Өөрийгөө жолооддог машин яагаад ирээдүй вэ, тэд хэрхэн бүтээгдсэн бэ?

Сүүлийн үед дэлхийн бараг бүх хэсэгт дасан зохицох хорио цээрийн арга хэмжээнүүдийн улмаас агаарын тээвэр, нийтийн тээвэр болон бусад олон салбар 2020 онд үнэхээр том цохилтод өртөв. Гэсэн хэдий ч автомашины ертөнц болон автономит тээврийн хэрэгсэл, тэр дундаа автомашины тэсвэрлэх чадвар нэмэгдсэн байна. энэ хүнд хэцүү үед. Үнэн хэрэгтээ Форд зэрэг компаниуд цахилгаан болон автомат жолоодлоготой автомашиныг хөгжүүлэхэд хөрөнгө оруулалтаа нэмэгдүүлсэн 29 тэрбум доллар хуваарилж байна өнгөрсөн оны дөрөвдүгээр улиралд . Тодруулбал, энэ мөнгөний долоон тэрбум ам.доллар нь өөрөө жолоодлоготой автомашиныг хөгжүүлэхэд зориулагдана. Тиймээс Форд Женерал Моторс, Тесла, Байду болон бусад автомашин үйлдвэрлэгчидтэй нэгдэж, бие даасан автомашинд ихээхэн хөрөнгө оруулалт хийж байна. Энэ нийтлэлд бид компаниуд яагаад өөрөө жолоодлоготой машинд хөрөнгө оруулалт хийдэг, тэднийг ажиллуулдаг машин сургалтын алгоритмуудыг хэрхэн сургадаг талаар танд хэлэх болно.

Яагаад ийм олон компани өөрөө жолооддог машинд хөрөнгө оруулалт хийдэг вэ?

Автономит тээврийн хэрэгслийн бүх ашиг тусыг авч үзэхэд яагаад ийм олон компаниуд тэдний хөгжилд хөрөнгө оруулалт хийж байгааг ойлгоход хялбар байдаг. Жолооч нар илүү их мөнгө хэмнэх боломжтой, учир нь тэд өндөр үнэтэй даатгалын төлбөр төлөх шаардлагагүй, энэ нь тэдний өдөр тутмын ажилдаа зорчих хөдөлгөөнийг хурдасгах, түлшний хэмнэлтийг сайжруулах, бусад олон давуу талтай болно. Компаниудын хувьд ийм автоматжуулалт нь илүү их хэмнэлт гаргах үүд хаалгыг нээж өгдөг. Үүний тод жишээ бол урт хугацааны бие даасан ачааны тээвэр бөгөөд үйл ажиллагааны зардлыг 45% бууруулах боломжтой гэж McKinsey & Company-ийн тайланд дурджээ.

Гол давуу тал нь аюулгүй байдлыг нэмэгдүүлэх явдал юм. NHTSA-ийн мэдээлснээр ноцтой ослын 94% нь хүний ​​буруутай үйл ажиллагааны үр дагавар юм. Өөрөө жолоодлоготой машинууд нь жолоочийн оролцоо шаардлагагүй, үргэлж 360 градусын харах боломжтой тул ослын тоог эрс бууруулж чадна. Түүнчлэн жолоочийн аюулгүй байдлын дэвшилтэт системүүд (ADAS) нь тоормослох, жолоодох зэрэг аюултай нөхцөл байдалд аюулгүй байдлын чухал функцуудыг гүйцэтгэх боломжтой. Утааг багасгах гэх мэт олон нэмүү өртөг шингэсэн бие даасан автомашинууд нийгэмд санал болгож байна. Үнэн хэрэгтээ автомашины ашиглалтын хугацаанд ердийн тээврийн хэрэгсэлтэй харьцуулахад эрчим хүч, хүлэмжийн хийн ялгаруулалт 9%-иар буурсан байна. Өөрийгөө жолооддог автомашинууд ямар давуу талтай болохыг бид мэддэг гэсэн үг биш, харин эргэн тойрныхоо ертөнцийг танин мэдэхэд хэрхэн сургагдсаныг харцгаая.

AV хэрхэн ажилладаг вэ, AV хэрхэн бодит болж чадах вэ?

Автономит тээврийн хэрэгсэл нь замын хөдөлгөөний дүрмийг дагаж мөрдөх ёстой бөгөөд үүний тулд янз бүрийн замын тэмдэг, замын тэмдэглэгээг таних, бусад тээврийн хэрэгсэл, явган зорчигч, тоо томшгүй олон объектыг илрүүлэх шаардлагатай. Эдгээр хиймэл оюун ухаантай машинууд нь жолоодлогын бүх нөхцөл байдалд юу хийх ёстойг "тооцоолох" машин сурахад тулгуурладаг. Үндсэн жишээгээр эхэлцгээе. Хүн ажилдаа явахын тулд хурдны зам дээр AV машин жолоодож байна. Машин нь заасан хурдны хязгаарыг зөв тодорхойлж, урд талын машинаас аюулгүй зайг барьж, орон сууцны хороололд орохдоо явган зорчигчдыг таньж, зам хөндлөн гарахыг зөвшөөрөх шаардлагатай.

