ساخت سامانههای رانندگی خودکار ایمن بدون دسترسی به دادههای لبه (Edge Case) ناممکن است، اما یافتن این لحظات بحرانی در میان پتابایتها داده، چالشی تقریباً دستنیافتنی بود. شما باید بدانید که حذف نظارت انسانی در این فرآیند، تنها راه رسیدن به مقیاس مورد نیاز برای ایمنی کامل است.
طبق گزارش منتشر شده در ۱۱ ژوئن ۲۰۲۶، چارچوب AutoMine با کسب امتیاز ۷۷.۲۱ در معیار Timestamp BA، استانداردهای جدیدی را برای استخراج سناریوهای بحرانی در مسابقه Argoverse 2 تعریف کرد. این سیستم میتواند لاگهای خام رانندگی را به دادههای ارزیابی با ارزش بالا تبدیل کند.
همانطور که در تحلیلهای پیشین ما دربارهی مدلهای چندوجهی اشاره کردیم، تلفیق بینایی و متن کلید حل مسائل پیچیده است. در دنیای رانندگی خودکار، تکیه به دادههای متنی یا تصویری بهتنهایی کافی نیست و نیاز به یک سازوکار یکپارچه است.
AutoMine برای دستیابی به این دقت، از سه مکانیسم فنی اصلی استفاده میکند:
- افزونسازی پرامپت با حفظ معنا: برای کاهش حساسیت مدل زبانی بزرگ (LLM) به نحوه عبارتبندی سؤالات.
- رویکرد ترکیبی: تلفیق توابع اتمیک مسیر با توابع مبتنی بر مدل زبانی-بینایی (VLM) جهت کاهش نویزهای ادراکی و ثبت نشانههای بصری در دنیای باز.
- حلقه اصلاح تکرارشونده: کدهای تولید شده توسط مدل، بر اساس بازخوردهای اجرایی از لاگهای واقعی، بهطور خودکار تصحیح میشوند.
به نقل از مقاله منتشر شده در arxiv.org، این متدولوژی منجر به کسب امتیاز ۳۶.۳۸ در HOTA-Temporal و ۷۷.۲۱ در Timestamp BA طی رقابتهای CVPR ۲۰۲۶ شد.
این چرخش به سمت «تولید کد خود-اصلاحگر»، نشان میدهد که مدیریت دادههای رانندگی خودکار از پرامپتهای ایستا به سمت تأییدات حلقهبسته حرکت میکند. با تبدیل استخراج سناریو به یک مسئلهی برنامهنویسی که در برابر دادههای واقعی تست میشود، AutoMine شکاف توهم (Hallucination) را که در رویکردهای صرفاً زبانی رایج بود، میبندد.
گام بعدی شما
- بررسی مقاله کامل در مخزن arxiv.org برای درک جزئیات ریاضی توابع اتمیک مسیر.
- مطالعه نحوه پیادهسازی حلقههای بازخورد (Feedback Loops) در استخراج داده برای سایر حوزههای ایمنی-بحرانی.
- مقایسه نتایج Timestamp BA در نسخههای مختلف Argoverse برای تحلیل روند بهبود دقت.
اما داستان سختافزاری این تحولات حتی شگفتانگیزتر است؛ به تحلیل ما دربارهی تراشههای Blackwell و نقش آنها در پردازش VLMها مراجعه کنید.
گفتگو