Γιατί τα Αυτόνομα Οχήματα είναι το Μέλλον και Πώς Δημιουργούνται;

Λόγω των πρόσφατων μέτρων προσαρμοστικής καραντίνας που επιβλήθηκαν σχεδόν σε όλες τις περιοχές του κόσμου, η αεροπορική ταξίδια, τα μέσα μαζικής μεταφοράς και πολλοί άλλοι τομείς επηρεάστηκαν σημαντικά 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, καταβάλλοντας 29 δισεκατομμύρια δολάρια στο τέταρτο τρίμηνο του περασμένου έτους. Συγκεκριμένα, 7 δισεκατομμύρια από αυτά τα χρήματα θα πάνε στην ανάπτυξη αυτόνομων οχημάτων. Έτσι, η Ford ενώνεται με την General Motors (GM ), την Tesla (TSLA ), την Baidu και άλλες αυτοκινητοβιομηχανικές εταιρείες στις μεγάλες επενδύσεις σε αυτόνομα οχήματα. Σε αυτό το άρθρο, θα σας πούμε γιατί οι εταιρείες επενδύουν σε αυτόνομα οχήματα και πώς τα αλγόριθμοι μηχανικής μάθησης που τα ενεργοποιούν εκπαιδεύονται.

Γιατί tolikες εταιρείες επενδύουν σε Αυτόνομα Οχήματα;

Όταν κοιτάξουμε όλα τα οφέλη που προσφέρουν τα αυτόνομα οχήματα, είναι εύκολο να κατανοήσουμε γιατί tolikες εταιρείες επενδύουν στην ανάπτυξή τους. Οι οδηγοί θα μπορέσουν να αποταμιεύσουν περισσότερα χρήματα, καθώς δεν θα πρέπει να πληρώνουν για ακριβές ασφαλιστικά προγράμματα, θα ταχύνουν τις καθημερινές μετακινήσεις, θα βελτιώσουν την οικονομία καυσίμου και πολλά άλλα οφέλη. 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 μπορεί να μειώσει τους λειτουργικούς κόστους κατά 45%, σύμφωνα με μια έκθεση της εταιρείας McKinsey & Company.

Το κύριο όφελος πρέπει να είναι η αύξηση της ασφάλειας. Σύμφωνα με την NHTSA, το 94% των σοβαρών συντριμών οφείλεται σε ανθρώπινα λάθη. Τα αυτόνομα οχήματα μπορούν να μειώσουν σημαντικά τον αριθμό των ατυχημάτων, καθώς δεν απαιτούν καμία επέμβαση οδηγού και έχουν πάντοτε οπτική γωνία 360 μοιρών. Επίσης, τα προηγμένα συστήματα ασφάλειας οδηγού (ADAS) μπορούν να αναλάβουν τις ασφαλείς λειτουργίες σε επικίνδυνες καταστάσεις, όπως το φρένο και η διεύθυνση. Υπάρχουν πολλά πρόσθετα οφέλη που προσφέρουν τα αυτόνομα οχήματα στην κοινωνία, όπως η μείωση των εκπομπών. Πράγματι, μια βασική περίπτωση έδειξε μια μείωση της ενέργειας και των εκπομπών αερίων του θερμοκηπίου κατά 9% στη διάρκεια της ζωής του οχήματος, σε σύγκριση με τα συμβατικά οχήματα. Τώρα που γνωρίζουμε όλα τα οφέλη που προσφέρουν τα αυτόνομα οχήματα, ας δούμε πώς εκπαιδεύονται να αναγνωρίζουν τον κόσμο γύρω τους.

Πώς Λειτουργούν τα Αυτόνομα Οχήματα και Πώς Μπορούν να Γίνουν Πραγματικότητα

Ένα αυτόνομο όχημα χρειάζεται να ακολουθήσει τους κανόνες του δρόμου και για να το κάνει, πρέπει να αναγνωρίσει όλα τα διάφορα σημεία κυκλοφορίας, τις οδικές σημάνσεις, να ανιχνεύσει άλλα οχήματα και πεζούς και άπειρα άλλα αντικείμενα. Αυτά τα οχήματα με τεχνητή νοημοσύνη 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 αυτόνομο όχημά του και οδηγεί στην αυτοκινητόδρομο για να πάει στη δουλειά. Το αυτοκίνητο πρέπει να αναγνωρίσει σωστά το όριο ταχύτητας, να διατηρήσει μια ασφαλή απόσταση από το αυτοκίνητο μπροστά του 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 αναλυθούν με τεχνικές που κυμαίνονται από την επισήμανση μέχρι τη σεμαντική τομография. Πράγματι, η Evgenia Khimenko, η διευθύντρια της Mindy Support, μια εταιρείας που παρέχει υπηρεσίες αναλυσης δεδομένων για τον αυτοκινητοβιομηχανικό τομέα, λέει ότι υπάρχουν πολλά projects αναλυσης δεδομένων για τον αυτοκινητοβιομηχανικό τομέα που είναι δυνατά:

«Αυτά περιλαμβάνουν projects όπως αναγνώριση προσώπου σε βίντεο για να εκπαιδεύσουν τα αυτόνομα οχήματα να αναγνωρίζουν τη συμπεριφορά των άλλων οδηγών στο δρόμο, επισήμανση βίντεο και αναλυση για να ανιχνεύσουν την κίνηση και τη διεύθυνση του οχήματος (ανάλυσαμε πάνω από 545 εκατομμύρια ακολουθίες εικόνων). Ένα άλλο σύνθετο έργο αναλυσης ήχου ήταν όταν έπρεπε να αναγνωρίσουμε το χρονικό σημείο και να επισήμανουμε την ανθρώπινη ομιλία καθώς και tous τους θορύβους που συμβαίνουν μέσα στο όχημα, όπως το ραδιόφωνο, το γέλιο, το φωνάζω, το τραγούδι, τα ζώα και ακόμη και τη σιωπή».

Ας εξετάσουμε μια σύνθετη κατάσταση. 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 του δρόμου, αλλά υπάρχει μια καλή πιθανότητα ότι οι έφηβοι δεν θα περιμένουν το φανάρι να γίνει πράσινο και θα προσπαθήσουν να διασχίσουν το δρόμο πρόωρα. Ένας ανθρώπινος οδηγός θα είναι καλά Aware του κινδύνου και θα επιβραδύνει για να προβλέψει τέτοια ενέργεια, αλλά για μια μηχανή, αυτό θα ήταν πολύ δύσκολο να υπολογιστεί. Αυτό είναι το επόμενο βήμα που προσπαθούν να κάνουν οι ερευνητές με τα αυτόνομα οχήματα και απλά περισσότερα αναλυμένα 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 σημείο-σύννεφο, το οποίο είναι μια ψηφιακή αναπαράσταση του πώς το σύστημα τεχνητής νοημοσύνης βλέπει τον κόσμο. Αυτή η τεχνολογία δεν είναι αποκλειστική για τα αυτόνομα οχήματα, αλλά χρησιμοποιείται και για άλλες εργασίες αυτοματοποίησης ρομποτικής, όπως η δημιουργία ενός ρομπότ που μπορεί να καλλιεργήσει культуры για τον αγροτικό τομέα. Το 3D σημείο-σύννεφο θα πρέπει επίσης να αναλυθεί, ώστε η μηχανή να γνωρίζει τι ακριβώς βλέπει. Αυτό συνήθως γίνεται με τεχνικές όπως η επισήμανση, τα 3D κουτιά και η σεμαντική τομография. Μια πιο προηγμένη μορφή αναλυσης θα ήταν να χρωματίσει το 3D σημείο-σύννεφο, ώστε το όχημα να κατανοήσει 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 να επιστρέψει, δίνει στην τεχνητή νοημοσύνη μια κατανόηση της απόστασης του αντικειμένου. Για παράδειγμα, ο δρόμος στο 3D σημείο-σύννεφο θα είναι πάντα μπλε, επειδή είναι το χαμηλότερο σημείο, το φως θα αντανακλαστεί γρήγορα και το μπλε έχει một πολύ μικρό μήκος κύματος. Ένα από τα γύρω κτίρια μπορεί να είναι κόκκινο ή πορτοκαλί, ανάλογα με την απόσταση του.

Είναι αξιοσημείωτο ότι η LiDAR δεν είναι το μόνο παιχνίδι στην πόλη. Για παράδειγμα, η Tesla χρησιμοποιεί κάτι που ονομάζεται Hydrant, το οποίο είναι μια συνδυασμός οκτώ καμερών που συνθέτουν μια πλήρη εικόνα του δρόμου. Άλλες εταιρείες, όπως η Waymo και η Voyage, χρησιμοποιούν LiDAR. Ένας πιθανός λόγος για τον οποίο η Tesla μπορεί να αποφεύγει την LiDAR είναι ότι είναι πολύ βαρεία και καταστρέφει την ολική εμφάνιση του αυτοκινήτου. Μετά όλα, 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 ρομποτικά ταξί, όπως η Waymo, μπορεί να μπορέσουν να χρησιμοποιήσουν LiDAR.

Γιατί η Ποιότητα των Δεδομένων Εκπαίδευσης είναι τόσο Σημαντική;

Η ποιότητα των δεδομένων εκπαίδευσης είναι ένα από τα πιο σημαντικά πράγματα που χρειάζεστε για να δημιουργήσετε ένα αυτόνομο όχημα. Ωστόσο, το απλό να αποκτήσετε αυτά τα δεδομένα δεν είναι αρκετό. Τα δεδομένα εκπαίδευσης πρέπει να προετοιμαστούν μέσω της αναλυσης δεδομένων, ώστε το σύστημα τεχνητής νοημοσύνης να μπορεί να μάθει από αυτά. Αν και αυτό είναι μια πολύ χρονοβόρα και κοπιαστική διαδικασία, η επιτυχία του ολόκληρου του έργου εξαρτάται από αυτή. Μετά όλα, 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 την κίνηση στους δρόμους.