ხელოვნური ინტელექტის სენსორები შეიძლება დაეხმარონ ავტონომიურ მანქანებს თოვლიან ქალაქებში

ავტონომიური მანქანების ერთ-ერთი ყველაზე დიდი გამოწვევა არის ის, რომ ისინი უჭირთ ნავიგაციას ცუდ ამინდის პირობებში, რაც ნამდვილად ზღუდავს მათ განხორციელებას თოვლიან ქალაქებში, როგორიცაა დეტროიტი და ჩიკაგო. მანქანები ეყრდნობიან სენსორების მნიშვნელოვან მონაცემებს, რათა აღმოაჩინონ დაბრკოლებები და დარჩეს გზის სწორ მხარეს, მაგრამ ეს მონაცემები თოვლში იბრძვის. 

ორ ახალ ნაშრომში წარმოდგენილი SPIE Defense + კომერციული ზონდირება 2021მიჩიგანის ტექნოლოგიური უნივერსიტეტის მკვლევარებმა განიხილეს ახალი გადაწყვეტილებები თოვლიანი მართვის სცენარებისთვის ავტონომიური მანქანებით.

არსებობს ავტონომიური სატრანსპორტო საშუალებების ფართო სპექტრი, მათ შორის ზოგიერთი ბრმა წერტილებით ან დამუხრუჭების დამხმარეობით, ზოგი კი თვითმართვის ჩართვისა და გამორთვის რეჟიმებით. ზოგიერთ საუკეთესო მანქანას შეუძლია სრულიად დამოუკიდებლად იმუშაოს. 

იმის გამო, რომ ტექნოლოგია მრავალი თვალსაზრისით ჯერ კიდევ საწყის ეტაპზეა, ავტომწარმოებლები და კვლევითი უნივერსიტეტები მუდმივად მუშაობენ ტექნოლოგიებისა და ალგორითმების გაუმჯობესებაზე. როდესაც უბედური შემთხვევები ხდება, ისინი ხშირად ხდება მანქანის ხელოვნური ინტელექტის არასწორი შეფასების ან ადამიანის შეცდომის შედეგი. 

ადამიანის სენსორები

ადამიანის თვალები ასევე არის სენსორების ფორმა, რადგან ისინი გრძნობენ წონასწორობას და მოძრაობას. ჩვენი ტვინი მოქმედებს როგორც პროცესორი, რომელიც გვეხმარება გავიგოთ ჩვენი გარემო. ეს ერთად გვაძლევს საშუალებას ვიმოქმედოთ ყველა სცენარში, თუნდაც ახალში, რადგან ჩვენს ტვინს შეუძლია ახალი გამოცდილების განზოგადება. 

ავტონომიურ სატრანსპორტო საშუალებებს, როგორც წესი, აქვთ ორი კამერა დამონტაჟებული გიმბალებზე, და ისინი სკანირებენ და აღიქვამენ სიღრმეს სტერეო ხედვის გამოყენებით ადამიანის ხედვის მიბაძვის მიზნით. ამავე დროს, ბალანსი და მოძრაობა შეიძლება გაიზომოს ინერციული საზომი ერთეულით. მეორეს მხრივ, კომპიუტერებს შეუძლიათ რეაგირება მხოლოდ ადრე შეხვედრილ სცენარებზე ან იმ სცენარებზე, რომელთა ამოცნობა უკვე დაპროგრამებულია. 

სენსორული შერწყმა

ავტონომიური მანქანები ეყრდნობა დავალებების სპეციფიკურ ხელოვნურ ინტელექტის ალგორითმებს, რომლებიც საჭიროებენ მრავალ სენსორს, როგორიცაა თევზის თვალის კამერები, ინფრაწითელი სენსორები, რადარი, სინათლის გამოვლენა და ლიდარი.

ნათირ რავაშდე არის მიჩიგანის ტექნიკური კოლეჯის კომპიუტერული კოლეჯის ასისტენტ-პროფესორი და კვლევის ერთ-ერთი წამყვანი ავტორი. 

”ყველა სენსორს აქვს შეზღუდვები და ყველა სენსორი ფარავს სხვის ზურგს,” - თქვა რავაშდეჰმა. „სენსორული შერწყმა იყენებს სხვადასხვა მოდალობის მრავალ სენსორს სცენის გასაგებად. თქვენ არ შეგიძლიათ ამომწურავად დაპროგრამოთ ყველა დეტალი, როდესაც შეყვანებს რთული შაბლონები აქვს. ამიტომ გვჭირდება ხელოვნური ინტელექტი“.

კვლევის თანამშრომლები იყვნენ ნადერ აბუ-ალრუბი, დოქტორანტი ელექტრო და კომპიუტერული ინჟინერიაში და ჯერემი ბოსი, ელექტრო და კომპიუტერული ინჟინერიის ასისტენტ პროფესორი. სხვა თანამშრომლები იყვნენ მაგისტრატურის სტუდენტები და ბოსის ლაბორატორიის კურსდამთავრებულები: ახილ კურუპი, დერეკ ჩოპი და ზაკ ჯეფრისი. 

ავტონომიური სენსორები და თვითმართვის ალგორითმები თითქმის ექსკლუზიურად განვითარებულია მზიან და სუფთა პეიზაჟებში. Bos-ის ლაბორატორიამ პირველად დაიწყო მონაცემების შეგროვება Michigan Tech ავტონომიურ მანქანაში დიდ თოვლში და 1,000-ზე მეტი კადრი ლიდარი, რადარი და გამოსახულების მონაცემები შეგროვდა გერმანიისა და ნორვეგიის თოვლიანი გზებიდან. 

ბოსის თქმით, სენსორის გამოვლენა რთულია სხვადასხვა თოვლის გამო. მნიშვნელოვანია მონაცემების წინასწარ დამუშავება და ზუსტი მარკირების უზრუნველყოფა. 

 ”ყველა თოვლი არ იქმნება თანაბარი”, - თქვა ბოსმა, ”AI არის შეფ-მზარეულის მსგავსი - თუ კარგი ინგრედიენტები გაქვთ, იქნება შესანიშნავი კვება,” - თქვა მან. მიეცით AI სასწავლო ქსელს ბინძური სენსორის მონაცემები და თქვენ მიიღებთ ცუდ შედეგს.

ზოგიერთი სხვა ძირითადი გამოწვევა მოიცავს დაბალი ხარისხის მონაცემებს და ჭუჭყს, ხოლო სენსორებზე თოვლის დაგროვება თავის პრობლემებს იწვევს. სენსორების გასუფთავების შემდეგაც კი, ყოველთვის არ არის შეთანხმება დაბრკოლებების გამოვლენაში. ხშირად ძალიან რთულია სენსორების და მათი რისკის შეფასების კომუნიკაცია და ერთმანეთისგან სწავლა, რადგან თითოეულ მათგანს შეუძლია საკუთარი დასკვნის გაკეთება. თუმცა, გუნდს სურს, რომ ავტონომიური სენსორები ერთობლივად მივიდნენ დასკვნამდე სენსორების შერწყმის გამოყენებით. 

„მკაცრად ხმის მიცემის ნაცვლად, სენსორული შერწყმის გამოყენებით ჩვენ ახალ შეფასებას მივიღებთ“, ამბობს ბოსი. 

ავტონომიური ავტომობილის სენსორები გააგრძელებენ სწავლას და გაუმჯობესებას ცუდ ამინდში და ახალმა მიდგომებმა, როგორიცაა სენსორების შერწყმა, შეიძლება გამოიწვიოს ავტონომიური მანქანები თოვლიან გზებზე.