تعد قيادة السيارات وفقًا لقوانين المرور من أبسط المتطلبات للسائقين البشريين، إلا أن السيارات الذاتية القيادة (Autonomous Vehicles - AVs) قد تتجاوز هذه المتطلبات في سيناريوهات واقعية متعددة. إن إدماج الامتثال القانوني في أنظمة AV يعد تحديًا كبيرًا.
تحديات القائمة التقليدية
تعتمد الأساليب التقليدية في تحقيق الامتثال على استخدام لغات منطقية رسمية لتحديد القيود السلوكية، ولكنه نهج يتطلب مجهودًا كبيرًا وصعوبة في التوسع والحفاظ عليه.
الذكاء الاصطناعي كحل مبتكر
مع التقدم الذي أحرزته نماذج اللغات الكبيرة (Large Language Models - LLMs)، يظهر بصيص من الأمل في استخدام هذه التقنيات لاشتقاق المتطلبات القانونية من قوانين المرور. لكن، تعتمد هذه النماذج بشكل كبير على سيناريوهات مرورية منظمة لتجنب استرجاع أحكام غير ذات صلة أو فقدان أحكام تنطبق، مما يؤدي إلى نتائج غير دقيقة.
منهجية جديدة
نقترح في هذه المقالة خط أنابيب مبتكر يعتمد على تنظيم التفكير القانوني في تصنيفات سيناريوهات المرور من خلال نقاط ربط موضوعة على مستوى العقد، التي تشفر معاني هرمية. ومن خلال تطبيق أسلوبنا على قوانين المرور الصينية وبيانات OnSite (5,897 سيناريو)، حققنا تحسينًا بنسبة 29.1% في مطابقة القوانين بالسيناريوهات، ورفعنا دقة المعايير الإلزامية والمحظورة بنسبة 36.9% و38.2% على التوالي.
التطبيقات الواقعية
قمنا بمزيد من إثبات التطبيق الواقعي من خلال إنشاء طبقة للامتثال القانوني لتوجيه AVs وتطوير مراقب للامتثال في الوقت الحقيقي لاختبارها في الميدان، وهو ما يوفر أساسًا قويًا لتطوير وتطبيق السيارات الذاتية القيادة ومراقبة القوانين.