स्व-ड्राइविंग कारें भविष्य क्यों हैं और उन्हें कैसे बनाया जाता है?

हाल ही में दुनिया भर में लागू किए गए अनुकूलन योग्य प्रतिबंधों के कारण, वायु यात्रा, सार्वजनिक परिवहन और कई अन्य क्षेत्रों में 2020 में बहुत बड़ा झटका लगा। हालांकि, ऑटोमोटिव दुनिया और स्व-ड्राइविंग कारें, विशेष रूप से, इस कठिन समय में बढ़ी हुई लचीलापन दिखाई है। वास्तव में, फोर्ड जैसी कंपनियों ने इलेक्ट्रिक और स्व-ड्राइविंग कारों के विकास में निवेश बढ़ाया है, जिसमें पिछले साल की चौथी तिमाही में 29 अरब डॉलर का आवंटन किया गया है। विशेष रूप से, स्व-ड्राइविंग कारों के लिए 7 अरब डॉलर का आवंटन किया जाएगा। इसलिए, फोर्ड जनरल मोटर्स, टेस्ला, बaidu और अन्य ऑटोमेकर्स के साथ स्व-ड्राइविंग कारों में भारी निवेश कर रहा है। इस लेख में, हम आपको बताएंगे कि कंपनियां स्व-ड्राइविंग कारों में निवेश क्यों कर रही हैं और मशीन लर्निंग एल्गोरिदम को कैसे प्रशिक्षित किया जा रहा है जो उन्हें शक्ति प्रदान करते हैं। (GM ) (TSLA )

स्व-ड्राइविंग कारों में इतनी सारी कंपनियां निवेश क्यों कर रही हैं?

जब हम स्व-ड्राइविंग कारों द्वारा प्रदान किए जाने वाले सभी लाभों पर नजर डालते हैं, तो यह समझना आसान है कि इतनी सारी कंपनियां उनके विकास में निवेश क्यों कर रही हैं। ड्राइवरों को अपने दैनिक यात्रा में तेजी लाने के लिए, ईंधन की अर्थव्यवस्था में सुधार करने के लिए और महंगी बीमा योजनाओं के लिए भुगतान नहीं करने के लिए पैसे बचाने के लिए सक्षम होंगे। कंपनियों के लिए, ऐसी स्वचालन से अधिक बचत के लिए दरवाजे खुलते हैं। एक अच्छा उदाहरण स्व-ड्राइविंग लंबी दूरी की ट्रकिंग है, जो मैकिन्से एंड कंपनी की एक रिपोर्ट के अनुसार संचालन लागत में 45% की कटौती कर सकती है।

मुख्य लाभ बढ़ी हुई सुरक्षा है। NHTSA के अनुसार, 94% गंभीर दुर्घटनाएं मानव त्रुटि का परिणाम हैं। स्व-ड्राइविंग कारें दुर्घटनाओं की संख्या को काफी कम कर सकती हैं क्योंकि उन्हें किसी ड्राइवर के इनपुट की आवश्यकता नहीं होती है और उनके पास हमेशा 360-डिग्री दृश्य होता है। इसके अलावा, उन्नत ड्राइवर सुरक्षा प्रणाली (ADAS) खतरनाक स्थितियों में सुरक्षा-संबंधी कार्यों को नियंत्रित कर सकती है, जैसे कि ब्रेकिंग और स्टीयरिंग। स्व-ड्राइविंग कारें समाज को कम उत्सर्जन जैसे कई अतिरिक्त मूल्य प्रदान करती हैं। वास्तव में, एक मूल मामले में दिखाया गया है कि एक स्व-ड्राइविंग कार के जीवनकाल में 9% की ऊर्जा और ग्रीनहाउस गैस उत्सर्जन में कमी आ सकती है, जो एक पारंपरिक वाहन की तुलना में है। अब जब हम जानते हैं कि स्व-ड्राइविंग कारें क्या पेशकश कर सकती हैं, तो आइए देखें कि वे दुनिया को कैसे देखती हैं और उन्हें कैसे प्रशिक्षित किया जाता है।

एवी कैसे काम करते हैं और एवी वास्तविकता बन सकते हैं?

