مجموعة هيونداي موتور تُشغِّل دولاب البيانات بالكامل

صفت مجموعة هيونداي موتور في إعلان 13 سبتمبر 2026 أنها قامت بتشغيل دولاب البيانات بالكامل، موضحةً خارطة طريق مزدوجة لتقنية القيادة الذاتية وما وصفته بأول عرض لتقنيتها المستوى 2++ في يوم وسائل الإعلام للقيادة الذاتية التابع لـ HMG، الذي عُقِد في مقر 42dot في مقاطعة جيونغجي، كوريا الجنوبية.

خلال الحدث، قدمت المجموعة استراتيجيتها لتطوير القيادة الذاتية، وخارطة التقنية، والإنجازات الرئيسية، وخطط التنفيذ. قدمت 42dot التقنيات الرئيسية وتقدم التطوير لـ Atria AI، الذكاء الاصطناعي للقيادة الذاتية المملوك للمجموعة، وبيّنت مبادرة تطوير تقنية الرؤية-اللغة-الإجراء (VLA). كما كشفت المجموعة عن لقطات لاختبار SDV المزوّد بـ Atria AI يتنقل في حركة مرورية حضرية معقّدة دون تدخل السائق، ويعمل بقدرة المستوى 2++.

“تحدد القدرة التنافسية بكمية البيانات التي تؤمنها، وسرعة التعلم، ومدى فعالية انعكاس تلك النتائج في المنتجات والخدمات الفعلية”, قال مينوو بارك، رئيس ورئيس قسم منصة المركبة المتقدمة (AVP) في مجموعة هيونداي موتور والرئيس التنفيذي لشركة 42dot. وأضاف بارك أن المجموعة ستطور تقنية القيادة الذاتية التي يمكن للعملاء الوثوق بها استنادًا إلى دورة فاضلة من البيانات والذكاء الاصطناعي والتحقق.

استراتيجية المسار المزدوج تحدد أهداف الإنتاج لعامي 2028 و2029

تستند خارطة الطريق إلى الشراكة الاستراتيجية الموسعة مع NVIDIA التي أعلنت عنها شركة هيونداي موتور وشركة كيا في 16 مارس 2026. يغطي هذا الاتفاق تطوير القيادة الذاتية من المستوى 2 حتى المستوى 4 على بنية متكاملة مبنية على منصة NVIDIA DRIVE Hyperion، وخط تعلم موحد يشمل جمع البيانات الواقعية، وتدريب نماذج الذكاء الاصطناعي، ونشرها في المركبات الإنتاجية، بالإضافة إلى مناقشات إضافية لتطوير قدرات الروبوتاكسي المستوى 4 عبر Motional، المشروع المشترك للمجموعة في مجال المركبات الذاتية.

في المسار الأول، ستدمج المجموعة منصة حوسبة الذكاء الاصطناعي للسيارات من NVIDIA وبرمجيات القيادة الذاتية في بنية مركبتها المعرفة بالبرمجيات (SDV). تستهدف المركبات الإنتاجية المزوَّدة بقدرات القيادة الذاتية المستوى 2+ المستندة إلى حلول NVIDIA النصف الأول من عام 2028، وتستهدف مركبات الإنتاج المستوى 2++ للنصف الثاني من عام 2028. سيتم توحيد أنظمة الاستشعار المستخدمة عبر هيونداي موتور، وكيا، و42dot، وMotional تدريجيًا حول NVIDIA DRIVE Hyperion 10، وهو التغيير الذي تقول المجموعة إنّه سيدعم جمع البيانات واستخدامها بشكل أكثر اتساقًا لتدريب الذكاء الاصطناعي والتحقق.

يركّز المسار الثاني على Atria AI، نظام القيادة الذاتية المتكامل المملوك للمجموعة والذي تم تطويره مشتركًا بين قسم AVP و42dot ضمن إطار تطوير متكامل. تستهدف إنتاج مركبات المستوى 2++ المدعومة بـ Atria AI للنصف الثاني من عام 2029، مع تقدم القدرات على مراحل استنادًا إلى بيانات القيادة الواقعية التي تم جمعها من المركبات الإنتاجية.

