Γιατί τα Αυτόνομα Οχήματα είναι το Μέλλον και Πώς Δημιουργούνται;

Λόγω των πρόσφατων μέτρων προσαρμοστικής καραντίνας που επιβλήθηκαν σχεδόν σε όλα τα μέρη του κόσμου, οι αεροπορικές μεταφορές, οι δημόσιες μεταφορές και πολλά άλλα τομείς έλαβαν einen μεγάλο πλήγμα το 2020. Ωστόσο, ο αυτοκινητοβιομηχανικός κόσμος και τα αυτόνομα οχήματα, ειδικότερα, έχουν δείξει αυξημένη ανθεκτικότητα κατά τη διάρκεια αυτής της δύσκολης περιόδου. Πράγματι, εταιρείες όπως η Ford έχουν αυξήσει τις επενδύσεις τους στην ανάπτυξη ηλεκτρικών και αυτόνομων οχημάτων με την κατανομή 29 δισεκατομμυρίων δολαρίων στο τέταρτο τρίμηνο του περασμένου έτους. Συγκεκριμένα, 7 δισεκατομμύρια δολάρια από αυτά τα χρήματα θα πάνε στην ανάπτυξη αυτόνομων οχημάτων. Έτσι, η Ford ενώνεται με την General Motors, την Tesla, την Baidu και άλλες αυτοκινητοβιομηχανικές εταιρείες στην επένδυση σε αυτόνομα οχήματα. Σε αυτό το άρθρο, θα σας πούμε γιατί οι εταιρείες επενδύουν σε αυτόνομα οχήματα και πώς οι αλγόριθμοι μηχανικής μάθησης που τα ενεργοποιούν εκπαιδεύονται.

Γιατί τόσο πολλές εταιρείες επενδύουν σε Αυτόνομα Οχήματα;

Όταν κοιτάξουμε όλα τα πλεονεκτήματα που προσφέρουν τα αυτόνομα οχήματα, είναι εύκολο να δούμε γιατί τόσο πολλές εταιρείες επενδύουν στην ανάπτυξή τους. Οι οδηγοί θα μπορέσουν να αποταμιεύσουν περισσότερα χρήματα既然 δεν θα πρέπει να πληρώνουν για ακριβές προγράμματα ασφάλισης, θα ταχύνουν τις καθημερινές μετακινήσεις, θα βελτιώσουν την οικονομία καυσίμων και πολλά άλλα πλεονεκτήματα. Για τις εταιρείες, αυτή η αυτοματοποίηση ανοίγει την πόρτα για μεγαλύτερες οικονομίες. Ένα εξαιρετικό παράδειγμα είναι η αυτόνομη μεταφορά εμπορευμάτων σε μακρινές αποστάσεις, η οποία θα μπορέσει να μειώσει τους λειτουργικούς κόστους κατά 45%, σύμφωνα με μια έκθεση της McKinsey & Company.

Το κύριο πλεονέκτημα πρέπει να είναι η αύξηση της ασφάλειας. Σύμφωνα με την NHTSA, το 94% των σοβαρών συντριμών είναι αποτέλεσμα ανθρώπινου λάθους. Τα αυτόνομα οχήματα μπορούν να μειώσουν σημαντικά τον αριθμό των συντριμών既然 δεν απαιτούν καμία εισροή οδηγού και έχουν πάντοτε οπτική εικόνα 360 μοιρών. Επίσης, τα προηγμένα συστήματα ασφάλειας οδηγού (ADAS) μπορούν να αναλάβουν τις κρίσιμες για την ασφάλεια λειτουργίες σε επικίνδυνες καταστάσεις, όπως το φρένο και η διεύθυνση. Υπάρχουν πολλά πρόσθετα πλεονεκτήματα που προσφέρουν τα αυτόνομα οχήματα στην κοινωνία, όπως η μείωση των εκπομπών. Πράγματι, μια βασική περίπτωση έδειξε μια μείωση 9% στην ενέργεια και τις εκπομπές αερίων θερμοκηπίου στη διάρκεια ζωής του οχήματος σε σύγκριση με αυτά των συμβατικών οχημάτων.既然 γνωρίζουμε όλα τα πλεονεκτήματα που προσφέρουν τα αυτόνομα οχήματα, ας δούμε πώς εκπαιδεύονται να αναγνωρίζουν τον κόσμο γύρω τους.