एक स्व-ड्राइविंग कार को सड़क के नियमों का पालन करने की आवश्यकता है, और ऐसा करने के लिए, यह विभिन्न यातायात संकेतों, सड़क चिह्नों, अन्य वाहनों और पैदल यात्रियों का पता लगाने में सक्षम होना चाहिए। ये एआई वाहन विभिन्न ड्राइविंग स्थितियों में क्या करने की आवश्यकता है यह “गणना” करने के लिए मशीन लर्निंग पर निर्भर करते हैं। आइए एक बुनियादी उदाहरण से शुरू करें। एक व्यक्ति अपनी स्व-ड्राइविंग कार में काम पर जाने के लिए राजमार्ग पर चल रहा है। कार को सही तरीके से पोस्ट की गई गति सीमा की पहचान करने की आवश्यकता होगी, सामने वाली कार से सुरक्षित दूरी बनाए रखनी होगी और जब यह एक आवासीय क्षेत्र में प्रवेश करती है, तो यह पैदल यात्रियों को पहचानने और उन्हें सड़क पार करने देने में सक्षम होना चाहिए।

इसके लिए हजारों और हजारों छवियों को विभिन्न तकनीकों का उपयोग करके एनोटेट किया जाना आवश्यक है, जिसमें लेबलिंग से लेकर सेमांटिक सेगमेंटेशन तक शामिल है। वास्तव में, एवजेनिया खिमेंको, माइंडी सपोर्ट के सीईओ, जो ऑटोमोटिव क्षेत्र के लिए डेटा एनोटेशन सेवाएं प्रदान करती है, का कहना है कि ऑटोमोटिव उद्योग के लिए डेटा एनोटेशन परियोजनाओं की एक विस्तृत श्रृंखला संभव है:

“इनमें से कुछ परियोजनाएं हैं जैसे कि वीडियो पर चेहरा पहचान जो स्व-ड्राइविंग कारों को सड़क पर अन्य ड्राइवरों के व्यवहार की पहचान करने के लिए प्रशिक्षित करने के लिए, वीडियो लेबलिंग और एनोटेशन जो वाहन की दिशा और गति का पता लगाने के लिए (हमने 545 मिलियन से अधिक छवि अनुक्रमों को एनोटेट किया है)। एक जटिल ऑडियो एनोटेशन कार्य तब था जब हमें वाहन के अंदर होने वाली सभी पृष्ठभूमि शोर के साथ-साथ मानव वाणी को पहचानने और लेबल करने के लिए टाइमस्टैम्प की पहचान करनी थी, जैसे कि रेडियो, हंसी, चीख, गायन, जानवर और यहां तक कि शांति। “

आइए एक जटिल परिदृश्य पर विचार करें। कल्पना कीजिए कि स्व-ड्राइविंग कार एक आवासीय पड़ोस में चल रही है और सड़क पार करने के लिए स्केटबोर्ड वाले किशोर हैं। नियमों के अनुसार, कार को रास्ता देने का अधिकार है, लेकिन एक अच्छा मौका है कि किशोर प्रकाश के हरे होने की प्रतीक्षा किए बिना सड़क पार करने का प्रयास करेंगे। एक मानव ड्राइवर ऐसे जोखिम से अच्छी तरह वाकिफ होगा और ऐसी घटना की प्रतीक्षा में धीमा हो जाएगा, लेकिन एक मशीन के लिए यह बहुत मुश्किल होगा। यह अगला कदम है जिसे शोधकर्ता स्व-ड्राइविंग कारों के साथ लेने की कोशिश कर रहे हैं और बस अधिक एनोटेटेड डेटा ही इसका उत्तर हो सकता है।

एवी भौतिक दुनिया को कैसे देखते हैं?

