تقنية القيادة الذاتية ومستوياتها المختلفة

 تُعد تقنية القيادة الذاتية واحدة من أبرز التطورات التكنولوجية في قطاع النقل خلال القرن الحادي والعشرين، حاملةً معها وعوداً بإحداث تحول جذري في مفاهيم السلامة المرورية، وكفاءة التنقل، وتجارب المستخدمين اليومية. إن فكرة أن تتولى المركبات بنفسها مهام القيادة، التي كانت حكراً على الإنسان لعقود، لم تعد ضرباً من الخيال العلمي، بل أصبحت واقعاً يتشكل تدريجياً من خلال ابتكارات متسارعة واستثمارات ضخمة. ومع ذلك، فإن الطريق نحو الأتمتة الكاملة ليس قفزة واحدة، بل هو رحلة تطورية تتضمن مستويات متعددة من التدخل البشري والاعتماد المتزايد على الأنظمة الذكية.

الطريق إلى القيادة الذاتية

إن التطورات المتسارعة في مجال المركبات ذاتية القيادة لا تقتصر فقط على إنتاج سيارات أكثر ذكاءً يمكن للأفراد امتلاكها، بل تمتد لتشمل تحولاً أعمق في مفهوم التنقل ذاته. تشير البيانات المتعلقة بنمو خدمات الروبوتاكسي والمبادرات الطموحة مثل الشراكة بين شركتي أوبر وماي موبيليتي إلى توجه واضح نحو نماذج “التنقل كخدمة” (MaaS – Mobility as a Service). 

المستويات العليا من الأتمتة، وتحديداً المستويين الرابع والخامس، تتيح للمركبات العمل بكفاءة وأمان دون الحاجة إلى سائق بشري. هذه القدرة تجعلها مثالية لتطبيقات النقل التشاركي والخدمات اللوجستية، وهو ما يفسر الاستثمارات الكبيرة من قبل شركات مثل وايمو وأوبر في هذا المجال. 

هذا التحول المحتمل من ملكية السيارة الفردية إلى الاعتماد على أساطيل من المركبات ذاتية القيادة المملوكة لمقدمي الخدمات يحمل في طياته آثاراً اقتصادية واجتماعية بعيدة المدى، قد تتجاوز مجرد تحسين تجربة القيادة لتشمل إعادة هيكلة شاملة لصناعة النقل، وتغييرات في تخطيط المدن، ومتطلبات البنية التحتية، وحتى طبيعة سوق العمل، خاصة فيما يتعلق بوظائف السائقين التقليدية.

 فهم تقنية القيادة الذاتية

يمكن تعريف السيارات ذاتية القيادة بأنها مركبة تمتلك القدرة على استشعار وتحليل بيئتها المحيطة، والتنقل، واتخاذ القرارات المتعلقة بالقيادة بشكل مستقل، إما كلياً أو بدرجات متفاوتة من التدخل البشري. وتقدم جمعية مهندسي السيارات (SAE International) تعريفاً رسمياً وشاملاً للأتمتة في المركبات ينص على أنها: “استخدام الميكانيكا والإلكترونيات والذكاء الاصطناعي وأنظمة الحوسبة متعددة الوكلاء للمساعدة في تشغيل السيارة، مما يسمح للمركبة باستشعار بيئتها والتفاعل معها بدرجات متفاوتة من التدخل البشري”. هذا التعريف يكتسب أهميته من كونه يؤكد على أن الأتمتة ليست حالة ثنائية (إما موجودة أو غير موجودة)، بل هي طيف واسع من القدرات المتدرجة.

يعتمد مبدأ العمل الأساسي للسيارات ذاتية القيادة على تكامل منظومة معقدة تتألف من أجهزة استشعار متقدمة، وبرمجيات معقدة تعتمد على الذكاء الاصطناعي، وقدرات حاسوبية فائقة. 

هذه المنظومة تمكّن السيارة من جمع كميات هائلة من البيانات حول محيطها، ومعالجتها في الوقت الفعلي، ومن ثم اتخاذ قرارات القيادة المناسبة، مثل التحكم في السرعة، والتوجيه، واستخدام المكابح، تماماً كما يفعل السائق البشري، ولكن مع إمكانية تجاوز القدرات البشرية في بعض الجوانب مثل سرعة رد الفعل ودقة المراقبة.

المكونات التكنولوجية الأساسية

تعتمد السيارات ذاتية القيادة على مجموعة متطورة ومتكاملة من التقنيات التي تعمل بتناغم لتحقيق القيادة الآمنة والفعالة. يمكن تلخيص أبرز هذه المكونات في الجدول التالي، يليه شرح تفصيلي لكل منها:

التقنية	الوصف	الوظيفة الرئيسية في نظام القيادة الذاتية
الكاميرات	أجهزة التقاط صور وفيديوهات للبيئة المحيطة.	التعرف على العلامات المرورية، المشاة، المركبات، خطوط المسارات، وفهم المشهد البصري العام.
الرادار (Radar)	يستخدم موجات الراديو لكشف الأجسام وتحديد سرعتها ومسافتها.	كشف المركبات والأجسام الأخرى، ويعمل بفعالية في الظروف الجوية المختلفة (أمطار، ضباب).
الليدار (LiDAR)	يستخدم نبضات الليزر لإنشاء نماذج ثلاثية الأبعاد عالية الدقة للبيئة المحيطة.	توفير إدراك مكاني دقيق، تحديد أشكال وأحجام الأجسام بدقة عالية.
نظام تحديد المواقع العالمي (GPS)	نظام ملاحة يعتمد على الأقمار الصناعية لتحديد موقع السيارة.	تحديد الموقع الجغرافي للمركبة بدقة، ويُدمج مع مستشعرات أخرى لتعزيز الدقة.
وحدات القياس بالقصور الذاتي (IMU)	تقيس وتُبلغ عن سرعة السيارة، توجهها، وقوى الجاذبية المؤثرة عليها.	تتبع حركة السيارة وموقعها بين تحديثات GPS، وتساعد في فهم ديناميكيات السيارة.
الذكاء الاصطناعي (AI) وتعلم الآلة (ML)	خوارزميات وبرامج تمكّن النظام من التعلم من البيانات واتخاذ قرارات ذكية.	معالجة بيانات المستشعرات، فهم البيئة، توقع سلوكيات الآخرين، اتخاذ قرارات القيادة، وتحسين الأداء بمرور الوقت.
الخرائط عالية الدقة (HD Maps)	خرائط رقمية مفصلة بدقة السنتيمتر تحتوي على معلومات غنية عن الطريق ومعالمه.	تحديد الموقع بدقة فائقة (Localization)، التخطيط المسبق للمسار، وتوفير سياق إضافي للمستشعرات.
الاتصالات (V2X)	تقنيات تتيح للسيارة التواصل مع المركبات الأخرى (V2V)، البنية التحتية (V2I)، المشاة (V2P)، والشبكة (V2N).	توسيع نطاق إدراك السيارة لما يتجاوز مدى مستشعراتها، تحسين السلامة، وتنسيق تدفق حركة المرور.
وحدات المعالجة المركزية (CPUs/GPUs)	معالجات قوية تقوم بتشغيل البرمجيات المعقدة وتحليل البيانات.	تنفيذ خوارزميات الذكاء الاصطناعي، دمج بيانات المستشعرات، واتخاذ القرارات في الوقت الفعلي.
أنظمة التحكم (Control Systems)	أنظمة إلكترونية وميكانيكية تنفذ أوامر القيادة.	التحكم في التوجيه، التسارع، والكبح بناءً على قرارات نظام القيادة الذاتية.