Πώς Λειτουργούν τα Αυτόνομα Οχήματα και Πώς Γίνονται Πραγματικότητα

Ένα αυτόνομο όχημα πρέπει να ακολουθεί τους κανόνες του δρόμου και για να το κάνει, πρέπει να αναγνωρίζει όλα τα διάφορα σημάδια κυκλοφορίας, τις οδικές σημάνσεις, να ανιχνεύει άλλα οχήματα και πεζούς, και άπειρα άλλα αντικείμενα. Αυτά τα οχήματα AI βασίζονται στη μηχανική μάθηση για να “υπολογίσουν” τι πρέπει να κάνουν σε όλες τις καταστάσεις οδήγησης. Ας ξεκινήσουμε με ένα βασικό παράδειγμα. Ένας άνθρωπος είναι στο AV του οδηγώντας στην αυτοκινητόδρομο για να πάει στη δουλειά. Το αυτοκίνητο θα πρέπει να αναγνωρίσει σωστά το επιτρεπόμενο όριο ταχύτητας, να διατηρήσει μια ασφαλή απόσταση από το αυτοκίνητο μπροστά και, όταν μπαίνει σε μια κατοικημένη περιοχή, πρέπει να αναγνωρίσει τους πεζούς και να τους επιτρέψει να διασχίσουν το δρόμο.

Αυτό απαιτεί χιλιάδες και χιλιάδες εικόνες να αναγνωριστούν με τεχνικές που κυμαίνονται από την επισήμανση μέχρι τη σεμαντική διαίρεση. Πράγματι, η Evgenia Khimenko, η CEO της Mindy Support, μια εταιρεία που παρέχει υπηρεσίες επισήμανσης δεδομένων για τον αυτοκινητοβιομηχανικό τομέα, λέει ότι υπάρχουν πολλά είδη προγραμμάτων επισήμανσης δεδομένων για τον αυτοκινητοβιομηχανικό τομέα:

“Αυτά περιλαμβάνουν προγράμματα όπως η αναγνώριση προσώπου σε βίντεο για να εκπαιδεύσουν τα αυτόνομα οχήματα να αναγνωρίζουν τη συμπεριφορά των άλλων οδηγών στο δρόμο, την επισήμανση και την αναγνώριση βίντεο για να ανιχνεύσουν την κίνηση και την κατεύθυνση του οχήματος (επισήμανα περισσότερες από 545 εκατομμύρια ακολουθίες εικόνων). Một άλλη σύνθετη εργασία αναγνώρισης ήχου ήταν όταν μας ζητήθηκε να αναγνωρίσουμε το χρονικό σημείο και να επισήμανε την ανθρώπινη ομιλία καθώς και όλο το υπόβαθρο θόρυβο που συμβαίνει μέσα στο όχημα, όπως το ραδιόφωνο, το γέλιο, το φωνάζω, το τραγούδι, τα ζώα και ακόμη και τη σιωπή”.

Ας εξετάσουμε μια σύνθετη περίπτωση. Φανταστείτε ότι το αυτόνομο όχημα οδηγεί σε μια κατοικημένη γειτονιά και υπάρχουν έφηβοι με σκέιτμπορντ που περιμένουν να διασχίσουν το δρόμο. Σύμφωνα με τους κανόνες, το αυτοκίνητο έχει το δικαίωμα διέλευσης, αλλά υπάρχει μια καλή πιθανότητα ότι οι έφηβοι δεν θα περιμένουν το φως να γίνει πράσινο και θα προσπαθήσουν να διασχίσουν το δρόμο πρόωρα. Ένας ανθρώπινος οδηγός θα είναι καλά ενήμερος για τέτοιο κίνδυνο και θα επιβραδύνει για να προβλέψει τέτοια περίπτωση, αλλά για μια μηχανή, αυτό θα ήταν πολύ δύσκολο να υπολογιστεί. Αυτό είναι το επόμενο βήμα που προσπαθούν να πάρουν οι ερευνητές με τα αυτόνομα οχήματα και απλά περισσότερα αναγνωρισμένα δεδομένα μπορεί να είναι η απάντηση.

