HyWorldVLA من BYD: تدريب هجين يوازن بين دقة المشهد وكفاءة القيادة الذاتية

تطرح BYD نموذج HyWorldVLA بوصفه نموذجاً من فئة «الرؤية-اللغة-الفعل» (Vision-Language-Action أو VLA) للقيادة الذاتية، يعتمد على «نموذج عالم» هجين. والفكرة هي عدم الاكتفاء بتمثيل واحد للطريق: فالنموذج يتعلم من توقعات مرئية دقيقة على مستوى البكسل، ويتعامل أيضاً مع تمثيلات كامنة مضغوطة (latent) أكثر ملاءمة للتنبؤ والتخطيط بكفاءة. 1

لماذا يحتاج النموذج إلى نهجين؟

يمكن للتنبؤ بإطارات الفيديو على مستوى البكسل الاحتفاظ بتفاصيل دقيقة من المشهد، لكنه مكلف حسابياً. أما العمل في الفضاء الكامن، فيعني التنبؤ بتمثيل مضغوط للمشهد بدلاً من كل بكسل فيه؛ وهذا أكثر عملية أثناء التشغيل، لكنه قد يفقد معلومات مهمة لاتخاذ قرار القيادة. 1

يحاول HyWorldVLA الجمع بين مزايا المسارين: أثناء التدريب، يستفيد من الإشراف على مستوى البكسل لربط التمثيلات الكامنة بالمشهد المرئي الفعلي. أما عند التشغيل، فيتنبأ بالخصائص الكامنة فقط، ثم يمررها إلى نموذج متخصص في الأفعال لإنتاج مسارات القيادة. 17

بعبارة أبسط: يتعلم النظام من الصورة الكاملة الغنية بالتفاصيل، لكنه لا يضطر إلى إعادة إنتاجها كاملة كلما احتاج إلى اتخاذ قرار على الطريق.

مراحل التدريب الثلاث

1. تدريب ضاغط فيديو بإرشاد لغوي

في المرحلة الأولى، يضغط مشفّر-مفكك ترميز تبايني للفيديو (Video VAE) تسلسلات فيديو القيادة إلى خصائص كامنة مضغوطة. وتُستخدم اللغة كسياق دلالي خلال تدريب هذا الضاغط. 25

ولا يقتصر الهدف على تصغير تمثيل الفيديو، بل يتمثل في الاحتفاظ بالمعلومات التي تفيد في توقع ما سيحدث لاحقاً، وفي تخطيط القيادة في النهاية.

2. تدريب مسبق هجين لنموذج العالم

بعد ذلك، تُحوّل الصور والأفعال والعناصر اللغوية والخصائص الكامنة إلى رموز منفصلة موحّدة، ليجري التنبؤ بها ذاتياً بالتتابع. في هذه المرحلة، يتوقع النموذج التمثيلات الكامنة للفيديو المستقبلي، ويعيد في الوقت نفسه بناء الإطارات المستقبلية. 12

وهنا تظهر فكرة الإشراف المزدوج:

• يساعد التنبؤ بالبكسلات وإعادة بناء الإطارات على الحفاظ على ارتباط دقيق بالمشهد المرئي.
• يدفع التنبؤ بالتمثيلات الكامنة نحو إشارة أكثر اختصاراً وملاءمة لتخطيط الحركة مستقبلاً.

لذلك يؤدي فقدان البكسل دور قيد يمنع النموذج الكامن من اختزال المشهد أكثر مما ينبغي وإسقاط تفاصيل حاسمة. 17

3. تحسين مشترك مع خبير الأفعال

في المرحلة الأخيرة، يُحسَّن نموذج العالم بالتزامن مع نموذج متخصص بالأفعال أو المسارات. وعند التشغيل، يتنبأ النظام بخصائص كامنة بدلاً من توليد إطارات كاملة على مستوى البكسل، ثم يستخدمها خبير الأفعال لإنتاج مسارات القيادة. 1

هذا الفصل هو مفتاح الكفاءة: تُستغل المراقبة البصرية المكلفة لتشكيل تمثيل جيد خلال التدريب، من دون فرض كلفتها نفسها على التنبؤ الفوري أثناء التشغيل.