أنظمة الاستشعار المتقدمة

تُعتبر أنظمة الاستشعار بمثابة “حواس” السيارة ذاتية القيادة، حيث تزودها بالمعلومات اللازمة عن العالم المحيط بها. تشمل هذه الأنظمة:

• الكاميرات: تلتقط الكاميرات صوراً ومقاطع فيديو للبيئة المحيطة، وتستخدمها أنظمة معالجة الصور للتعرف على خطوط المسارات، وإشارات المرور، والعلامات الطرقية، والمركبات الأخرى، والمشاة، وراكبي الدراجات. تتنوع الكاميرات المستخدمة، فمنها الكاميرات المجسمة (Stereo Cameras) التي توفر إدراكاً للعمق، وكاميرات الأشعة تحت الحمراء التي تعزز الرؤية في ظروف الإضاءة المنخفضة أو أثناء الليل.
• الرادار (Radar): يعمل الرادار عن طريق إرسال موجات راديو واستقبال انعكاساتها من الأجسام المحيطة. هذه التقنية فعالة جداً في كشف وجود الأجسام وتحديد سرعتها ومسافاتها واتجاه حركتها، حتى في الظروف الجوية الصعبة مثل الأمطار الغزيرة أو الضباب أو الثلوج، حيث قد يكون أداء الكاميرات محدوداً.
• الليدار (LiDAR – Light Detection and Ranging): يُعد الليدار من أهم المستشعرات في العديد من أنظمة القيادة الذاتية المتقدمة. يعمل عن طريق إطلاق آلاف من نبضات الليزر غير المرئية في الثانية الواحدة وقياس الوقت الذي تستغرقه هذه النبضات للارتداد بعد اصطدامها بالأجسام. ينتج عن ذلك “سحابة نقطية” (Point Cloud) ثلاثية الأبعاد تمثل البيئة المحيطة بدقة عالية جداً، مما يسمح للنظام بتحديد شكل وحجم وموقع الأجسام بتفصيل كبير.

أجهزة استشعار أخرى: 

بالإضافة إلى ما سبق، تستخدم السيارات ذاتية القيادة مجموعة متنوعة من المستشعرات الأخرى لتعزيز قدراتها الإدراكية. يشمل ذلك نظام تحديد المواقع العالمي (GPS) عالي الدقة، والذي غالباً ما يُدمج مع وحدات القياس بالقصور الذاتي (IMU) وعدادات السرعة والمسافات، لتوفير تحديد دقيق لموقع السيارة وتوجهها وحركتها. كما يمكن استخدام أجهزة استشعار حرارية لكشف الكائنات الحية بناءً على بصمتها الحرارية، وأجهزة استشعار صوتية (ميكروفونات) لالتقاط أصوات معينة مثل صفارات الإنذار لمركبات الطوارئ.

إن الاعتماد على نوع واحد من المستشعرات لا يكفي لضمان تقنية القيادة الذاتية الآمنة والموثوقة في جميع الظروف. لكل مستشعر نقاط قوة ونقاط ضعف؛ فالكاميرات، على سبيل المثال، ممتازة في التعرف على الألوان والأشكال وقراءة النصوص، لكن أداءها يتأثر بشكل كبير بظروف الإضاءة السيئة (مثل الوهج أو الظلام) والظروف الجوية القاسية (مثل الأمطار أو الضباب). 

أما الرادار، فيعمل بشكل جيد في كشف المسافات والسرعات حتى في الطقس السيئ، ولكنه يوفر دقة مكانية أقل مقارنة بالليدار وقد يجد صعوبة في التمييز بين أنواع مختلفة من الأجسام. الليدار، بدوره، يوفر خرائط ثلاثية الأبعاد دقيقة للغاية، ولكنه قد يكون أكثر تكلفة ويتأثر أداؤه ببعض الظروف الجوية القاسية مثل الضباب الكثيف أو الأمطار الغزيرة، كما أنه قد يواجه صعوبة في كشف الأجسام السوداء التي تمتص الضوء. 

لذلك، تكمن القوة الحقيقية في مفهوم يُعرف بـ “اندماج المستشعرات” (Sensor Fusion). يتضمن هذا المفهوم جمع البيانات من جميع هذه المستشعرات المختلفة ودمجها ومعالجتها بواسطة خوارزميات متطورة لإنشاء نموذج شامل ومتكامل ودقيق قدر الإمكان للبيئة المحيطة بالسيارة.

 من خلال دمج نقاط قوة كل مستشعر وتعويض نقاط ضعف المستشعرات الأخرى، يمكن لنظام القيادة الذاتية تحقيق فهم أفضل وأكثر موثوقية للعالم من حوله، وهو أمر بالغ الأهمية لاتخاذ قرارات قيادة آمنة وفعالة. هذا يؤكد على التعقيد المتأصل في تصميم هذه الأنظمة والحاجة الماسة إلى قدرات معالجة متقدمة.

