ROBOTICS & HUMANOID

SwarmDrive: ระบบประสานงานรถยนต์ไร้คนขับด้วยโมเดลภาษาขนาดเล็กผ่านเครือข่าย 6G

arXiv28 Apr 2026
1 min read
Key Takeaways
  • การแชร์ 'เจตนา' ผ่านโมเดลภาษาขนาดเล็กที่รันบนตัวรถช่วยให้การตัดสินใจร่วมกันที่ทางแยกทำได้เร็วและแม่นยำขึ้นอย่างมาก

ทำไมเรื่องนี้ถึงสำคัญ

แสดงให้เห็นถึงศักยภาพของ Edge AI และเครือข่ายยุคหน้าในการสร้างระบบการจราจรที่รถยนต์สื่อสารกันด้วย 'ความเข้าใจ' แทนที่จะเป็นเพียงข้อมูลพิกัดดิบ

การใช้ AI ประมวลผลบนคลาวด์สำหรับรถยนต์ไร้คนขับมักประสบปัญหาเรื่องความหน่วง (Latency) ในขณะที่โมเดลที่รันเฉพาะในตัวรถก็มักมีข้อจำกัดเมื่อมองไม่เห็นจุดอับสายตา SwarmDrive จึงถูกพัฒนาขึ้นในฐานะเฟรมเวิร์กการประสานงานแบบ V2V (Vehicle-to-Vehicle) ที่ใช้ประโยชน์จากโมเดลภาษาขนาดเล็ก (Small Language Models) ติดตั้งอยู่ในรถแต่ละคัน

ระบบจะทำการแชร์ข้อมูล 'เจตนา' (Intent) ในรูปแบบข้อความทางสถิติเฉพาะเมื่อรถมีความไม่แน่นอนในการตัดสินใจสูงเท่านั้น และใช้เครือข่าย 6G ในการสื่อสารเพื่อลดความหน่วงลงเหลือเพียง 151.4 ms เมื่อเทียบกับระบบคลาวด์เดิมที่สูงถึง 510 ms การทดสอบในสถานการณ์แยกที่มองเห็นได้ยากพบว่า SwarmDrive ช่วยเพิ่มโอกาสความสำเร็จในการขับผ่านแยกจาก 68.9% เป็น 94.1% อย่างไรก็ตาม ระบบนี้ทำงานได้ดีที่สุดเมื่อมีกลุ่มรถประสานงานกันประมาณ 4 คัน หากมากกว่านั้นอาจเกิดปัญหาการจราจรข้อมูลติดขัด

สรุปประเด็นหลัก

ลดความหน่วงได้กว่า 70% เมื่อเทียบกับการใช้ Cloud-hosted LLM

ใช้ระบบ Event-triggered แชร์ข้อมูลเฉพาะเมื่อ AI เริ่มไม่แน่ใจเพื่อลดภาระเน็ต

เพิ่มอัตราความสำเร็จในจุดอับสายตาที่ทางแยกได้อย่างมีนัยสำคัญ

นวัตกรรมและเทคโนโลยี

creative ai

Semantic V2V Coordination

การประสานงานระหว่างรถยนต์โดยการแชร์ความหมายหรือเจตนาผ่านโมเดลภาษา

platform

Event-triggered Consensus

กลไกการส่งข้อมูลเฉพาะเมื่อความไม่แน่นอน (Entropy) สูงเกินกว่าระดับที่กำหนด

Developer Impact
ทีมพัฒนาซอฟต์แวร์ยานยนต์สามารถนำแนวคิดการใช้ SLM มาช่วยในการตัดสินใจระดับท้องถิ่น (Local Inference) ร่วมกับการแชร์ข้อมูลแบบ Mesh Network เพื่อลดภาระเซิร์ฟเวอร์กลาง
Keywords
#autonomous driving #v2v #slm #6g #edge computing
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv