एआई मॉडल और प्लेटफ़ॉर्म
स्व-ड्राइविंग एटीवी आ रहे हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कार्नेगी मेलन विश्वविद्यालय (सीएमयू) के एक शोध दल ने स्व-ड्राइविंग ऑल-टेरेन वाहनों (एटीवी) को प्राप्त करने के लिए एक कदम आगे बढ़ाया है। टीम ने विभिन्न पर्यावरणों में एटीवी की सवारी की, जिनमें लंबी घास, ढीली गिट्टी और कीचड़ शामिल हैं, ताकि यह जानकारी एकत्र की जा सके कि एटीवी इन प्रकार के ऑफ-रोड परिवेश के साथ कैसे बातचीत करता है।
टार्टनड्राइव डेटासेट बनाना
एटीवी को 30 मील प्रति घंटे तक की गति से आक्रामक रूप से चलाया गया। यह मोड़ के माध्यम से फिसल गया, पहाड़ियों पर चढ़ गया और मिट्टी में फंस गया, जबकि महत्वपूर्ण डेटा जैसे वीडियो, प्रत्येक पहिये की गति और सात प्रकार के सेंसर से निलंबन शॉक यात्रा एकत्र की।
सभी डेटा एकत्र करने के बाद, इसे टार्टनड्राइव नामक एक डेटासेट में संकलित किया गया। इसमें लगभग 200,000 वास्तविक दुनिया की बातचीत शामिल हैं, और टीम का मानना है कि यह सबसे बड़ा वास्तविक दुनिया, मल्टीमॉडल, ऑफ-रोड ड्राइविंग डेटासेट है। बाद में इस डेटा का उपयोग ऑफ-रोड नेविगेशन के लिए एक स्व-ड्राइविंग वाहन को प्रशिक्षित करने के लिए किया जा सकता है।
वेनशान वांग रोबोटिक्स संस्थान (आरआई) में एक परियोजना वैज्ञानिक हैं।
“स्वायत्त सड़क ड्राइविंग के विपरीत, ऑफ-रोड ड्राइविंग अधिक चुनौतीपूर्ण है क्योंकि आपको सुरक्षित रूप से और तेजी से ड्राइव करने के लिए भूमि की गतिविधियों को समझना होगा,” वांग ने कहा।
इस क्षेत्र में कुछ पहले का काम किया गया है, लेकिन यह अक्सर एनोटेटेड मानचित्रों को शामिल करता है जो मिट्टी, घास, वनस्पति और पानी जैसे लेबल प्रदान करते हैं। इन लेबलों ने रोबोट को यह समझने में मदद की कि वह किस प्रकार की भूमि से गुजर रहा है, लेकिन समस्या यह है कि इस प्रकार की जानकारी अक्सर एकत्र करना मुश्किल है। यह जानकारी काफी सामान्य है। उदाहरण के लिए, “मिट्टी” का अर्थ एक ऐसा वातावरण हो सकता है जो ड्राइव करने योग्य है या नहीं।
पूर्वानुमान मॉडल बनाना
टीम द्वारा एकत्र किए गए मल्टीमॉडल सेंसर डेटा के साथ, वे सरल और गैर-दynamic डेटा के साथ विकसित मॉडलों की तुलना में अधिक श्रेष्ठ पूर्वानुमान मॉडल बना सकते हैं। एटीवी को आक्रामक रूप से चलाने से, इसके प्रदर्शन की गतिविधियों को समझना महत्वपूर्ण हो गया।
सैमुअल ट्राइस्ट रोबोटिक्स में दूसरे वर्ष के मास्टर के छात्र और शोध पत्र के प्रमुख लेखक हैं।
“इन प्रणालियों की गतिविधियां अधिक चुनौतीपूर्ण हो जाती हैं क्योंकि आप अधिक गति जोड़ते हैं,” ट्राइस्ट ने कहा। “आप तेजी से ड्राइव करते हैं, आप अधिक चीजों से टकराते हैं। हम जिस डेटा में रुचि रखते थे, वह इस अधिक आक्रामक ड्राइविंग, अधिक चुनौतीपूर्ण ढलान और घनी वनस्पति के बारे में था क्योंकि यह वह जगह है जहां कुछ सरल नियम टूटने लगते हैं।”
हालांकि यह सच है कि स्वायत्त वाहनों के आसपास के अधिकांश शोध और काम सड़क ड्राइविंग पर लक्षित है, शोधकर्ता कहते हैं कि पहले अनुप्रयोग संभवतः नियंत्रित, ऑफ-रोड क्षेत्र होंगे। यह टकराव के जोखिम को कम करने की अनुमति देता है।
टीम ने पिट्सबर्ग के पास एक नियंत्रित साइट पर सभी परीक्षण किए जहां सीएमयू के नेशनल रोबोटिक्स इंजीनियरिंग सेंटर स्वायत्त ऑफ-रोड वाहनों का परीक्षण करता है।
एटीवी को मानवों द्वारा एक ड्राइव-बाय-वायर सिस्टम का उपयोग करके स्टीयरिंग और गति को नियंत्रित करने के लिए चलाया गया था।
“हम मानव को रोबोट के समान नियंत्रण इंटरफ़ेस के माध्यम से जाने के लिए मजबूर कर रहे थे,” वांग ने कहा। “इस तरह, मानव द्वारा की जाने वाली क्रियाएं सीधे यह बताने के लिए इनपुट के रूप में उपयोग की जा सकती हैं कि रोबोट को कैसे कार्य करना चाहिए।”
शोध फिलाडेल्फिया में रोबोटिक्स और ऑटोमेशन (आईसीआरए) पर अंतर्राष्ट्रीय सम्मेलन में प्रस्तुत किया जाने वाला है।
