स्वायत्त वाहन सुरक्षा उपकरण विकसित किए गए शोधकर्ताओं द्वारा

स्वायत्त वाहनों के निर्माण और तैनाती की गति बढ़ने के साथ, स्वायत्त वाहनों की सुरक्षा और भी महत्वपूर्ण हो जाती है। इस कारण से, शोधकर्ता स्वायत्त वाहनों की सुरक्षा को ट्रैक करने के लिए मेट्रिक्स और उपकरण बनाने में निवेश कर रहे हैं। साइंसडेली की रिपोर्ट के अनुसार, इलिनोइस विश्वविद्यालय के शोधकर्ताओं ने मशीन लर्निंग एल्गोरिदम का उपयोग करके एक स्केलेबल स्वायत्त वाहन सुरक्षा विश्लेषण प्लेटफ़ॉर्म बनाया है, जिसमें हार्डवेयर और सॉफ़्टवेयर दोनों में सुधार किया गया है।

स्वायत्त वाहनों की सुरक्षा में सुधार करना एआई में सबसे कठिन कार्यों में से एक बना हुआ है, क्योंकि इसमें कई परिवर्तनशील होते हैं। न केवल वाहन में शामिल सेंसर और एल्गोरिदम जटिल होते हैं, बल्कि सड़क की स्थिति, भूगोल, मौसम, प्रकाश और यातायात जैसी बाहरी स्थितियाँ भी लगातार बदलती रहती हैं।

स्वायत्त वाहनों की भूमिका और एल्गोरिदम दोनों लगातार बदल रहे हैं, और कंपनियों को इन परिवर्तनों के साथ तालमेल बिठाने और नए मुद्दों का समाधान करने के लिए एक तरीके की आवश्यकता है। इलिनोइस के शोधकर्ता एक ऐसे प्लेटफ़ॉर्म पर काम कर रहे हैं जो कंपनियों को तेज़ और लागत-प्रभावी तरीके से हाल ही में पहचाने गए सुरक्षा चिंताओं को संबोधित करने की अनुमति देता है। हालांकि, स्वायत्त वाहनों को चलाने वाले सिस्टम की जटिलता इसे एक बड़ा उपक्रम बनाती है। शोध टीम एक ऐसी प्रणाली को डिज़ाइन कर रही है जो स्वायत्त वाहन प्रणालियों को ट्रैक और अपडेट कर सके जिनमें दर्जनों प्रोसेसर और एक्सेलरेटर होते हैं जो लाखों लाइनों का कोड चलाते हैं।

आम तौर पर, स्वायत्त वाहन बहुत सुरक्षित रूप से चलते हैं। हालांकि, जब एक विफलता या अप्रत्याशित घटना होती है, तो एक स्वायत्त वाहन वर्तमान में मानव चालकों की तुलना में दुर्घटना में शामिल होने की संभावना अधिक होती है, क्योंकि वाहन अक्सर अचानक आपातकालीन स्थितियों से निपटने में परेशानी होती है। स्वायत्त वाहनों की सुरक्षा को मापना और दुर्घटनाओं के लिए कौन जिम्मेदार है, यह स्पष्ट है कि 70 मील प्रति घंटे की रफ्तार से सड़क पर चलने वाले वाहन की विफलता अत्यधिक खतरनाक साबित हो सकती है, इसलिए स्वायत्त वाहनों द्वारा आपातकालीन स्थितियों को संभालने में सुधार करने की आवश्यकता है।

सौरभ झा, एक पीएचडी उम्मीदवार और कार्यक्रम में शामिल शोधकर्ताओं में से एक, ने साइंसडेली को स्वायत्त वाहनों में विफलता हैंडलिंग में सुधार की आवश्यकता के बारे में बताया। झा ने समझाया:

“यदि एक典ल चालक को कोई समस्या महसूस होती है, जैसे कि वाहन का ड्रिफ्ट या पुल, तो चालक अपने व्यवहार को समायोजित कर सकता है और वाहन को सुरक्षित रूप से रोकने के लिए मार्गदर्शन कर सकता है। हालांकि, स्वायत्त वाहन का व्यवहार ऐसे परिदृश्य में अप्रत्याशित हो सकता है, जब तक कि स्वायत्त वाहन को विशेष रूप से ऐसी समस्याओं के लिए प्रशिक्षित नहीं किया जाता है। वास्तविक दुनिया में, ऐसे मामलों की अनंत संख्या है।”

शोधकर्ता इस समस्या का समाधान करने के लिए स्वायत्त वाहन कंपनियों द्वारा जमा की गई सुरक्षा रिपोर्टों का विश्लेषण कर रहे हैं। कंपनियों जैसे वेमो और उबर को कैलिफोर्निया में डीएमवी को कम से कम वार्षिक रिपोर्ट जमा करनी होती है। इन रिपोर्टों में आंकड़ों जैसे कि कितनी दूरी तय की गई, कितनी दुर्घटनाएं हुईं, और वाहनों की संचालन स्थितियों के बारे में जानकारी होती है।

इलिनोइस विश्वविद्यालय की शोध टीम ने 2014 से 2017 तक की रिपोर्टों का विश्लेषण किया। इस अवधि के दौरान, स्वायत्त वाहनों ने लगभग 1,116,000 मील की दूरी तय की, जो 144 विभिन्न वाहनों में वितरित की गई थी। शोध टीम के निष्कर्षों के अनुसार, जब मानव चालकों द्वारा तय की गई समान दूरी की तुलना में दुर्घटनाएं 4000 गुना अधिक होने की संभावना थी। दुर्घटनाएं यह बता सकती हैं कि वाहन के एआई ने दुर्घटना से बचने और मानव चालक को नियंत्रण लेने के लिए उचित रूप से विफल होने में विफल रहा।

स्वायत्त वाहनों के हार्डवेयर या सॉफ़्टवेयर में संभावित त्रुटियों का निदान करना मुश्किल है क्योंकि कई त्रुटियां केवल सही परिस्थितियों में ही प्रकट होती हैं। यह भी संभव नहीं है कि सड़क पर होने वाली हर संभावित स्थिति के तहत परीक्षण किया जाए। स्वायत्त वाहनों द्वारा लॉग की गई सैकड़ों हजारों वास्तविक मील के डेटा को इकट्ठा करने के बजाय, शोध टीम सिम्युलेटेड वातावरण का उपयोग करके डेटा के निर्माण में लगने वाले समय और पैसे को काफी कम कर रही है।

शोध टीम द्वारा उत्पन्न डेटा का उपयोग उन स्थितियों का अन्वेषण करने के लिए किया जाता है जहां एवी विफलता और सुरक्षा मुद्दे हो सकते हैं। ऐसा लगता है कि सिम्युलेशन का उपयोग वास्तव में कंपनियों को उन सुरक्षा जोखिमों का पता लगाने में मदद कर सकता है जिन्हें वे अन्यथा नहीं पा सकते हैं। उदाहरण के लिए, जब टीम ने बaidu द्वारा बनाए गए अपोलो एवी का परीक्षण किया, तो उन्होंने 500 से अधिक उदाहरणों की पहचान की जहां एवी ने आपातकालीन स्थिति को संभालने में विफल रहा और परिणामस्वरूप एक दुर्घटना हुई। शोध टीम को उम्मीद है कि अन्य कंपनियां उनके परीक्षण मंच का उपयोग करेंगी और अपने स्वायत्त वाहनों की सुरक्षा में सुधार करेंगी।