دور الذكاء الاصطناعي (AI) وتعلم الآلة (ML)

إذا كانت المستشعرات هي حواس السيارة ذاتية القيادة، فإن الذكاء الاصطناعي (AI) وتعلم الآلة (ML) يمثلان “الدماغ” الذي يعالج المعلومات ويتخذ القرارات. تُستخدم خوارزميات الذكاء الاصطناعي لمعالجة الكميات الهائلة من البيانات التي يتم جمعها باستمرار من مختلف المستشعرات. تقوم هذه الخوارزميات، وخاصة تلك القائمة على تعلم الآلة والتعلم العميق (Deep Learning)، بتمكين السيارة من “فهم” البيئة المحيطة بها. يتضمن ذلك مهاماً معقدة مثل:

• الإدراك (Perception): التعرف على وتصنيف الأجسام المختلفة (سيارات، مشاة، دراجات، إشارات مرور، علامات طرقية، حواجز، إلخ).
• التوقع (Prediction): توقع سلوكيات مستخدمي الطريق الآخرين (على سبيل المثال، توقع أن المشاة قد يعبرون الطريق، أو أن سيارة أخرى قد تغير مسارها).
•  اتخاذ القرار (Decision Making): اتخاذ قرارات القيادة المناسبة في الوقت الفعلي بناءً على الفهم الحالي للبيئة والتوقعات المستقبلية (مثل التسارع، الكبح، تغيير المسار، التوقف).
• التعلم والتحسين المستمر: من أهم ميزات تعلم الآلة قدرة النظام على التعلم من التجارب السابقة وتحسين أدائه بمرور الوقت. كلما زادت البيانات التي يتعرض لها النظام (سواء من القيادة الفعلية أو من المحاكاة)، أصبح أكثر قدرة على التعامل مع مجموعة أوسع من السيناريوهات، بما في ذلك المواقف غير المتوقعة أو النادرة.
•  على سبيل المثال، تشير جوجل إلى أنها تدرب سياراتها ذاتية القيادة على التعامل مع المواقف غير المتوقعة، ويكون قرار السيارة في مثل هذه الحالات عادةً هو الإبطاء والانتظار حتى يتم الحصول على مزيد من المعلومات.

 أهمية الخرائط عالية الدقة (HD Maps)

تلعب الخرائط عالية الدقة (HD Maps) دوراً محورياً في تمكين المستويات المتقدمة من القيادة الذاتية، وهي تختلف اختلافاً جوهرياً عن خرائط الملاحة التقليدية التي نستخدمها في هواتفنا الذكية. توفر الخرائط عالية الدقة تمثيلاً رقمياً للبيئة المحيطة بدقة مذهلة تصل إلى مستوى السنتيمتر.

 هذه الخرائط ليست مجرد تمثيل للطرق، بل هي قواعد بيانات جغرافية مكانية غنية تحتوي على طبقات متعددة من المعلومات التفصيلية، تشمل هندسة المسارات بدقة (مثل عرض المسار، درجة الانحناء، الميل)، ومواقع علامات الطرق، وإشارات المرور، وحدود الأرصفة، والمعالم الثابتة الأخرى مثل المباني والأعمدة وحتى أغطية غرف التفتيش. تؤدي الخرائط عالية الدقة عدة وظائف حاسمة:

 تحديد الموقع بدقة فائقة (Precise Localization): 

تساعد السيارة على تحديد موقعها بدقة متناهية على الطريق، غالباً بدقة تصل إلى بضع سنتيمترات. هذا الأمر بالغ الأهمية خاصة في البيئات التي قد تكون فيها إشارة نظام تحديد المواقع العالمي (GPS) ضعيفة أو متقطعة، مثل الأنفاق، أو بين المباني الشاهقة في المدن الكبرى، أو تحت أوراق الشجر الكثيفة. من خلال مقارنة ما تراه مستشعرات السيارة (مثل الليدار والكاميرات) بالمعلومات المخزنة في الخريطة عالية الدقة، يمكن للنظام تحديد موقعه بدقة أكبر بكثير مما يمكن أن يوفره نظام GPS وحده.

التخطيط والتنبؤ (Planning and Prediction): 

تمكّن الخرائط عالية الدقة السيارة من “رؤية” ما هو أبعد من النطاق المباشر لمستشعراتها. على سبيل المثال، يمكن للنظام معرفة وجود منعطف حاد قادم أو تغير في حد السرعة قبل أن تتمكن المستشعرات من اكتشافه مباشرة. هذا يسمح بتخطيط مسار أكثر سلاسة وأماناً، وتوقع التغيرات في الطريق، وتكييف سلوك القيادة بشكل استباقي.

 تعزيز السلامة والموثوقية (Enhanced Safety and Reliability): 

تعمل الخرائط عالية الدقة كطبقة إضافية من المعلومات التي تدعم وتؤكد قرارات نظام القيادة الذاتية. في الظروف الصعبة، مثل سوء الأحوال الجوية الذي قد يحد من قدرة المستشعرات، يمكن للخريطة أن توفر سياقاً حاسماً يساعد النظام على اتخاذ قرارات أكثر أماناً.

يتم إنشاء هذه الخرائط عادةً باستخدام أساطيل من المركبات المجهزة بمستشعرات متقدمة (خاصة الليدار والكاميرات ونظام تحديد المواقع العالمي عالي الدقة)، والتي تقوم بمسح الطرق وجمع البيانات. يتم بعد ذلك معالجة هذه البيانات وتحويلها إلى خرائط مفصلة، ويتم تحديثها بانتظام لتعكس أي تغييرات في البنية التحتية للطرق أو البيئة المحيطة.

يمكن النظر إلى الخرائط عالية الدقة على أنها نوع من “المستشعر الافتراضي” الذي يكمل المستشعرات المادية الموجودة على متن السيارة. فهي توفر “معرفة مسبقة” بالبيئة الثابتة للطريق، والتي لا تعتمد فقط على ما تراه المستشعرات في تلك اللحظة. 

هذا يعني أن تقنية القيادة الذاتية ليست مجرد عملية رد فعل على المدخلات الحسية المباشرة، بل هي عملية استباقية تعتمد على نماذج مفصلة للعالم. هذا النهج يعزز بشكل كبير موثوقية النظام ويقلل من الاعتماد الكلي على المستشعرات المادية وحدها، والتي قد تكون لها حدودها الطبيعية.