كيف يعمل دولاب البيانات

يعمل دولاب البيانات كدورة يتم فيها استخدام البيانات التي تُجمع من المركبات لتدريب نماذج الذكاء الاصطناعي والتحقق منها، ثم تُنشر النماذج المحسّنة مرة أخرى إلى المركبات لتوليد بيانات جديدة. تقول المجموعة إن هيونداي موتور وكيا تبيعان أكثر من 7 ملايين مركبة سنويًا في حوالي 190 دولة وإقليمًا، وأنها تشغّل حاليًا نحو 40 مركبة مخصصة لجمع البيانات على مدار الساعة. تشمل مجموعات البيانات المجمَّعة سيناريوهات القيادة الروتينية بالإضافة إلى الحالات الحدية: مناطق إنشاء الطرق وتفاوت البنية التحتية، ظروف الطقس القاسية، تغيّرات مفاجئة في المسارات ومناورات الطوارئ، مركبات متوقفة على الشوارع الجانبية والطرق الضيقة، وديناميكيات حركة المرور الحضرية المعقّدة.

منذ أوائل عام 2026، دمجت المجموعة تقنيات تعلم جديدة في النظام. تقوم تقنية استخراج الأمثلة الصعبة (Hard Example Mining) تلقائيًا بتحديد مواقف القيادة الصعبة التي تجد نماذج الذكاء الاصطناعي صعوبة في التعرف عليها أو تفسيرها وتُعطي الأولوية لتلك السيناريوهات في التدريب. يدمج خط التدريب المستمر (Continuous Training Pipeline) البيانات المكتسبة حديثًا من القيادة الواقعية والتحقق في تدريب النماذج، مع إرجاع نتائج تقييم المركبة إلى جمع البيانات وتطوير النماذج. تُعيد تقنية التحقق الافتراضي (Virtual Validation Technology) بناء بيانات القيادة الواقعية إلى بيئات ثلاثية الأبعاد، باستخدام تقنيات رسومية مثل التشتت الغاوسي ثلاثي الأبعاد (3D Gaussian Splatting) لإعادة إنشاء السيناريوهات التي يصعب أو قد تكون غير آمنة إعادة تمثيلها في الاختبارات الواقعية.

نموذج التطوير المتتابع عبر الشمس (Follow-the-Sun) يربط بين المراكز في كوريا الجنوبية والولايات المتحدة، مما يتيح للفرق الاستفادة من اختلاف المناطق الزمنية لإجراء جمع البيانات، وتحليل القضايا، وتحسين النماذج على مدار 24 ساعة مستمرة. تقوم المجموعة تدريجيًا بدمج مسجل الأحداث الخاصة (Special Event Recorder)، الذي يسجل ويخزن تلقائيًا الأحداث الهامة أثناء القيادة الذاتية، في دولاب البيانات، أساسًا لدعم تدريب النماذج وتحسين الأداء. كما تُنشئ إطار اتحاد البيانات (Data Union) القائم على بنى حسّاسات موحدة وهياكل بيانات موحدة، بحيث يمكن تجميع البيانات التي تُنتج عبر مركبات ومنظمات متعددة وفق معايير مشتركة، مبدئيًا عبر هيونداي موتور، وكيا، و42dot وMotional.

قال جونغهيون كوان، نائب الرئيس التنفيذي ورئيس مركز تطوير القيادة الذاتية لمجموعة هيونداي موتور وقائد قسم القيادة الذاتية في 42dot، إن القدرة التنافسية تعتمد أقل على حجم البيانات وأكثر على سرعة ربط البيانات بالتعلم والتحقق وتحسين الأداء. وقال سونغغيون جونغ، قائد مجموعة Atria في 42dot، إن المجموعة تحسن باستمرار أداء ونضج Atria AI من خلال دورة تطوير متكاملة تشمل جمع البيانات، وتدريب النماذج، والتحقق من المركبات في الواقع.

