

ولهذا السبب تبني الفريق نظام تحقق متعدد المستويات: من المقاييس الرسمية على البيانات — عبر المحاكاة — إلى الاختبارات الخاصة والعامة على السيارات الحقيقية. هندسة النموذج مجرد معامل واحد، وليست أساس نظام الأمان.

الطريق من المختبر إلى المدينة

سارت فريق Yandex في طريق منذ التجارب الأولى في التعلم الآلي، عندما تم اختبار النهج القائم على الشبكات العصبية بالتوازي مع خوارزميات التخطيط الكلاسيكية، إلى الاختبارات المنتظمة للسيارات ذاتية القيادة في حركة المرور الحضرية الحقيقية. في كل مرحلة، تكيفت هندسة المحول مع المتطلبات الصارمة: القدرة على التنبؤ بالسلوك في الحالات النموذجية، المتانة للسيناريوهات النادرة، التشغيل في الوقت الفعلي مع موارد حسابية محدودة على متن السيارة. Motion Planning ليس مجرد التنبؤ بالنقطة التالية. إنه اتخاذ القرارات تحت عدم اليقين كل ثانية، مع المسؤولية عن أرواح البشر.

ما يعنيه هذا

تأتي المحولات إلى النقل ذاتي القيادة — لكن ليس كحل جاهز، تم تصديره من عالم نماذج اللغة. كل تطبيق جديد يتطلب إعادة التفكير في المقاييس والبنية التحتية للاختبار وثقافة الأمان. بالنسبة لكل الصناعة، هذه إشارة مهمة: النجاح في معالجة اللغات الطبيعية لا ينتقل تلقائياً إلى المجالات حيث يتم قياس تكلفة الخطأ ليس بتقييم النموذج، بل بالأرواح البشرية.