 تقنيات الاتصال (V2X – Vehicle-to-Everything)

تُعد تقنيات الاتصال من مركبة إلى كل شيء (V2X) عنصراً هاماً آخر في منظومة القيادة الذاتية، حيث تمكّن السيارة من التواصل وتبادل المعلومات مع مختلف عناصر بيئة المرور المحيطة بها، مما يوسع نطاق “إدراكها” إلى ما هو أبعد من مدى مستشعراتها الخاصة. تشمل المكونات الرئيسية لتقنية V2X ما يلي:

• الاتصال من مركبة إلى مركبة (V2V – Vehicle-to-Vehicle): يسمح للسيارات بالتواصل المباشر مع بعضها البعض، وتبادل معلومات حيوية مثل الموقع، والسرعة، والاتجاه، وحالة الكبح، ونوايا المناورة. يمكن أن يساعد ذلك في منع الاصطدامات، خاصة عند التقاطعات أو أثناء تغيير المسارات، وتحسين تدفق حركة المرور من خلال تمكين القيادة التعاونية.
• الاتصال من مركبة إلى بنية تحتية (V2I – Vehicle-to-Infrastructure): يتيح للسيارات التواصل مع مكونات البنية التحتية للطرق، مثل إشارات المرور الذكية، وعلامات الطرق الإلكترونية، ومحطات الأرصاد الجوية على جانب الطريق. يمكن للسيارة من خلال V2I الحصول على معلومات حول توقيت إشارات المرور (مما يسمح بتكييف السرعة لتجنب التوقف غير الضروري)، والتحذيرات من أعمال الطرق أو الحوادث المقبلة، وظروف الطريق الخطرة.
• الاتصال من مركبة إلى مشاة (V2P – Vehicle-to-Pedestrian): يمكّن السيارات من التواصل مع المشاة وراكبي الدراجات الذين يحملون أجهزة متوافقة (مثل الهواتف الذكية أو الأجهزة القابلة للارتداء). يمكن أن يساعد ذلك في تنبيه كل من السائق (أو نظام القيادة الذاتية) والمشاة إلى وجود خطر محتمل، مما يزيد من السلامة خاصة في المناطق الحضرية المزدحمة.
•  الاتصال من مركبة إلى شبكة (V2N – Vehicle-to-Network): يشير إلى اتصال السيارة بالشبكات الخلوية الأوسع (مثل شبكات الجيل الرابع LTE أو الجيل الخامس 5G) والخوادم السحابية. هذا الاتصال ضروري لتلقي تحديثات البرامج عن بُعد (OTA – Over-The-Air)، وتحديثات الخرائط عالية الدقة، والمعلومات المرورية في الوقت الفعلي، وخدمات الطوارئ، وغيرها من الخدمات القائمة على السحابة.

تتمثل الفائدة الرئيسية لتقنية V2X في تعزيز قدرة السيارة على الإداراك بما يتجاوز مدى رؤية مستشعراتها المباشرة (Beyond Line-of-Sight perception). على سبيل المثال، يمكن لسيارة تقترب من تقاطع أعمى أن تتلقى تحذيراً من مركبة أخرى تقترب من اتجاه مختلف، أو من البنية التحتية التي ترصد حركة المرور. هذا يسمح بتخطيط مسار وسلوك أكثر أماناً وفعالية، ويساهم بشكل كبير في زيادة السلامة العامة وكفاءة نظام النقل.

البرمجيات وأنظمة التحكم

تعتبر البرمجيات وأنظمة التحكم بمثابة الجهاز العصبي المركزي للسيارة ذاتية القيادة، حيث تقوم بتنسيق جميع المكونات الأخرى وتنفيذ مهام القيادة. تشمل هذه الأنظمة:

• أنظمة التشغيل (Operating Systems): توفر البيئة الأساسية لتشغيل جميع تطبيقات وبرامج القيادة الذاتية. يجب أن تكون هذه الأنظمة موثوقة للغاية وقادرة على التعامل مع المهام في الوقت الفعلي.
• خوارزميات اتخاذ القرار (Decision-Making Algorithms): هذه هي الخوارزميات المعقدة التي تستخدم مخرجات الذكاء الاصطناعي وتعلم الآلة لاتخاذ قرارات القيادة النهائية.
• وحدات التحكم الإلكترونية (ECUs – Electronic Control Units): هي أجهزة كمبيوتر صغيرة متخصصة تتحكم في وظائف محددة في السيارة، مثل نظام التوجيه، ونظام الكبح، ونظام إدارة المحرك (أو المحرك الكهربائي). في السيارات ذاتية القيادة، تتلقى هذه الوحدات أوامر من نظام القيادة الذاتية المركزي وتنفذها بدقة.

منظومة البرمجيات المتكاملة: 

يمكن تقسيمها بشكل عام إلى ثلاثة نظم رئيسية متفاعلة:

• نظام الإدراك (Perception System): مسؤول عن جمع البيانات من جميع المستشعرات وتفسيرها لإنشاء فهم للبيئة المحيطة.
• نظام التخطيط (Planning System): يستخدم المعلومات من نظام الإدراك والخرائط عالية الدقة لتخطيط مسار السيارة وسلوكها على المدى القصير والمتوسط والطويل.
• نظام التحكم (Control System): يترجم خطط نظام التخطيط إلى أوامر فعلية يتم إرسالها إلى وحدات التحكم الإلكترونية لتوجيه السيارة، والتحكم في سرعتها، وتشغيل المكابح.

يجب أن تكون هذه البرمجيات وأنظمة التحكم مصممة وفقاً لأعلى معايير السلامة والموثوقية، وغالباً ما تتضمن أنظمة تكرارية (Redundant Systems) لضمان استمرار التشغيل الآمن حتى في حالة فشل أحد المكونات.

مستويات القيادة الذاتية المعتمدة (SAE J3016)

لتوفير لغة مشتركة وفهم موحد لقدرات المركبات ذاتية القيادة، قامت جمعية مهندسي السيارات (SAE International) بتطوير معيار يُعرف باسم SAE J3016. هذا المعيار، الذي تم تطويره بالتعاون الوثيق مع المنظمة الدولية للمعايير (ISO)، يُستخدم على نطاق واسع في جميع أنحاء العالم كإطار لتصنيف مستويات أتمتة القيادة. 

يحدد المعيار ستة مستويات، تبدأ من المستوى 0 (لا يوجد أتمتة) وتنتهي بالمستوى 5 (أتمتة كاملة). تصف هذه المستويات درجة الأتمتة التي يوفرها نظام القيادة الذاتية، والأهم من ذلك، توضح كيفية توزيع مهام القيادة والمسؤوليات بين السائق البشري والنظام الآلي.

من المهم الإشارة إلى أن هناك تمييزاً أساسياً في هذا التصنيف: فالمستويات من 0 إلى 2 تُعتبر بشكل عام “أنظمة دعم للسائق” (Driver Support Systems)، حيث يظل السائق البشري هو المسؤول الأساسي عن القيادة. أما المستويات من 3 إلى 5، فتُعتبر “أنظمة قيادة آلية فعلية” (Automated Driving Systems)، حيث يمكن للنظام أن يتولى مسؤولية القيادة بشكل كامل في ظروف معينة.

فيما يلي شرح تفصيلي لكل مستوى من مستويات القيادة الذاتية الستة، مع توضيح دور النظام والسائق، وأمثلة على الميزات أو أنواع المركبات المرتبطة بكل مستوى:

المستوى 0: لا يوجد أتمتة للقيادة (No Driving Automation)

• النظام: في هذا المستوى، لا يوفر النظام أي تحكم مستمر في حركة السيارة (سواء التوجيه أو السرعة). ومع ذلك، قد تحتوي السيارة على ميزات توفر تحذيرات للسائق، مثل نظام التحذير من النقطة العمياء (Blind Spot Warning) أو نظام التحذير من مغادرة المسار (Lane Departure Warning).
•  قد تشتمل أيضاً على أنظمة تدخل بشكل مؤقت فقط، مثل نظام الكبح التلقائي في حالات الطوارئ (AEB – Automatic Emergency Braking)، والذي يتدخل لمنع أو تخفيف الاصطدام ولكنه لا يقود السيارة بشكل مستمر. حتى مثبت السرعة التقليدي (Conventional Cruise Control) الذي يحافظ على سرعة ثابتة دون الاستجابة للأحداث الخارجية يندرج ضمن هذا المستوى.
• السائق: السائق البشري هو المسؤول بشكل كامل ودائم عن أداء جميع جوانب “مهمة القيادة الديناميكية” (DDT – Dynamic Driving Task). يشمل ذلك التوجيه، والكبح، والتسارع، ومراقبة البيئة المحيطة، والاستجابة لجميع أحداث الطريق.
• أمثلة: الغالبية العظمى من السيارات التقليدية الموجودة على الطرق اليوم، حتى تلك التي تحتوي على بعض أنظمة التحذير أو التدخل المحدود.

المستوى 1: مساعدة السائق (Driver Assistance)

• النظام: يوفر النظام مساعدة مستمرة للسائق في جانب واحد فقط من التحكم في حركة السيارة، إما التحكم في السرعة (التحكم الطولي، مثل التسارع أو الكبح) أو التحكم في التوجيه (التحكم الجانبي)، ولكن ليس كليهما معاً بشكل مستمر ومتزامن. يعمل هذا النظام ضمن “نطاق تشغيل محدد” (ODD – Operational Design Domain)، والذي يحدد الظروف التي صُمم النظام للعمل فيها (مثل أنواع الطرق، السرعات، الظروف الجوية).
• السائق: يظل السائق مسؤولاً عن أداء جميع جوانب القيادة الأخرى التي لا يساعد فيها النظام. يجب على السائق مراقبة البيئة المحيطة باستمرار وأن يكون مستعداً للتدخل الفوري واستعادة السيطرة الكاملة في أي لحظة.

أمثلة:

• مثبت السرعة التكيفي (ACC – Adaptive Cruise Control): يحافظ على سرعة محددة مسبقاً مع ضبطها تلقائياً للحفاظ على مسافة آمنة من السيارة الأمامية (تحكم طولي)، بينما يتولى السائق مهمة التوجيه.
• نظام المساعدة في الحفاظ على المسار (LKA – Lane Keeping Assist): يوفر مساعدة في التوجيه للحفاظ على السيارة داخل مسارها (تحكم جانبي)، بينما يتحكم السائق في السرعة.

المستوى 2: أتمتة جزئية للقيادة (Partial Driving Automation)

• النظام: يوفر النظام مساعدة مستمرة في كل من التحكم في السرعة (الطولي) والتحكم في التوجيه (الجانبي) بشكل متزامن، وذلك ضمن نطاق تشغيل محدد (ODD).
• السائق: على الرغم من أن النظام يمكنه التحكم في التوجيه والسرعة معاً، يظل السائق هو المسؤول الأساسي عن مراقبة البيئة المحيطة (وهو ما يُعرف بـ OEDR – Object and Event Detection and Response). يجب على السائق أن يظل منتبهاً ومستعداً للتدخل الفوري واستعادة السيطرة الكاملة على القيادة إذا فشل النظام في الاستجابة بشكل صحيح أو إذا واجه موقفاً لا يستطيع التعامل معه. يُشار إلى هذا المستوى أحياناً بأنه “hands-off” (يمكن رفع اليدين عن عجلة القيادة مؤقتاً في ظروف معينة)، ولكنه بالتأكيد ليس “eyes-off” (لا يمكن إغفال النظر عن الطريق).
• أمثلة: العديد من أنظمة الأمان المساعدة السائق المتقدمة (ADAS) المتوفرة في السيارات الحديثة، مثل نظام “Autopilot” من تسلا (في وضعه التشغيلي الحالي الذي يتطلب إشراف السائق)، ونظام “Super Cruise” من كاديلاك، ونظام “Pilot Assist” من فولفو.

المستوى 3: أتمتة مشروطة للقيادة (Conditional Driving Automation)

• النظام: في هذا المستوى، يمكن للنظام أن يؤدي جميع جوانب مهمة القيادة الديناميكية (DDT) بالكامل، بما في ذلك مراقبة البيئة المحيطة (OEDR)، وذلك ضمن نطاق تشغيل محدد (ODD). هذا يعني أن السيارة يمكنها “قيادة نفسها” في ظروف معينة.
• السائق: عندما يكون نظام المستوى 3 نشطاً وضمن نطاق تشغيله المحدد، لا يُطلب من السائق مراقبة البيئة المحيطة بشكل مستمر. يمكن للسائق نظرياً الانخراط في أنشطة أخرى (مثل القراءة أو استخدام الهاتف)، وهو ما يُعرف بـ “eyes-off”. 
• مع ذلك، يجب أن يظل السائق “مستعداً للتراجع” (Fallback-ready user)، أي قادراً على استعادة السيطرة الكاملة على القيادة خلال فترة زمنية معقولة عندما يطلب النظام ذلك (على سبيل المثال، عند الاقتراب من نهاية نطاق التشغيل المحدد، أو عند مواجهة موقف لا يستطيع النظام التعامل معه). إذا فشل السائق في استعادة السيطرة، فإن النظام قد لا يكون مسؤولاً عن تنفيذ مناورة التراجع الآمنة.
•  أمثلة: نظام “Traffic Jam Pilot” من أودي (الذي تم الإعلان عنه لطراز A8 ولكن واجه تحديات تنظيمية في بعض الأسواق)، ونظام “DRIVE PILOT” من مرسيدس-بنز المعتمد للاستخدام على بعض الطرق السريعة في ألمانيا وبعض الولايات الأمريكية. يمثل هذا المستوى نقلة نوعية ولكنه يطرح تحديات قانونية وتنظيمية كبيرة تتعلق بتحديد المسؤولية في حالة وقوع حادث أثناء تفعيل النظام.

