Alþjóðlegt lið tekur stórt skref fram á við í sjálfvirkri bílatækni

Sjálfstýrð farartæki munu gjörbylta samgöngum - hins vegar byggir árangursrík framkvæmd þeirra á getu til að þekkja nákvæmlega og bregðast við utanaðkomandi ógnum. Allt frá merkjavinnslu og myndgreiningarreikniritum í gegnum djúpnámsgreindarkerfi samþætt við IoT innviði, þarf að nota margvíslega tækni til að sjálfstýrðir bílar geti veitt örugga notkun á fjölbreyttu landslagi. Til að tryggja að öryggi farþega sé ekki í hættu þar sem þessir nýjustu bílar verða útbreiddari, þurfa öflugar aðferðir þróun sem getur í raun greint hugsanlegar hættur fljótt og áreiðanlega.

Sjálfkeyrandi ökutæki treysta á hátækniskynjara eins og LiDAR, radar og RGB myndavélar til að búa til mikið magn upplýsinga til að bera kennsl á gangandi vegfarendur, aðra ökumenn og hugsanlegar hættur. Samþætting háþróaðrar tölvumöguleika og Internet-of-Things (IoT) í þessa sjálfvirku bíla gerir það mögulegt að vinna þessi gögn hratt á staðnum til að sigla um ýmis svæði og hluti á skilvirkari hátt. Að lokum gerir þetta sjálfstætt ökutæki kleift að taka ákvarðanir á sekúndubroti með mun meiri nákvæmni en hefðbundnir ökumenn.

Stórt skref fram á við í sjálfstætt aksturstækni

Byltingarkenndar rannsóknir gerðar af prófessor Gwanggil Jeon frá Incheon National University, Kóreu og alþjóðlegu teymi hans markar risastórt skref fram á við í sjálfstætt aksturstækni. Nýstárlega snjalla IoT-virkja end-to-end kerfið sem þeir hafa þróað gerir kleift að greina þrívíddarhluta í rauntíma með því að nota djúpt nám, sem gerir það áreiðanlegra og skilvirkara en nokkru sinni fyrr. Það getur greint aukinn fjölda hluta nákvæmari, jafnvel þegar það stendur frammi fyrir krefjandi umhverfi eins og lítilli birtu eða óvenjulegum veðurskilyrðum - eitthvað sem önnur kerfi geta ekki gert. Þessir eiginleikar leyfa öruggari siglingu um ýmsar umferðaratburðarásir, hækka griðina fyrir sjálfvirk aksturskerfi og stuðla að auknu umferðaröryggi um allan heim.

Rannsóknin var birt í tímaritinu IEEE viðskipti með greindar flutningskerfa. 

„Fyrir sjálfstýrð ökutæki er skynjun umhverfisins mikilvæg til að svara kjarnaspurningu, 'Hvað er í kringum mig?' Það er nauðsynlegt að sjálfstætt ökutæki geti skilið umhverfisaðstæður og umhverfi sitt á skilvirkan og nákvæman hátt til að framkvæma móttækilega aðgerð,“ útskýrir prófessor Jeon. „Við bjuggum til uppgötvunarlíkan byggt á YOLOv3, vel þekktu auðkenningaralgrími. Líkanið var fyrst notað til að greina 2D hluti og síðan breytt fyrir 3D hluti,“ heldur hann áfram.

Byggir líkan á YOLOv3

Teymið færði söfnuðu RGB myndirnar og punktskýjagögnin til YOLOv3, sem síðan gefur út flokkunarmerki og afmörkunarreima með öryggi. Frammistaða þess var síðan prófuð með Lyft gagnasafninu og fyrstu niðurstöður sýndu að YOLOv3 náði afar mikilli greiningarnákvæmni (>96%) fyrir bæði 2D og 3D hluti. Líkanið stóð sig betur en ýmis nýjustu greiningarlíkön. 

Þessa nýþróuðu aðferð gæti verið notuð fyrir sjálfstýrð farartæki, sjálfstýrð bílastæði, sjálfvirka afhendingu og framtíðarsjálfráða vélmenni. Það gæti einnig verið notað í forritum þar sem þörf er á greiningu á hlutum og hindrunum, mælingar og sjónræn staðsetning. 

„Sem stendur er verið að keyra sjálfvirkan akstur með LiDAR-tengdri myndvinnslu, en því er spáð að almenn myndavél komi í stað LiDAR í framtíðinni. Sem slík breytist tæknin sem notuð er í sjálfstýrðum ökutækjum á hverri stundu og við erum í fremstu röð,“ segir prófessor Jeon. „Byggt á þróun frumefnatækni ættu sjálfstýrð ökutæki með auknu öryggi að vera fáanleg á næstu 5-10 árum.