سيارة ذاتية القيادة تفكر مثل البشر.. إنفيديا تكشف عن Alpamayo في CES 2026
كل ما تريد معرفته عن مشروع "Alpamayo": مستقبل السيارات الذاتية القيادة من إنفيديا
كشفت إنفيديا خلال فعاليات CES 2026 عن مشروعها الجديد Alpamayo، مجموعة من نماذج الذكاء الاصطناعي مفتوحة المصدر وأدوات المحاكاة وقواعد البيانات، تهدف إلى جعل السيارات الذاتية القيادة تفكر وتتخذ القرارات مثل البشر، مما يعزز السلامة ويجعلها أكثر قدرة على التعامل مع المواقف غير المتوقعة.
Alpamayo 1: الذكاء الاصطناعي الذي يحاكي التفكير البشري
في قلب هذا المشروع يأتي Alpamayo 1، نموذج ذكاء اصطناعي يعتمد على سلسلة التفكير والرؤية واللغة والحركة (VLA)، ويضم 10 مليارات معلمة.
يتيح هذا النموذج للسيارات الذاتية القيادة حل المشكلات المعقدة، مثل التعامل مع توقف إشارات المرور عند التقاطعات المزدحمة، حتى بدون خبرة سابقة.
وأوضح علي كاني، نائب رئيس إنفيديا لقسم السيارات: "يقوم النموذج بتحليل كل خطوة، ويستعرض جميع الاحتمالات، ثم يختار المسار الأكثر أمانًا للسيارة."
وأكد الرئيس التنفيذي جنسن هوانغ خلال كلمته: "ألبامايو لا يكتفي بالتحكم في الفرامل والعجلات، بل يشرح للمستخدم قراراته ويبرر كل حركة، مع تقديم مسار الحركة المتوقع بدقة."
أدوات مفتوحة المصدر لتطوير السيارات الذكية
يتوفر الكود المصدري Alpamayo 1 على منصة Hugging Face، ما يتيح للمطورين تعديل النموذج لإنشاء نسخ أصغر وأسرع، وتدريب أنظمة قيادة أبسط، وتطوير أدوات مساعدة مثل تصنيف الفيديو التلقائي ومراجعة قرارات السيارة.
كما يمكن للمطورين استخدام Cosmos، منصة إنفيديا لإنشاء بيانات اصطناعية، لتدريب واختبار تطبيقات المركبات الذاتية القيادة على مزيج من البيانات الواقعية والاصطناعية، مما يعزز دقة النموذج وسرعة تعلمه.
محاكاة دقيقة وبيانات واقعية
قدمت إنفيديا مجموعة بيانات مفتوحة تحتوي على أكثر من 1700 ساعة قيادة في ظروف ومناطق جغرافية مختلفة، لتغطية المواقف النادرة والمعقدة التي قد تواجه السيارات الذاتية القيادة.
كما أطلقت الشركة AlpaSim، إطار عمل مفتوح المصدر لمحاكاة القيادة، متاح على GitHub.
يوفر AlpaSim بيئة آمنة لاختبار الأنظمة، مع إعادة إنتاج ظروف حركة المرور وأجهزة الاستشعار والبيئة الواقعية، قبل تطبيقها على الطرق الحقيقية.
لماذا يعتبر Alpamayo ثورة في السيارات الذاتية القيادة؟
- يجعل السيارة تفكر وتتصرف مثل الإنسان في المواقف الصعبة.
- يوفر أدوات تطوير مفتوحة المصدر للباحثين والمطورين.
- يمكّن من محاكاة واختبار واقعي للقيادة الذاتية قبل التطبيق على الطرق.
- يدعم استخدام البيانات الاصطناعية والواقعية لتدريب أفضل وأكثر أمانًا.