Paul Arnold tərəfindən , Phys.org

Lisa Lock tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Əks istiqamətli lateral müdaxilə ssenarisində aktiv nəticə çıxarma modelinin əsas prinsiplərinin illüstrasiyası. Müəllif: Nature Communications (2026). DOI: 10.1038/s41467-026-73345-0

Muxtar nəqliyyat vasitələri artıq bəzi küçələrimizdə reallığa çevrilib və gələcək nəqliyyat sistemlərinin əsas hissəsinə çevrilə bilər. Əlbəttə ki, təhlükəsizlik bütün nəqliyyat vasitələrində olduğu kimi əsas narahatlıq doğurur. ABŞ-ın sürücüsüz nəqliyyat vasitəsi şirkəti Waymo, muxtar sürücülük texnologiyasını qiymətləndirməyə və təkmilləşdirməyə kömək etmək üçün qəzaya yaxın vəziyyətlərdə insan sürücüsünün davranışının virtual təsvirini yaratdı.

İnsan sürücüləri təhlükəni dərhal hiss edərək, necə reaksiya verəcəklərinə qərar verərək və sonra manevr edərək toqquşmalardan yayınırlar. Bütün bunlar mərkəzi və periferik sinir sistemlərinin ahəngdar şəkildə birlikdə işləməsi sayəsində bir anda baş verir.

Hazırda toqquşmanın qarşısının alınması üçün sınaq və təlim bir neçə sistemi əhatə edir və hər biri çox vaxt yalnız müəyyən bir ssenarini və ya metrikanı sınaqdan keçirir. Məsələn, bir sistem yalnız aparıcı nəqliyyat vasitəsi qəfil əyləc basdıqda nə baş verdiyini araşdıra bilər. Onlar aşkarlamadan faktiki qarşısının alınmasına qədər bütün hadisələr ardıcıllığını əks etdirmir.

Davranış qəza testi manekeni

“Nature Communications” jurnalında dərc olunmuş tədqiqat məqaləsində Waymo, Niderlanddakı Delft Texnologiya Universitetinin alimləri ilə birlikdə ReD (Referans Sürücüsü) adlı kompüter əsaslı idrak modelini necə hazırladığını təsvir edir. Bu model, insan beyninin sürprizdən necə qaçdığını simulyasiya edən aktiv nəticə çıxarma adlanan nevrologiya çərçivəsinə əsaslanır.

Avtomobil sənayesində istehsalçılar toqquşma zamanı sərnişinlərin təhlükəsizliyini qiymətləndirmək üçün fiziki qəza testi modellərindən istifadə edirlər. Bu yeni model, muxtar nəqliyyat vasitəsinin toqquşmalardan tamamilə necə yayınacağını müəyyən etmək üçün davranışa əsaslanan qəza testi modelləri kimi təsvir edilmişdir.

ReD, nəqliyyat vasitəsinin içərisinə quraşdırılmaq əvəzinə, tamamilə kompüter simulyasiyasında işləyir. Dəqiq olub-olmadığını yoxlamaq üçün tədqiqatçılar ReD-nin virtual sürücülük məlumatlarını real həyatda insan sürücülük məlumatları ilə müqayisə etdilər.

Onlar virtual mühitlərində toqquşma vəziyyətləri qurdular və bunun insanın üç fərqli ssenaridə nə edəcəyini uğurla əks etdirdiyini aşkar etdilər. Bunlar aparıcı nəqliyyat vasitəsinin qəfil əyləc etməsi, qarşıdan gələn nəqliyyat vasitəsinin gözlənilmədən zolağa çıxması və başqa bir nəqliyyat vasitəsinin yol ayrıcında yol verməməsi idi.

Tədqiqat müəllifləri məqalələrində qeyd ediblər ki, “Nəticələrimiz aktiv nəticəçıxarmanın mürəkkəb real həyatda idarəetmə tapşırıqlarında insan davranışını anlamaq və modelləşdirmək üçün ümumiləşdirilə bilən bir çərçivə kimi potensialını vurğulayır”.

Qarşıdakı yol

Əsas məqsəd, virtual mühitlərdə muxtar nəqliyyat vasitələrini sınaqdan keçirmək üçün ReD-ni rəqəmsal etalon kimi istifadə etməkdir . Tədqiqatçılar bu yol hərəkəti ssenarilərində insan reaksiyalarını təkrarlamağa müvəffəq olsalar da, hələ görüləsi işlər var. Məqalədə qeyd olunur ki, gələcək işlər modeli daha mürəkkəb sürücülük mühitlərinə genişləndirməyi və daha geniş real dünya yol hərəkəti vəziyyətlərini necə idarə etdiyini təkmilləşdirməyi əhatə edir.

Müəllifimiz Paul Arnold tərəfindən sizin üçün yazılmış, Lisa Lock tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Nəşr detalları

Julian F. Schumann və digərləri, İnsan sürücülərində toqquşmanın qarşısının alınması davranışının modeli kimi aktiv nəticə çıxarma, Nature Communications (2026). DOI: 10.1038/s41467-026-73345-0

Jurnal məlumatları: Nature Communications 

Əsas anlayışlar

Süni intellekt yol hərəkəti təhlükəsizliyi