المستوى 4: أتمتة عالية للقيادة (High Driving Automation)

• النظام: يؤدي النظام جميع جوانب مهمة القيادة الديناميكية (DDT) بالكامل ويتولى مسؤولية تنفيذ “مناورة التراجع” (Fallback) في حالة حدوث عطل في النظام أو عند الخروج عن نطاق التشغيل المحدد (ODD). هذا يعني أنه إذا واجه النظام مشكلة ولم يتمكن السائق من التدخل (أو لم يكن هناك سائق)، فإن النظام قادر على إيقاف السيارة بأمان (تحقيق “الحد الأدنى من حالة الخطر” – MRC). لا يتطلب النظام تدخل السائق طالما أنه يعمل ضمن نطاقه المحدد.
• السائق: عندما يكون نظام المستوى 4 نشطاً وضمن نطاق تشغيله المحدد، لا يُطلب من الشخص الموجود في مقعد السائق (إذا كان موجوداً) القيادة أو حتى الاستعداد للتدخل. يمكن للشخص أن يكون راكباً بالكامل، وهو ما يُعرف بـ “mind-off” (يمكن صرف الذهن عن مهمة القيادة).

أمثلة:

 خدمات الروبوتاكسي (سيارات الأجرة ذاتية القيادة) التي تعمل حالياً في مناطق جغرافية محددة ومسيطر عليها (Geofenced areas)، مثل خدمة Waymo One في بعض المدن الأمريكية. تشمل الأمثلة الأخرى حافلات النقل المكوكية ذاتية القيادة التي تعمل في حرم الجامعات أو المطارات أو المناطق التجارية المحددة، وبعض تطبيقات الشحن بالشاحنات ذاتية القيادة على مسارات محددة مسبقاً.

المستوى 5: أتمتة كاملة للقيادة (Full Driving Automation)

• النظام: يمثل هذا المستوى ذروة الأتمتة. يؤدي النظام جميع جوانب مهمة القيادة الديناميكية (DDT) بالكامل في جميع ظروف الطريق والبيئة التي يمكن للسائق البشري المتمرس التعامل معها. نظرياً، يكون نطاق التشغيل (ODD) “غير محدود”، ولكن عملياً، يقتصر هذا على جميع الطرق المتاحة للعامة وفي جميع الظروف التي يمكن للإنسان القيادة فيها.
• السائق: لا يوجد سائق بشري مطلوب على الإطلاق في أي وقت. المركبات المصممة خصيصاً للمستوى 5 قد لا تحتوي حتى على عجلة قيادة أو دواسات أو أي أدوات تحكم بشرية تقليدية. جميع من في المركبة هم ركاب.
•  أمثلة: لا توجد حالياً مركبات تجارية متاحة للعامة تعمل بالمستوى 5 من الأتمتة. لا يزال هذا المستوى يعتبر هدفاً مستقبلياً تعمل العديد من الشركات على تحقيقه، ويمثل تحدياً تكنولوجياً وتنظيمياً هائلاً.

إن مفهوم “نطاق التشغيل المحدد” (Operational Design Domain – ODD) يبرز كعامل حاسم في التمييز بين قدرات وقيود الأنظمة ذاتية القيادة، خاصة في المستويات المتقدمة (3، 4، و 5). لا يُعتبر ODD مجرد تفصيل تقني، بل هو مفهوم جوهري له آثار قانونية وتشغيلية عميقة. يعرّف ODD بشكل دقيق الظروف التي صُمم نظام القيادة الذاتية للعمل ضمنها، ويشمل ذلك عوامل مثل أنواع الطرق (طرق سريعة، طرق حضرية، إلخ)، النطاقات الجغرافية المحددة، ظروف الإضاءة (نهارية، ليلية)، الأحوال الجوية (صافية، ممطرة، ثلجية)، حدود السرعة، وكثافة حركة المرور.

في المستوى 3، يُتوقع من السائق استعادة السيطرة إذا خرجت السيارة عن نطاق ODD المحدد لها أو إذا طلب النظام ذلك بسبب ظروف تتجاوز قدراته. أما في المستوى 4، فيكون النظام نفسه مسؤولاً عن تنفيذ مناورة تراجع آمنة، مثل التوقف في مكان آمن، إذا خرج عن نطاق ODD ولم يتدخل السائق. 

يتميز المستوى 5 نظرياً بـ ODD “غير محدود”، مما يعني قدرته على العمل في أي مكان وفي أي وقت يمكن للإنسان القيادة فيه. هذا التمييز يوضح أن قدرة السيارة على القيادة الذاتية ليست مطلقة حتى في المستويات المتقدمة (باستثناء المستوى 5 النظري)، بل هي مقيدة بظروف محددة مسبقاً. 

إن فهم نطاق ODD لكل نظام ذاتي القيادة ضروري للمستخدمين، والمشرعين، وشركات التأمين لتقييم متى وأين يمكن الاعتماد على النظام، ومن يتحمل المسؤولية في حالة وقوع حادث خارج هذا النطاق. كما أنه يفسر لماذا نرى تطبيقات المستوى 4 الحالية غالباً محصورة في بيئات محددة ومسيطر عليها نسبياً، مثل خدمات الروبوتاكسي التي تعمل ضمن مناطق جغرافية معينة.

المستوى	اسم المستوى (عربي)	اسم المستوى (إنجليزي)	وصف موجز لقدرات النظام	مسؤولية السائق/المستخدم	أمثلة على الميزات أو أنواع المركبات
0	لا يوجد أتمتة	No Driving Automation	النظام قد يوفر تحذيرات أو تدخلات مؤقتة فقط.	السائق مسؤول بالكامل عن كل مهام القيادة.	سيارات تقليدية، مثبت سرعة عادي، نظام AEB.
1	مساعدة السائق	Driver Assistance	النظام يساعد إما في التوجيه أو في السرعة (ليس كليهما معاً).	السائق مسؤول عن باقي مهام القيادة والمراقبة المستمرة.	مثبت سرعة تكيفي (ACC)، نظام المساعدة في الحفاظ على المسار (LKA).
2	أتمتة جزئية	Partial Driving Automation	النظام يساعد في التوجيه والسرعة معاً في ظروف محددة.	السائق مسؤول عن المراقبة المستمرة والاستعداد للتدخل الفوري.	أنظمة مثل Tesla Autopilot (بإشراف)، Cadillac Super Cruise.
3	أتمتة مشروطة	Conditional Driving Automation	النظام يقود السيارة بالكامل في ظروف محددة (ODD)، ويتوقع من السائق استعادة السيطرة عند الطلب.	السائق لا يحتاج لمراقبة مستمرة (eyes-off) ولكنه يجب أن يكون مستعداً للتدخل.	أنظمة مثل Mercedes-Benz DRIVE PILOT في ظروف محددة.
4	أتمتة عالية	High Driving Automation	النظام يقود السيارة بالكامل ويتولى التراجع الآمن في ظروف محددة (ODD)، ولا يتطلب تدخل السائق في تلك الظروف.	السائق يمكن أن يكون راكباً (mind-off) ضمن الـ ODD.	روبوتاكسي في مناطق محددة (Waymo)، مركبات نقل مكوكية ذاتية.
5	أتمتة كاملة	Full Driving Automation	النظام يقود السيارة بالكامل في جميع الظروف التي يمكن للإنسان القيادة فيها.	لا يوجد سائق بشري مطلوب على الإطلاق.	مفهوم نظري حالياً، مركبات بدون عجلة قيادة أو دواسات.

