طراحی سامانه های خودران مبتنی بر هوش مصنوعی با قابلیت تصمیم گیری تطبیقی در محیط های پویا و نامطمئن

سامانه های خودران مبتنی بر هوش مصنوعی طی دهه اخیر از سطح یک مفهوم تجربی به یک فناوری صنعتی پیش برنده در حوزه حمل ونقل، رباتیک و سامانه های جابجایی هوشمند تبدیل شده اند. این سامانه ها با اتکا بر مدل های یادگیری عمیق، بینایی ماشین، تصمیم گیری مبتنی بر الگوریتم های احتمالاتی، و معماری های کنترلی تطبیقی، توانایی تشخیص محیط، برنامه ریزی مسیر و واکنش در شرایط نامطمئن و پیچیده را به دست می آورند. چالش اصلی این حوزه آن است که محیط جهان واقعی، همواره همراه با عدم قطعیت، رفتارهای غیرقابل پیش بینی و وجود متغیرهای متداخل است. از این رو، طراحی یک سامانه خودران که همزمان ایمن، تطبیق پذیر، تصمیم ساز، و مقاوم در برابر تغییرات ناگهانی محیط باشد، نیازمند ادغام معماری های هوش مصنوعی با چارچوب های مهندسی کنترل، سیستم های مکان یابی، و مدل های احتمالاتی می باشد. تحقیق حاضر با هدف تحلیل معماری تصمیم گیری تطبیقی در محیط های پویا، به بررسی ساختارهای کنترلی، ادغام حسگرها، مدل های ادراکی چندلایه، و راهکارهای پایدارسازی عملکرد سامانه در شرایط عدم قطعیت می پردازد. نتیجه پژوهش نشان می دهد که سامانه های خودران آینده نه تنها به «تشخیص» و «اجرا»، بلکه به درک مفهومی، پیش بینی رفتاری و یادگیری مستمر برای همگامی با پیچیدگی محیط نیاز دارند.

کلیدواژه ها:

سامانه خودران ، هوش مصنوعی ، تصمیم گیری تطبیقی ، یادگیری عمیق ، بینایی ماشین ، عدم قطعیت محیطی ، کنترل هوشمند