الفريق الدولي يحرز خطوة كبيرة في تقنية المركبات ذاتية القيادة

المركبات ذاتية القيادة على وشك ثورة النقل — ومع ذلك، فإن تنفيذها الناجح يعتمد على القدرة على التعرف بدقة على التهديدات الخارجية والاستجابة لها. من خوارزميات معالجة الإشارات وتحليل الصور عبر أنظمة الذكاء الاصطناعي المتكاملة مع بنية تحتية للإنترنت، يجب استخدام مجموعة من التكنولوجيات من أجل أن توفر السيارات ذاتية القيادة تشغيلًا آمنًا عبر مسارات متغيرة. لضمان أمان الركاب لا يتم المساس به مع انتشار هذه السيارات ذاتية القيادة المتطورة، هناك حاجة إلى تطوير أساليب قوية يمكنها الكشف عن المخاطر المحتملة بسرعة وثبات.

تعتمد المركبات ذاتية القيادة على حساسات متقدمة مثل LiDAR و الرادار و الكاميرات RGB لتوليد كميات كبيرة من المعلومات لتحديد المشاة و السائقين الآخرين و المخاطر المحتملة. دمج القدرات الحاسوبية المتقدمة وإنترنت الأشياء في هذه السيارات الآلية يجعل من الممكن معالجة هذه البيانات بسرعة في الموقع من أجل التنقل في مناطق و كائنات مختلفة بفعالية أكبر. في النهاية، هذا يسمح للمركبة ذاتية القيادة باتخاذ قرارات في غضون ثانية بدرجة دقة أعلى بكثير من السائقين البشر التقليدية.

خطوة كبيرة في تقنية المركبات ذاتية القيادة

البحث الرائد الذي أجراه الأستاذ غوانغ جيل جيون من جامعة إنشون الوطنية في كوريا وفريقه الدولي يعتبر خطوة كبيرة في تقنية المركبات ذاتية القيادة. النظام الذكي المتكامل الذي طوروه يسمح بالكشف عن الأجسام ثلاثية الأبعاد في الوقت الفعلي باستخدام الذكاء الاصطناعي، مما يجعله أكثر موثوقية و كفاءة من أي وقت مضى. يمكنه الكشف عن عدد أكبر من الأجسام بدقة، حتى في ظل بيئات محددة مثل الضوء المنخفض أو الطقس الغير عادي — شيء لا تستطيع الأنظمة الأخرى القيام به. هذه القدرات تسمح بالملاحة الآمنة حول مختلف السيناريوهات المرورية، مما يرفع معايير أنظمة المركبات ذاتية القيادة و يسهم في تحسين سلامة الطرق في جميع أنحاء العالم.

نشر البحث في مجلة IEEE Transactions of Intelligent Transport Systems.

“对于 المركبات ذاتية القيادة، إدراك البيئة هو أمر حاسم للإجابة على السؤال الأساسي، ‘ماذا حولي؟’ من الضروري أن ت理解 المركبة ذاتية القيادة ظروفها المحيطة وبيئتها بفعالية و دقة من أجل اتخاذ إجراء استجابي،” يشرح الأستاذ جيون. “لقد قمنا بتصميم نموذج الكشف بناءً على YOLOv3، خوارزمية التعرف المعروفة جيدًا. تم استخدام النموذج أولًا للكشف عن الأجسام ثنائية الأبعاد ثم تعديله للكشف عن الأجسام ثلاثية الأبعاد،” يضيف.

بناء النموذج على YOLOv3

قدم الفريق الصور RGB وبيانات السحابة النقطية إلى YOLOv3، والتي أخرجت بعد ذلك تسميات تصنيف و صناديق تحديد مع درجات ثقة. تم اختبار أدائها مع مجموعة بيانات Lyft، وأظهرت النتائج المبكرة أن YOLOv3 حقق دقة الكشف العالية جدًا (أكثر من 96%) لكل من الأجسام ثنائية وثلاثية الأبعاد. تفوق النموذج على مختلف نماذج الكشف الحائزة على جوائز.

يمكن استخدام هذه الطريقة الجديدة المطورة لمركبات ذاتية القيادة وparking ذاتي و تسليم ذاتي و روبوتات ذاتية القيادة في المستقبل. يمكن استخدامها أيضًا في التطبيقات التي تتطلب فيها الكشف عن الأجسام و العوائق و التتبع و التموضع البصري.

“في الوقت الحالي، يتم تنفيذ القيادة الذاتية من خلال معالجة الصور باستخدام LiDAR، ولكن من المتوقع أن تحل الكاميرا العامة محل دور LiDAR في المستقبل. وبالتالي، فإن التكنولوجيا المستخدمة في المركبات ذاتية القيادة تتغير في كل لحظة، ونحن في الطليعة،” يقول الأستاذ جيون. “استنادًا إلى تطور التكنولوجيا الأساسية، يجب أن تكون المركبات ذاتية القيادة مع تحسين السلامة متاحة في течение 5-10 سنوات القادمة.”