स्व-ड्राइविंग कारें भविष्य क्यों हैं और वे कैसे बनाई जाती हैं?

दुनिया के लगभग सभी हिस्सों में लगाए गए हाल के अनुकूलन योग्य क्वारंटीन उपायों के कारण, वायु यात्रा, सार्वजनिक परिवहन और कई अन्य क्षेत्रों में 2020 में बहुत बड़ा झटका लगा। हालांकि, ऑटोमोटिव दुनिया और विशेष रूप से स्वायत्त वाहनों ने इस कठिन समय के दौरान बढ़ी हुई लचीलापन दिखाई है। वास्तव में, फोर्ड जैसी कंपनियों ने इलेक्ट्रिक और स्व-ड्राइविंग कारों के विकास में 29 अरब डॉलर का आवंटन करके निवेश बढ़ाया है। विशेष रूप से, उस राशि में से 7 अरब डॉलर स्व-ड्राइविंग कारों के विकास के लिए जाएगा। इसलिए फोर्ड जनरल मोटर्स, टेस्ला, बaidu और अन्य ऑटोमेकर्स के साथ स्वायत्त वाहनों में भारी निवेश करने में शामिल हो रहा है। इस लेख में, हम आपको बताएंगे कि कंपनियां स्व-ड्राइविंग कारों में निवेश क्यों करती हैं और उन्हें शक्ति देने वाले मशीन लर्निंग एल्गोरिदम को कैसे प्रशिक्षित किया जाता है।

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

जब हम स्वायत्त वाहनों द्वारा प्रदान किए जाने वाले सभी लाभों पर एक नज़र डालते हैं, तो यह देखना आसान है कि इतनी सारी कंपनियां उनके विकास में निवेश क्यों कर रही हैं। ड्राइवरों को अपने दैनिक आवागमन को तेज करने, ईंधन की अर्थव्यवस्था में सुधार करने और अन्य लाभों के लिए अधिक पैसे बचाने में सक्षम होंगे। कंपनियों के लिए, ऐसे स्वचालन से अधिक बचत का दरवाजा खुलता है। एक अच्छा उदाहरण स्वायत्त लंबी दूरी की ट्रकिंग है जो मैकिन्से एंड कंपनी की एक रिपोर्ट के अनुसार 45% तक संचालन लागत में कटौती कर सकेगी।

मुख्य लाभ बढ़ी हुई सुरक्षा है। एनएचटीएसए 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 इनपुट की आवश्यकता नहीं होती है और उनके पास हमेशा 360-डिग्री दृश्य होता है। इसके अलावा, उन्नत ड्राइवर सुरक्षा प्रणाली (एडीएएस) खतरनाक स्थितियों में सुरक्षा-महत्वपूर्ण कार्यों को नियंत्रित कर सकती हैं जैसे कि ब्रेकिंग और स्टीयरिंग। स्वायत्त वाहन समाज को कम उत्सर्जन जैसे कई अतिरिक्त मूल्य प्रदान करते हैं। वास्तव में, एक मूल मामले में एक पारंपरिक वाहन की तुलना में वाहन के पूरे जीवन में 9% की ऊर्जा और जीएचजी उत्सर्जन में कमी देखी गई। अब जब हम जानते हैं कि स्व-ड्राइविंग कारें क्या पेशकश कर सकती हैं, तो आइए देखें कि वे अपने आसपास की दुनिया को पहचानने के लिए कैसे प्रशिक्षित होती हैं।

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

एक स्वायत्त वाहन को सड़क के नियमों का पालन करने की आवश्यकता है और ऐसा करने के लिए, इसे विभिन्न यातायात संकेतों, सड़क चिह्नों, अन्य वाहनों और पैदल यात्रियों का पता लगाने और अनगिनत अन्य वस्तुओं को पहचानने की आवश्यकता है। ये एआई वाहन विभिन्न ड्राइविंग स्थितियों में क्या करने की आवश्यकता है इसकी “गणना” करने के लिए मशीन लर्निंग पर निर्भर करते हैं। आइए एक बुनियादी उदाहरण से शुरू करें। एक व्यक्ति अपने एवी में सड़क पर है और काम पर जाने के लिए राजमार्ग पर है। कार को सही तरीके से पोस्ट की गई गति सीमा की पहचान करने की आवश्यकता होगी, सामने की 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 की आवश्यकता होगी।

