מודל חזון‑שפה מודע תחום להובלה ברת קיימא עם סיווג ממערכת הנעה ומטען למשאיות דרייג׳

נמלים נקיים יותר, משאיות חכמות יותר

נמלים מעבירים את הסחורות שממלאות את החנויות שלנו, אך המשאיות הקצרות שמעבירות מכולות פנימה והחוצה מהטרמינלים הן גם מזהמות משמעותיות. המחקר הזה מראה כיצד סוג חדש של בינה מלאכותית יכול לעקוב אחרי משאיות "דרייג׳" באמצעות מצלמות שליד הכביש ולזהות באופן אוטומטי אילו מהן עדיין מונות דיזל ואילו משתמשות בטכנולוגיות נקיות יותר — ללא סימון ידני של התמונות. תובנה אוטומטית כזו יכולה לסייע לרגולטורים, לתכננים ולקהילות מקומיות לעקוב אחר ההתקדמות לקראת אוויר נקי יותר סביב כמה מהנמלים העמוסים בעולם.

מדוע משאיות נמל חשובות לאקלים ולבריאות

בארצות הברית, התחבורה היא מקור הפליטות הגדול היחיד, והמשאיות הכבדות תורמות הרבה מעבר לחלק היחסי שלהן: הן מהוות אחוז קטן מהרכבים אך אחוז גדול מהפליטות. זה מורגש במיוחד סביב נמלי לוס אנג׳לס ולונג ביץ׳, שני נמלים שכנים שמטפלים יחד בכ־40 אחוז מיבוא המכולות של ארה"ב ומהווים גם את מקור הזיהום הקבוע הגדול ביותר בדרום קליפורניה. משאיות דרייג׳ — הכלים שמעבירים מכולות בין נמלים, חצרות מסילות ומרחבים אחסון — מייצרות רבות מהזיהום הזה למרות שהן נעות במסלולים יחסית קצרים ויציבים. לכן קליפורניה הורתה שעל פי 2035 כל משאיות הדרייג׳ בנמלים יהיו אפס‑פליטות, נשענות על סוללה‑חשמלית, תאי דלק מימניים, או טכנולוגיות גז נקיות יותר במקום דיזל קונבנציונלי.

לזהות מה מניע משאית ומה היא נושאת

כדי לדעת האם המדיניות הזו עובדת, הרשויות צריכות למדוד אילו סוגי משאיות מגיעות בפועל לשערי הנמל ולכבישי הסביבה: האם הן דיזל או חשמליות? האם הן נושאות מכולה מלאה, שלדת מכולה ריקה, או בכלל ללא עגלה? באופן מסורתי, מענה על שאלות כאלה מחייב בניית מאגרי תמונות מסומנים ידנית והכשרת מודלים למשימות ספציפיות. המחברים מציעים נתיב שונה, שנקרא ZeroDray, שמשתמש במודל חזון‑שפה — מערכת בינה מלאכותית שמכירה גם תמונות וגם טקסט — בלי כל אימון נוסף. המודל מקבל תמונות מצלמת כביש של משאיות עוברות לאורך קורידור המשרת את נמלי לוס אנג׳לס ולונג ביץ׳ וחייב לסווג הן את מערכת ההנעה (דיזל, חשמל, גז טבעי דחוס או מימן) והן את תצורת המטען (מכולה בודדת של 20 רגל, שוות־משקל לאורך 40 רגל, שלדת מכולה ריקה, או משאית בובטייל ללא עגלה).