ماذا تقول تجارب حذف المكونات؟

سجّل HyWorldVLA 90.59 PDMS على معيار NAVSIM v1، وهي نتيجة وصفتها الورقة والتقارير المرتبطة بأنها متصدرة بين النتائج العامة المنشورة وقتها. 17

وتشير تجارب حذف المكونات إلى أن التصميم الهجين ليس مجرد تجميع لخصائص إضافية:

• عند إزالة التنبؤ على مستوى البكسل، هبطت نتيجة PDMS من 90.59 إلى 87.50. 7
• وعند إزالة المعالجة في الفضاء الكامن، انخفضت إلى 89.91. 7
• وعند إزالة الإرشاد اللغوي من الوحدة الكامنة، تراجعت النتيجة إلى 90.35. 20

تدعم هذه النتائج فرضية الباحثين بأن الإشراف على البكسلات والتنبؤ الكامن يعالجان جانبين مختلفين: الأول يحافظ على أمانة تمثيل المشهد، والثاني يوفر تمثيلاً أقل كلفة لتوقع الأفعال.

توازن أوزان الخسارة مهم

اختبرت الورقة وزنين في دالة الخسارة: λ1 لخسارة التنبؤ برموز الفيديو، وλ2 لاتساق التمثيل الكامن. 20

مع تثبيت λ2 عند 0.1، أدى رفع λ1 من 0.1 إلى 0.5 إلى تحسن PDMS من 90.48 إلى 90.59. لكن رفع λ1 إلى 1.0 خفّض النتيجة إلى 89.83. 20

ومع تثبيت λ1 عند 0.5، أدى رفع λ2 فوق 0.1 إلى تراجع الأداء: بلغ PDMS 90.47 عند 0.2، واستمر الاتجاه الهبوطي مع الزيادات اللاحقة. 20

الخلاصة ليست أن زيادة الإشراف أفضل دائماً؛ إذ يحتاج النموذج إلى قدر كافٍ من القيود البصرية والكامنة لحفظ المعلومات المفيدة، لا إلى قيود تجعل التمثيل جامداً أكثر من اللازم.

ما الذي يقيسه PDMS في NAVSIM v1؟

مؤشر PDMS هو مقياس مركب لجودة القيادة في بيئة NAVSIM، ويشمل عناصر مثل تجنب الاصطدامات التي يكون فيها المركبة الذاتية مسؤولة، والالتزام بالمنطقة القابلة للقيادة، والزمن إلى الاصطدام المحتمل، وراحة الحركة، وتقدم المركبة على المسار. 2

لذلك، لا تعني نتيجة 90.59 نجاحاً في التعرف البصري فحسب؛ بل تعكس أداء تخطيط القيادة ضمن هذا المعيار تحديداً. لكنها تبقى تقييماً في بيئة محاكاة، وليست دليلاً مستقلاً على السلامة أو الأداء في حركة المرور الحقيقية.

ماذا تكشف الورقة عن استراتيجية BYD في الذكاء الاصطناعي؟

تنسب الورقة العمل إلى معهد أبحاث تقنيات السيارات الجديدة في BYD، ما يمثل مؤشراً علنياً على استثمار الشركة في أبحاث نماذج الأساس للقيادة الذاتية داخل الشركة. 1

أما التقارير التي تربط الفريق بخبرة الروبوتات في معهد هاربين للتكنولوجيا فهي لافتة، لكن الأدلة الأولية المتاحة لا تكفي لتأكيد الخلفية الأكاديمية لكل باحث على حدة. 5

مقارنة بمنافسين مثل NIO وXPeng وLi Auto، تمنح HyWorldVLA شركة BYD نتيجة بحثية علنية وقابلة للقياس في مجال نماذج VLA ونمذجة العالم. وهذا يشير إلى قدرة بحثية، لا إلى تفوق مثبت بالفعل في القيادة الذاتية الواقعية.

قد تصبح قدرة BYD على نشر المركبات على نطاق واسع ميزة، لكن فقط إذا استطاعت تحويل هذه النتيجة البحثية إلى منتج آمن ومتحقق منه ومنتشر بكفاءة. والاختبار الأهم تالياً ليس رقماً أعلى في معيار آخر، بل الانتقال الموثوق من النموذج والمحاكاة إلى الأداء على الطرق.