الآفاق والتحديات: تقييم شامل للقيادة الذاتية

تحمل تقنية القيادة الذاتية في طياتها إمكانات هائلة لإعادة تشكيل مستقبل التنقل، ولكنها في الوقت ذاته تواجه مجموعة من التحديات المعقدة التي يجب التغلب عليها لتحقيق انتشارها الواسع والآمن، الفوائد الجوهرية: 

تعزيز السلامة المرورية:

 تُعد هذه واحدة من أهم الفوائد المتوقعة. تشير الإحصائيات إلى أن الخطأ البشري (مثل الإرهاق، تشتت الانتباه، القيادة تحت تأثير مواد مخدرة أو كحولية، والسرعة الزائدة) هو السبب الرئيسي في الغالبية العظمى من حوادث الطرق، والتي تتراوح نسبتها بين 80% إلى أكثر من 90%. 

تتمتع أنظمة القيادة الذاتية، بفضل مستشعراتها التي تراقب البيئة بشكل مستمر ودقيق (360 درجة) وقدرتها على اتخاذ قرارات أسرع وأكثر دقة من البشر في بعض المواقف الحرجة، بإمكانية تقليل هذه الحوادث بشكل كبير، وبالتالي إنقاذ الأرواح وتقليل الإصابات.

تحسين كفاءة التنقل وتخفيف الازدحام:

 من خلال التنسيق بين المركبات ذاتية القيادة (خاصة مع تفعيل تقنيات V2X)، يمكن تحسين تدفق حركة المرور بشكل كبير. تستطيع هذه المركبات الحفاظ على مسافات آمنة ودقيقة بين بعضها البعض، وتقليل حالات التوقف والانطلاق المفاجئ التي تساهم في الازدحام، وربما حتى زيادة سعة الطرق من خلال السماح بمسافات تتابع أقصر بأمان في المستويات العليا من الأتمتة.

 زيادة الراحة والإنتاجية للركاب: 

في المستويات المتقدمة من القيادة الذاتية (المستوى 3 وما فوق)، حيث لا يتطلب الأمر إشرافاً مستمراً من السائق، يمكن للركاب استغلال وقت التنقل في أنشطة أخرى مثل العمل، أو القراءة، أو التواصل، أو الاسترخاء، مما يحول وقت السفر الضائع إلى وقت منتج أو ممتع.

 توفير إمكانية التنقل لفئات جديدة: 

تمثل السيارات ذاتية القيادة حلاً واعداً لزيادة استقلالية وحرية التنقل لفئات من المجتمع قد تجد صعوبة في القيادة التقليدية، مثل كبار السن، وذوي الإعاقة، والأشخاص الذين لا يمتلكون رخصة قيادة. هذا من شأنه أن يعزز مشاركتهم الاجتماعية ووصولهم إلى الخدمات والفرص.

الفوائد البيئية المحتملة:

 يمكن للمركبات ذاتية القيادة أن تساهم في تقليل الأثر البيئي لقطاع النقل. فمن خلال أنماط القيادة المحسّنة (مثل التسارع والكبح السلس والمتناسق) وتقليل الازدحام، يمكن تحسين كفاءة استهلاك أنواع الوقود. بالإضافة إلى ذلك، غالباً ما يتم تطوير تقنيات القيادة الذاتية على منصات السيارات الكهربائية، مما يشجع على التحول نحو وسائل نقل أنظف ويقلل من انبعاثات الغازات الدفيئة والملوثات الأخرى.

التحديات والعقبات

على الرغم من الفوائد الواعدة، يواجه تطوير ونشر السيارات ذاتية القيادة مجموعة من التحديات الكبيرة:

التحديات التقنية:

• ضمان الموثوقية والأمان في جميع الظروف: لا تزال هناك تحديات كبيرة في ضمان عمل الأنظمة بشكل موثوق وآمن في جميع السيناريوهات المحتملة، خاصة في الظروف الجوية القاسية (مثل الأمطار الغزيرة، الثلوج الكثيفة، الضباب الكثيف) التي يمكن أن تؤثر على أداء المستشعرات. كما أن التعامل مع المواقف غير المتوقعة أو النادرة (المعروفة بـ “حالات الحافة” أو edge cases) التي لم يتم تدريب النظام عليها بشكل كافٍ يمثل تحدياً مستمراً.
• فهم التفاعلات البشرية المعقدة: تجد الأنظمة الحالية صعوبة في فهم وتفسير الإشارات البشرية غير اللفظية أو غير الرسمية، مثل إشارات اليد من ضابط مرور، أو إيماءات المشاة، أو التواصل البصري بين السائقين، وهي أمور يعتمد عليها السائقون البشر بشكل كبير في التفاعلات المرورية اليومية.
• الحاجة إلى تطوير مستمر للمستشعرات والبرمجيات: يتطلب الأمر استمرار البحث والتطوير لإنتاج مستشعرات أكثر قوة ودقة وقدرة على التكيف، بالإضافة إلى خوارزميات ذكاء اصطناعي أكثر تطوراً يمكنها التعامل مع التعقيد المتزايد لبيئات القيادة الحقيقية.
•  الأمن السيبراني: تمثل السيارات ذاتية القيادة، بكونها أنظمة متصلة ومعقدة تعتمد على البرمجيات، هدفاً محتملاً للهجمات السيبرانية. يمكن أن يؤدي اختراق هذه الأنظمة إلى عواقب وخيمة، تتراوح من سرقة البيانات الشخصية إلى التحكم في وظائف السيارة بشكل ضار، مما يعرض سلامة الركاب ومستخدمي الطريق الآخرين للخطر.
• التكلفة العالية: لا تزال تكلفة تطوير وتجهيز السيارات بتقنيات القيادة الذاتية المتقدمة مرتفعة نسبياً. تشمل المكونات المكلفة المستشعرات المتطورة (خاصة الليدار عالي الجودة)، والأنظمة الحاسوبية القوية اللازمة لمعالجة البيانات في الوقت الفعلي، والبرمجيات المعقدة. هذه التكلفة قد تحد من انتشارها الواسع في المراحل الأولى، على الرغم من التوقعات بانخفاضها مع مرور الوقت وزيادة حجم الإنتاج.