ללמד את ה‑AI לחשוב כמו מומחה משאיות

כאמור, מודלי חזון‑שפה מוכנים מראש הם כלל‑תחומיים: הם יודעים קצת על הכל מהאינטרנט אך חסרים ידע מעמיק בנושאים נישתיים כמו דרייג׳. ZeroDray מגשר על הפער הזה על ידי הזנת פרומפטים מעוצבים בקפידה שמקודדים רמזים מומחים. עבור מערכות ההנעה, הפרומפטים מתארים רמזים ויזואליים כגון ערימות פליטה ומיכלי דלק גדולים לדיזל, מיכלי צילינדרים ל‑CNG, מיכלי מימן למשאיות עם תאי דלק, או היעדר ציוד פליטה וסמלים חשמליים למשאיות חשמליות. עבור המטען, הפרומפטים מורים למודל להיסק על גיאומטריית הסצנה: האם אורך המכולה עולה באופן ניכר על גובהה ועל אורך תא הנהג, כפי שקורה בעומס ארוך של 40 רגל, או שמדובר בגודל קרוב יותר כפי במכולה קצרה של 20 רגל? על־ידי בקשה מה‑AI לעבוד דרך הרמזים האלה שלב אחרי שלב ולהסביר את הסקת המסקנות בשפה פשוטה, המסגרת עושה את החלטותיו שקופות יותר וקלות לבדיקת אימות.

בדיקת המערכת בתנועה נמלית אמיתית

החוקרים העריכו את ZeroDray על 443 תמונות של משאיות שצולמו במשך יומיים בפברואר 2025 באמצעות מצלמת כביש קבועה סמוך לנמלים. צופים אנושיים סיפקו תוויות אמת לקרקע לכל מערכת הנעה ותצורת מטען של כל משאית. לאחר מכן הם השוו את ZeroDray להגדרה פשוטה יותר שסיפקה רק שמות כיתות גולמיים לאותו מודל בסיסי. בהנחיה מינימלית, המערכת הבסיסית כבר זיהתה כמה מקרים ברורים, כמו משאיות דיזל ללא עגלה. אך היא התקשתה קשות כאשר ההבחנות התבססו על הבדלים ויזואליים קטנים או על פריסת מרחב, לעתים בלבלה בין טרקטורים דיזל לחשמליים או ערבבה בין מכולות קצרות וארוכות. ברגע שהתווספו רמזים חזותיים מנוסחים על־ידי מומחים וכללי מרחב, הדיוק קפץ באופן דרמטי. סיווג מערכות ההנעה הגיע לכמעט 100 אחוז עבור דיזל, חשמל, מימן ו‑CNG. זיהוי המטען, ובייחוד ההבחנה המורכבת בין אורכי מכולה מקבילים בודדים ודו‑מקבילים, השתפר מכ‑50 אחוז לכ‑98 אחוז בערך. בסך הכל, על פני כל 11 קטגוריות משולבות של מערכת‑הנעה‑מטען, מסגרת ZeroDray המשופרת השיגה מדד F1 ממוצע של 99 אחוז, הרבה מעל לגישה הבסיסית.

מובן הדבר עבור מסלולי הובלה נקיים יותר

ללא‑מומחים, המסקנה המרכזית היא שמערכת בינה כלל‑מטרתית, כאשר מונחית באמצעות רמזים מומחים נכונים, יכולה "להסתכל" בווידאו כבישי ולהגיד לא רק כיצד המשאיות טעונות אלא גם מה מניע אותן — ללא כל הדרכה מותאמת יקרה. יכולת זו יכולה לספק לרשויות הנמל ולרגולטורים כלי חזק לניטור המעבר מדיזל למשאיות דרייג׳ אפס‑פליטות, לאתר היכן יש צורך בתחנות טעינה או מימן חדשות, ולהפחית נסיעות ריקות מבוזבזות. בעוד שהמחקר הנוכחי השתמש במאגר נתונים צנוע ממצלמה יחידה בתנאים אידיאליים, המחברים טוענים שניתן להרחיב את אותה אסטרטגיה למרכזי מטענים אחרים ולסביבות מגוונות יותר. אם תהיה סקיילינג אחראי, מערכות כמו ZeroDray עשויות לחשוף את הפרטים הנסתרים של פעילות מטענים, ולעזור לקהילות ולמנסחים לקדם מסלולי הובלה נקיים ויעילים יותר.

ציטוט: Feng, G., Li, Y., Tok, A.Y.C. et al. Domain informed vision language model for sustainable freight with drayage truck powertrain and cargo classification. npj. Sustain. Mobil. Transp. 3, 15 (2026). https://doi.org/10.1038/s44333-026-00086-4

מילות מפתח: משאיות אפס פליטות, מודלי חזון‑שפה, דרייג׳ בנמלים, פליטות מטענים, תחבורה בת‑קיימא