स्व-ड्राइविंग कारें अपने आसपास की दुनिया को देखने में मदद के लिए लिडार प्रौद्योगिकी पर निर्भर करती हैं। लिडार एक 3डी पॉइंट क्लाउड बनाता है, जो एक डिजिटल प्रतिनिधित्व है कि एआई सिस्टम दुनिया को कैसे देखता है। यह प्रौद्योगिकी स्व-ड्राइविंग कारों के लिए आरक्षित नहीं है, यह कृषि क्षेत्र जैसे रोबोटिक प्रक्रिया स्वचालन कार्यों के लिए भी उपयोग की जाती है, जैसे कि फसल काटने वाला रोबोट बनाना। 3डी पॉइंट क्लाउड को भी एनोटेट किया जाना चाहिए ताकि मशीन को पता चले कि वह वास्तव में क्या देख रही है। यह आमतौर पर लेबलिंग, 3डी बॉक्स और सेमांटिक सेगमेंटेशन जैसी तकनीकों के साथ किया जाता है। एनोटेशन का एक अधिक उन्नत रूप 3डी पॉइंट क्लाउड को रंग-कोड करना होगा ताकि वाहन वस्तु की दूरी को समझ सके।

लिडार का काम यह है कि यह अपने आसपास की सभी वस्तुओं पर एक प्रकाश संकेत भेजता है और प्रकाश को वापस आने में कितना समय लगता है, यह एआई को वस्तु की दूरी की समझ देता है। उदाहरण के लिए, 3डी पॉइंट क्लाउड पर जमीन हमेशा नीली होगी क्योंकि यह सबसे निचला बिंदु है, प्रकाश तेजी से वापस आ जाएगा और नीला एक बहुत छोटी तरंग दैर्ध्य है। आसपास की एक इमारत लाल या नारंगी हो सकती है, यह इस बात पर निर्भर करती है कि यह कितनी दूर है।

यह ध्यान देने योग्य है कि लिडार एकमात्र खिलाड़ी नहीं है। उदाहरण के लिए, टेस्ला हाइड्रेंट नामक एक चीज का उपयोग करता है, जो आठ कैमरों का एक संयोजन है जो सड़क का एक पूरा चित्र बनाते हैं। अन्य कंपनियों, जैसे कि वेमो और वॉयज, लिडार का उपयोग करती हैं। टेस्ला लिडार से बच सकता है क्योंकि यह बहुत ही भारी है और कार की समग्र उपस्थिति को खराब कर देता है।毕竟, टेस्ला बहुत महंगी हैं और ड्राइवर शायद अपनी कार की छत पर एक बड़े बॉक्स के साथ नहीं रहना चाहेंगे। वेमो जैसी कंपनियां, जो रोबोटैक्स विकसित कर रही हैं, लिडार का उपयोग करने में सक्षम हो सकती हैं।

गुणवत्तापूर्ण प्रशिक्षण डेटा इतना महत्वपूर्ण क्यों है?

गुणवत्तापूर्ण प्रशिक्षण डेटा प्राप्त करना स्व-ड्राइविंग कार बनाने के लिए सबसे आवश्यक चीजों में से एक है। हालांकि, बस इस डेटा को प्राप्त करना पर्याप्त नहीं है। प्रशिक्षण डेटासेट को डेटा एनोटेशन के माध्यम से तैयार किया जाना चाहिए ताकि एआई सिस्टम उनसे सीख सके। जबकि यह एक बहुत ही समय लेने वाला और थकाऊ प्रक्रिया है, पूरे परियोजना की सफलता इस पर निर्भर करती है।毕竟, स्व-ड्राइविंग कारें भविष्य हैं और वे संभावित रूप से कार दुर्घटनाओं और मौतों को कम करने में हमारी मदद कर सकती हैं, पर्यावरण संबंधी मुद्दों को कम कर सकती हैं और सड़कों पर जाम को कम कर सकती हैं। यह एक बहुत ही समय लेने वाला और थकाऊ प्रक्रिया है, लेकिन स्व-ड्राइविंग कारों की सफलता इस पर निर्भर करती है।毕竟, स्व-ड्राइविंग कारें भविष्य हैं और वे संभावित रूप से कार दुर्घटनाओं और मौतों को कम करने में हमारी मदद कर सकती हैं, पर्यावरण संबंधी मुद्दों को कम कर सकती हैं और सड़कों पर जाम को कम कर सकती हैं।