القضايا القانونية والتنظيمية:

• تحديد المسؤولية: من أبرز التحديات القانونية تحديد المسؤولية في حالة وقوع حادث تتورط فيه سيارة ذاتية القيادة. هل تقع المسؤولية على “السائق” (إذا كان موجوداً أو مطلوباً للتدخل)، أم على الشركة المصنعة للسيارة، أم على مطور البرمجيات، أم على مالك السيارة؟ يتطلب هذا الأمر أطراً قانونية جديدة وواضحة.
• الحاجة إلى تشريعات ومعايير موحدة: هناك حاجة ماسة إلى تطوير وتحديث القوانين واللوائح التنظيمية لتواكب التطورات التكنولوجية، وتحديد متطلبات اختبار واعتماد هذه المركبات، وتوحيد المعايير على المستوى الوطني والدولي قدر الإمكان لتسهيل انتشارها عبر الحدود.
• التحديات الأخلاقية: تثير القيادة الذاتية معضلات أخلاقية معقدة، خاصة فيما يتعلق ببرمجة السيارات لاتخاذ قرارات في مواقف الاصطدام الحتمية (ما يُعرف أحياناً بـ “معضلة الترولي”). على سبيل المثال، كيف يجب أن يتصرف النظام إذا كان عليه الاختيار بين عدة نتائج سيئة؟ هذه قضايا تتطلب نقاشاً مجتمعياً، واسعاً وتوجيهات أخلاقية واضحة.
• القبول المجتمعي والثقة: يعتمد نجاح السيارات ذاتية القيادة بشكل كبير على مدى قبول الجمهور لها وثقته في سلامتها وموثوقيتها. أي حوادث بارزة تتورط فيها هذه المركبات يمكن أن تؤثر سلباً على هذه الثقة. لذا، فإن الشفافية في تطوير واختبار هذه التقنيات، والتواصل الفعال مع الجمهور حول قدراتها وحدودها، أمران حاسمان. كما أن هناك مخاوف تتعلق بخصوصية البيانات التي تجمعها هذه السيارات.
• تأثيرات سوق العمل: من المتوقع أن يؤدي انتشار السيارات ذاتية القيادة، خاصة في قطاعات النقل التجاري (مثل سيارات الأجرة، الشاحنات، الحافلات)، إلى تغييرات كبيرة في سوق العمل، مع احتمال فقدان العديد من وظائف السائقين التقليديين. وفي المقابل، من المتوقع أن تنشأ فرص عمل جديدة في مجالات تطوير وصيانة وبرمجة وإدارة هذه الأنظمة الذكية.
• البنية التحتية: لتحقيق أقصى استفادة من السيارات ذاتية القيادة وضمان عملها بكفاءة وأمان، قد يتطلب الأمر استثمارات في تحديث وتطوير البنية التحتية للطرق. يشمل ذلك ضمان جودة صيانة الطرق، ووضوح العلامات والخطوط الأرضية، وتوفير اتصال قوي وموثوق لتقنيات V2I، ونشر شبكات الجيل الخامس (5G) لدعم نقل البيانات بكميات كبيرة وبزمن انتقال منخفض.

الخلاصة

إن مسار تطوير ونشر تقنية القيادة الذاتية ليس مجرد سباق تكنولوجي، بل هو عملية معقدة تتشابك فيها التكنولوجيا والتنظيم والقبول المجتمعي. فالتقدم التكنولوجي وحده، مهما كان مذهلاً، لا يكفي لضمان النجاح. تشير الأدلة إلى أن التكنولوجيا تتقدم بخطى متسارعة، مع ظهور أنظمة قادرة على التعامل مع مهام قيادة معقدة بشكل متزايد. ولكن، في المقابل، لا تزال هناك تحديات تنظيمية وقانونية كبيرة تعيق هذا التقدم في بعض الأحيان. على سبيل المثال، تأخر طرح نظام المستوى 3 في سيارة أودي A8 في بعض الأسواق مثل الولايات المتحدة بسبب عدم وضوح الأطر القانونية المتعلقة بالمسؤولية. 

الأسئلة الشائعة

ما هو نظام القيادة الذاتية؟

نظام القيادة الذاتية هو تقنية تعتمد على الذكاء الاصطناعي وأجهزة الاستشعار (مثل الكاميرات والرادارات والليدار) لتمكين السيارة من قيادة نفسها دون تدخل بشري كامل. يتيح هذا النظام للسيارة فهم البيئة المحيطة بها، واتخاذ قرارات في الوقت الحقيقي مثل التوقف، تغيير المسار، والالتفاف، بهدف تحسين السلامة وتقليل الحوادث الناتجة عن الخطأ البشري.

ما هي أنواع السيارات ذاتية القيادة؟

تنقسم السيارات ذاتية القيادة إلى مستويات (من 0 إلى 5) بحسب مدى تدخل السائق. النوعان الرئيسيان المنتشران حاليًا هما السيارات ذات المستوى 2 و3، حيث لا تزال بحاجة إلى إشراف السائق لكنها تقوم بالقيادة جزئيًا. أما السيارات من المستوى 4 و5، فهي مصممة لتعمل بدون تدخل بشري، وتُعتبر “ذاتية بالكامل”، ولكنها لا تزال في مراحل التجريب أو الاستخدام المحدود.

ما هو الفرق بين القيادة الذاتية l4 و l5؟

الفرق الرئيسي بين L4 وL5 هو في مدى الاعتماد الكامل على النظام الذاتي. المستوى L4 يسمح للسيارة بالقيادة الذاتية الكاملة في ظروف أو مناطق محددة (مثل المدن الذكية أو الطرق المغلقة)، ولكن قد يتطلب تدخلًا بشريًا في مواقف استثنائية. أما L5 فهو أعلى مستوى، حيث يمكن للسيارة قيادة نفسها في أي طريق وتحت أي ظرف، بدون الحاجة إلى عجلة قيادة أو سائق نهائيًا.