इसके लिए लेबलिंग से लेकर सेमांटिक सेगमेंटेशन तक की तकनीकों का उपयोग करके हजारों और हजारों छवियों को एनोटेट करने की आवश्यकता है। वास्तव में, एवजेनिया खिमेन्को, 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 स्व-ड्राइविंग कारों को सड़क पर अन्य ड्राइवरों के व्यवहार की पहचान करने के लिए वीडियो पर चेहरे की पहचान जैसी परियोजनाएं शामिल हैं; वीडियो लेबलिंग और एनोटेशन वाहन की दिशा और गति (हमने 545 मिलियन से अधिक छवि अनुक्रमों को एनोटेट किया है) का पता लगाने के लिए। एक जटिल ऑडियो एनोटेशन कार्य तब था जब हमें वाहन के अंदर होने वाली मानव वार्ता, रेडियो, हंसी, चीख, गायन, जानवरों और यहां तक कि शांति जैसी पृष्ठभूमि शोर को पहचानने और लेबल करने के लिए टाइमस्टैम्प की पहचान करनी थी।”

आइए एक जटिल परिदृश्य पर विचार करें। कल्पना कीजिए कि स्वायत्त वाहन एक आवासीय पड़ोस में चल रहा है और सड़क पार करने के लिए स्केटबोर्ड वाले किशोर हैं। नियमों के अनुसार, कार को रास्ता देने का अधिकार है, लेकिन संभावना है कि किशोर हरी बत्ती का इंतजार किए बिना सड़क पार करने की कोशिश करेंगे। एक मानव चालक इस 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 स्वायत्त वाहनों के साथ शोधकर्ता अगला कदम है और बस अधिक एनोटेटेड डेटा उत्तर हो सकता है।

एवी भौतिक दुनिया को कैसे देखते हैं?

स्वायत्त वाहन अपने आसपास की दुनिया को देखने में मदद करने के लिए लिडार प्रौद्योगिकी पर निर्भर करते हैं। लिडार एक 3डी पॉइंट क्लाउड बनाता है जो एक डिजिटल प्रतिनिधित्व है कि एआई सिस्टम दुनिया को कैसे देखता है। यह प्रौद्योगिकी केवल स्वायत्त वाहनों के लिए आरक्षित नहीं है, यह कृषि क्षेत्र में फसल काटने वाले रोबोट जैसे अन्य रोबोटिक प्रक्रिया स्वचालन कार्यों के लिए भी उपयोग की जाती है। 3डी पॉइंट क्लाउड को भी एनोटेट किया जाना होगा ताकि मशीन को पता चले कि यह क्या देख रही है। यह आमतौर पर लेबलिंग, 3डी बॉक्स और सेमांटिक सेगमेंटेशन जैसी तकनीकों के साथ किया जाता है। 3डी पॉइंट क्लाउड को रंग कोडिंग करने का एक अधिक उन्नत रूप यह होगा कि वाहन वस्तु की दूरी को समझे।

लिडार का काम यह है कि यह अपने आसपास की सभी वस्तुओं पर प्रकाश का 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 नीला होगा क्योंकि यह सबसे निचला बिंदु है, प्रकाश जल्दी से उछालेगा और नीला बहुत छोटा 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 खेल में नहीं है। उदाहरण के लिए, टेस्ला हाइड्रेंट नामक कुछ का उपयोग करता है, जो सड़क का एक पूरा चित्र सिलाई करने वाले आठ कैमरों का संयोजन है। अन्य कंपनियों, जैसे वेमो और वॉयज, लिडार का उपयोग करती हैं। टेस्ला लिडार से बचने का एक संभावित कारण यह है कि यह बहुत ही भारी है और कार की समग्र उपस्थिति को खराब करता है। वेमो जैसी कंपनियां जो रोबोटैक्सी विकसित कर रही हैं, लिडार का उपयोग करने में सक्षम हो सकती हैं।

गुणवत्ता प्रशिक्षण डेटा इतना महत्वपूर्ण क्यों है?

गुणवत्ता प्रशिक्षण डेटा होना 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 उबाऊ प्रक्रिया है, पूरे परियोजना की सफलता इस पर निर्भर करती है।毕竟, स्व-ड्राइविंग कारें भविष्य हैं और वे संभावित रूप से हमें कार दुर्घटनाओं और मृत्यु, पर्यावरणीय मुद्दों और सड़कों पर जाम के मुद्दों को कम करने या समाप्त करने में मदद कर सकती हैं।