Διεθνής Ομάδα Κάνει Μεγάλο Βήμα Προόδου στην Τεχνολογία Αυτόνομων Οχημάτων

Τα αυτόνομα οχήματα είναι έτοιμα να επαναφέρουν τη μεταφορά — ωστόσο, η επιτυχημένη εφαρμογή τους εξαρτάται από την ικανότητα να αναγνωρίζουν και να ανταποκρίνονται με ακρίβεια σε εξωτερικές απειλές. Από τις αλγόριθμους επεξεργασίας σήματος και ανάλυσης εικόνας μέχρι τα συστήματα νοημοσύνης που ενσωματώνουν τεχνολογία IoT, μια σειρά τεχνολογιών πρέπει να χρησιμοποιηθεί για να παρέχουν ασφαλή λειτουργία σε διάφορα εδάφη. Για να διασφαλιστεί ότι η ασφάλεια των επιβατών δεν επηρεάζεται καθώς αυτά τα οχήματα γίνονται πιο συνηθισμένα, χρειάζονται robustes μέθοδοι που μπορούν να ανιχνεύσουν αποτελεσματικά και γρήγορα τις πιθανές απειλές.

Τα αυτόνομα οχήματα βασίζονται σε υψηλής τεχνολογίας αισθητήρες όπως LiDAR, ραντάρ και κάμερες RGB για να παράγουν μεγάλες ποσότητες πληροφοριών για να αναγνωρίσουν σωστά τους πεζούς, τους άλλους οδηγούς και τις πιθανές απειλές. Η ενσωμάτωση προηγμένων υπολογιστικών ικανοτήτων και τεχνολογίας IoT σε αυτά τα αυτοματοποιημένα οχήματα επιτρέπει τη γρήγορη επεξεργασία των δεδομένων σε πραγματικό χρόνο για να ναυτιγήσουν αποτελεσματικά σε διάφορες περιοχές και αντικείμενα. Τελικά, αυτό επιτρέπει στο αυτόνομο όχημα να λαμβάνει αποφάσεις σε δευτερόλεπτα με πολύ μεγαλύτερη ακρίβεια από τους παραδοσιακούς ανθρώπινους οδηγούς.

Μέγα Βήμα Προόδου στην Τεχνολογία Αυτόνομων Οχημάτων

Η πρωτοποριακή έρευνα που διεξήχθη από τον Καθηγητή Gwanggil Jeon από το Πανεπιστήμιο Incheon της Κορέας και την διεθνή του ομάδα σηματοδοτεί ένα μεγάλο βήμα προόδου στην τεχνολογία αυτόνομων οχημάτων. Το καινοτόμο έξυπνο σύστημα IoT που έχουν αναπτύξει επιτρέπει την ανίχνευση αντικειμένων σε 3D σε πραγματικό χρόνο χρησιμοποιώντας深 learning, καθιστώντας το πιο αξιόπιστο και αποτελεσματικό από ποτέ. Μπορεί να ανιχνεύσει μεγαλύτερο αριθμό αντικειμένων με μεγαλύτερη ακρίβεια, ακόμη και σε απαιτητικά περιβάλλοντα όπως το σκούρο φως ή οι ασυνήθιστες καιρικές συνθήκες – κάτι που άλλα συστήματα δεν μπορούν να κάνουν. Αυτές οι ικανότητες επιτρέπουν ασφαλέστερη ναυτιλία σε διάφορες交通στικές σκηνές, ανεβάζοντας το επίπεδο για τα συστήματα αυτόνομων οχημάτων και συμβάλλουν στην βελτίωση της ασφάλειας των δρόμων παγκοσμίως.

Η έρευνα δημοσιεύθηκε στο περιοδικό IEEE Transactions of Intelligent Transport Systems. 

“Για τα αυτόνομα οχήματα, η αντίληψη του περιβάλλοντος είναι κρίσιμη για να απαντήσει σε μια βασική ερώτηση, ‘Τι είναι γύρω μου;’ Είναι απαραίτητο ότι ένα αυτόνομο όχημα μπορεί να κατανοήσει αποτελεσματικά και με ακρίβεια τις περιβαλλοντικές του συνθήκες και τα περιβάλλοντα για να εκτελέσει μια ανταποκριστική ενέργεια,” εξηγεί ο Καθηγητής Jeon. “Σχεδιάσαμε ένα μοντέλο ανίχνευσης βασισμένο στο YOLOv3, einem γνωστό αλγόριθμο ταυτοποίησης. Το μοντέλο χρησιμοποιήθηκε αρχικά για την ανίχνευση αντικειμένων σε 2D και στη συνέχεια τροποποιήθηκε για αντικείμενα σε 3D,” συνεχίζει.

Βάση Μοντέλου στο YOLOv3

Η ομάδα παρείχε τις συλλεγμένες εικόνες RGB και τα δεδομένα point cloud στο YOLOv3, το οποίο στη συνέχεια εξέδωσε ετικέτες ταξινόμησης και οριοθετούμενες коробές με βαθμολογίες εμπιστοσύνης. Η απόδοσή του στη συνέχεια δοκιμάστηκε με το σύνολο δεδομένων Lyft, και οι πρώτες επιδόσεις έδειξαν ότι το YOLOv3 πέτυχε μια εξαιρετικά υψηλή ακρίβεια ανίχνευσης (>96%) και για αντικείμενα σε 2D και 3D. Το μοντέλο υπερέβη διάφορα μοντέλα ανίχνευσης που βρίσκονται στην αιχμή της τεχνολογίας. 

Αυτή η καινούρια μέθοδος θα μπορούσε να χρησιμοποιηθεί για αυτόνομα οχήματα, αυτόματη στάθμευση, αυτόματη παράδοση και μελλοντικά αυτόματα ρομπότ. Θα μπορούσε επίσης να χρησιμοποιηθεί σε εφαρμογές όπου απαιτείται ανίχνευση αντικειμένων, παρακολούθηση και οπτική τοποθεσία. 

“Σήμερα, η αυτόνομη οδήγηση πραγματοποιείται μέσω επεξεργασίας εικόνας με βάση το LiDAR, αλλά προβλέπεται ότι μια γενική κάμερα θα αντικαταστήσει το ρόλο του LiDAR στο μέλλον. Ως εκ τούτου, η τεχνολογία που χρησιμοποιείται στα αυτόνομα οχήματα αλλάζει κάθε στιγμή, και βρισκόμαστε στην πρώτη γραμμή,” λέει ο Καθηγητής Jeon. “Βάσει της ανάπτυξης των τεχνολογιών στοιχείων, τα αυτόνομα οχήματα με βελτιωμένη ασφάλεια θα είναι διαθέσιμα στα επόμενα 5-10 χρόνια.”