Πώς Βλέπουν τα Αυτόνομα Οχήματα τον Φυσικό Κόσμο;

Τα αυτόνομα οχήματα βασίζονται στη τεχνολογία LiDAR για να δουν τον κόσμο γύρω τους. Η LiDAR δημιουργεί ένα 3D σημειακό σύννεφο, το οποίο είναι μια ψηφιακή αναπαράσταση του πώς το σύστημα AI βλέπει τον κόσμο. Αυτή η τεχνολογία δεν είναι αποκλειστική μόνο για τα αυτόνομα οχήματα, αλλά χρησιμοποιείται επίσης για άλλες εργασίες αυτοματοποίησης ρομποτικής, όπως η δημιουργία ενός ρομπότ που μπορεί να καλλιεργεί καλλιέργειες για τον τομέα της γεωργίας. Το 3D σημειακό σύννεφο θα πρέπει επίσης να αναγνωριστεί ώστε η μηχανή να γνωρίζει τι ακριβώς βλέπει. Αυτό συνήθως γίνεται με τεχνικές όπως η επισήμανση, τα 3D κουτιά και η σεμαντική διαίρεση. Μια πιο προηγμένη μορφή αναγνώρισης θα ήταν να κωδικοποιήσουμε το 3D σημειακό σύννεφο ώστε το όχημα να καταλαβαίνει την απόσταση του αντικειμένου.

Ο τρόπος με τον οποίο λειτουργεί η LiDAR είναι ότι στέλνει ένα σήμα φωτός σε όλα τα αντικείμενα που την περιβάλλουν και ανάλογα με το πόσο χρόνο χρειάζεται το φως για να επιστρέψει, δίνει στο AI μια κατανόηση της απόστασης του αντικειμένου. Για παράδειγμα, το έδαφος στο 3D σημειακό σύννεφο θα είναι πάντα μπλε既然 είναι το χαμηλότερο σημείο, το φως θα ανακλαστεί γρήγορα και το μπλε έχει πολύ μικρό μήκος κύματος. Ένα από τα γύρω κτήρια μπορεί να είναι κόκκινο ή πορτοκαλί, ανάλογα με την απόσταση.
Είναι αξιοσημείωτο ότι η LiDAR δεν είναι το μόνο που παίζει στον τομέα. Για παράδειγμα, η Tesla χρησιμοποιεί κάτι που ονομάζεται Hydrant, το οποίο είναι ένας συνδυασμός οκτώ καμερών που συνθέτουν μια πλήρη εικόνα του δρόμου. Άλλες εταιρείες, όπως η Waymo και η Voyage, χρησιμοποιούν LiDAR. Ένας πιθανός λόγος που η Tesla μπορεί να αποφεύγει τη LiDAR είναι ότι είναι πολύ ογκώδης και καταστρέφει την ολική εμφάνιση του αυτοκινήτου.毕竟, τα Tesla είναι πολύ ακριβά και οι οδηγοί πιθανότατα δεν θα θέλουν ένα巨ανικό κουτί να κάθεται στο ταβάνι του αυτοκινήτου τους. Εταιρείες που αναπτύσσουν ρομποταξί, όπως η Waymo, μπορεί να μπορέσουν να χρησιμοποιήσουν LiDAR.

Γιατί τα Ποιοτικά Δεδομένα Εκπαίδευσης είναι τόσο Σημαντικά;

Τα ποιοτικά δεδομένα εκπαίδευσης είναι από τα πιο σημαντικά πράγματα που πρέπει να έχετε για να δημιουργήσετε ένα αυτόνομο όχημα. Ωστόσο, απλά η απόκτηση αυτών των δεδομένων δεν είναι αρκετή. Τα σύνολα δεδομένων εκπαίδευσης πρέπει να προετοιμαστούν μέσω της αναγνώρισης δεδομένων ώστε το σύστημα AI να μπορεί να μάθει από αυτά. Ενώ αυτό είναι một πολύ χρονοβόρο και βαρύ процесс, η επιτυχία του ολόκληρου έργου εξαρτάται από αυτό.毕竟, τα αυτόνομα οχήματα είναι το μέλλον και μπορούν να μας βοηθήσουν να μειώσουμε ή ακόμη και να εξαλείψουμε κάποια από τα προβλήματα που αντιμετωπίζουμε σε σχέση με τα ατυχήματα και τις θύματα, τα περιβαλλοντικά προβλήματα και τη συμφόρηση στους δρόμους.