تجربة مستوى 4 في غوانغجو

بالشراكة مع وزارة الأراضي والبنية التحتية والنقل في كوريا الجنوبية، تخطط المجموعة لنشر سيارة SDV Pace المزوَّدة بـ Atria AI في مدينة جيوننام-غوانغجو الخاصة بحكمها الخاص بحلول نهاية عام 2026. ستشغّل التجربة مركبات ذاتية القيادة على طرق كورية فعلية ذات ديناميكيات مرورية معقّدة ومتغيّرات غير متوقعة، وهو ما تصفه المجموعة بأنه ظروف تختلف جوهريًا عن مسارات الاختبار المُتحكم فيها. وتقول إن سيناريوهات القيادة وحالات الطوارئ التي تُلتقط خلال النشر ستُعاد إلى دولاب البيانات، مما يعزز كلًا من تقنية المساعدة السائقية للمستوى 2+ في الإنتاج الضخم والتحقق من قدرات المستوى 4 المتقدمة.

لقطات القيادة في سيول وتطوير VLA

كما نشرت المجموعة لقطات فيديو لاختبار SDV المزوَّد بـ Atria AI يتنقّل في حركة مرور سيول الفعلية دون تدخل السائق، مقدَّمة في ثلاث فئات. يُظهر فيديو تنقّل تنفيذي بارك وجونغ يتجولان في وسط سيول عبر الطرق السريعة، والشوارع الرئيسية، والجسور، والشوارع الحضرية، متناقشين حول عملية تطوير Atria AI، والقدرات التقنية الحالية، وآليات اتخاذ القرار أثناء الرحلة. تلتقط تسلسلات لقطة واحدة حركة مرور الصباح المزدحمة في جانغنام، وحركة مرور عالية الكثافة في جامسيل مع تفاعلات متكررة تشمل مركبات كبيرة مثل الحافلات، والقيادة الحضرية الممطرة في بانغيو، كل منها يستمر تقريبًا من دقيقتين إلى أربع دقائق دون تعديل سوى تعديل سرعة التشغيل.

يقدم الفيديو الثالث عشرة سيناريو حدّي، تشمل تجنّب المركبات المتوقفة على جانب الطريق، والاستجابة لتقاطع مفاجئ للمركبة، والتنقل عبر انعطافات يسارية غير محمية، واكتشاف المشاة في المناطق المزدحمة، وتحديد المركبات القادمة على طرق الحي الضيقة. قال بارك إن سرعة التطوير والسلامة ليستا قيمتين متعارضتين، وأن المجموعة ستطبق فقط التقنية التي تم التحقق منها بدقة على مركباتها.

بعيدًا عن نماذجه الشاملة الحالية، تقوم شركة 42dot بتطوير نماذج الرؤية-اللغة-الإجراء التي تجمع بين التعرف على المعلومات البصرية، والاستدلال القائم على اللغة، وتوليد الإجراءات في إطار واحد. تصف 42dot تقنية VLA بأنها تقنية أساسية لتطبيقات الذكاء الاصطناعي الفيزيائي، بما في ذلك القيادة الذاتية والروبوتات، وتقول إن إضافة الاستدلال القائم على اللغة تمكّن من تحسين اتخاذ القرار والشفافية في سيناريوهات القيادة المعقدة. وتتوقع أن تُحسّن VLA الاستجابة للحالات النادرة في القيادة من خلال الاستفادة من الاستدلال القائم على اللغة والمعرفة المدربة مسبقًا على نطاق واسع، والتي يصعب اكتسابها من بيانات القيادة وحدها. كما نشرت 42dot لقطات تطوير تُظهر كيف يفسّر نموذج VLA مواقف القيادة ويُخرج استدلاله بلغة طبيعية أثناء تشغيل المركبة.

“VLA هي تقنية أساسية لتطبيق الذكاء الاصطناعي الفيزيائي حيث يتجاوز الذكاء الاصطناعي مجرد القيادة لفهم المواقف، والاستدلال عليها، والعمل،” قال HeeSeok Lee، قائد مجموعة Trion Group في 42dot.

تقنية القيادة الذاتية المستندة إلى VLA من 42dot حاليًا في مرحلة التحقق من النموذج القائمة على المحاكاة، ومن المخطط أن تشمل عملية التطوير الكاملة، بما في ذلك اختبار المركبات الفعلية، الفترة من أواخر 2026 حتى أوائل 2027.