Энэ нь мянга, мянган зургийг шошголохоос эхлээд семантик сегментчилэл хүртэлх арга техникээр тэмдэглэхийг шаарддаг. Үнэн хэрэгтээ, Евгения Хименко, гүйцэтгэх захирал Mindy дэмжлэгАвтомашины салбарт өгөгдлийн тэмдэглэгээ хийх үйлчилгээ үзүүлдэг компани нь автомашины үйлдвэрлэлийн өргөн хүрээний өгөгдлийн тэмдэглэгээний төслүүдийг хэрэгжүүлэх боломжтой гэж мэдэгдэв.

"Эдгээр Зам дээрх бусад жолооч нарын зан байдлыг тодорхойлохын тулд өөрөө жолооддог машинуудыг сургах видеон дээр нүүр царай таних, тээврийн хэрэгслийн хөдөлгөөн, чиглэлийг илрүүлэх видео шошго, тэмдэглэгээ зэрэг төслүүдийг багтаасан (бид 545 сая гаруй зургийн дарааллыг тэмдэглэсэн). Аудио тэмдэглэгээний өөр нэг боловсронгуй ажил бол бид хүний ​​ярианы цагийн тэмдэг, шошго, мөн радио, инээх, хашгирах, дуулах, амьтад, тэр ч байтугай чимээгүй байх зэрэг тээврийн хэрэгслийн дотор болж буй бүх чимээ шуугианыг тодорхойлох явдал байв.

Нарийн төвөгтэй хувилбарыг авч үзье. Автономит машин орон сууцны хороололд явж байгаа бөгөөд зам хөндлөн гарахыг хүлээж буй скейтбордтой өсвөр насны хүүхдүүд байна гэж төсөөлөөд үз дээ. Дүрэм журмын дагуу машин явах эрхтэй ч өсвөр насныхан ногоон асахыг хүлээхгүй, хугацаанаасаа өмнө зам хөндлөн гарах гэж оролдох бүрэн боломжтой. Хүний жолооч ийм эрсдэлийг сайн мэддэг бөгөөд ийм үйл явдлыг урьдчилан таамаглахын тулд хурдаа сааруулдаг боловч машины хувьд үүнийг тооцоолоход маш хэцүү байх болно. Энэ бол судлаачдын бие даасан тээврийн хэрэгсэлтэй хийх гэж байгаа дараагийн алхам бөгөөд зүгээр л илүү тайлбартай өгөгдөл нь хариулт байж магадгүй юм.

AV нь физик ертөнцийг хэрхэн хардаг вэ?

Автономит машинууд нь эргэн тойрныхоо ертөнцийг харахад тусалдаг LiDAR технологид тулгуурладаг. LiDAR нь хиймэл оюун ухааны систем ертөнцийг хэрхэн харж байгааг харуулсан 3D цэгийн үүлийг бий болгодог. Энэхүү технологи нь зөвхөн бие даасан тээврийн хэрэгсэлд зориулагдаагүй бөгөөд хөдөө аж ахуйн салбарт үр тариа хураах робот бүтээх гэх мэт бусад роботын процессыг автоматжуулах ажилд ашиглагддаг. 3D цэгийн үүлийг мөн тэмдэглэсэн байх шаардлагатай бөгөөд ингэснээр машин яг юу харж байгааг мэдэх болно. Үүнийг ихэвчлэн шошго, 3D хайрцаг, семантик сегментчилэл гэх мэт техникээр хийдэг. Тэмдэглэгээний илүү дэвшилтэт хэлбэр нь 3D цэгийн үүлийг өнгөөр ​​кодлох бөгөөд ингэснээр тээврийн хэрэгсэл объектын зайг ойлгох болно.

LiDAR-ийн ажиллах арга нь эргэн тойрон дахь бүх объект руу гэрлийн дохио илгээдэг бөгөөд гэрэл буцаж ирэхэд хэр хугацаа шаардагдахаас хамааран хиймэл оюун ухаанд объект хэр хол байгааг ойлгох боломжийг олгодог. Жишээлбэл, 3D цэгийн үүлэн дээрх газар үргэлж хөх өнгөтэй байх болно, учир нь энэ нь хамгийн доод цэг бөгөөд гэрэл хурдан унтардаг, цэнхэр өнгө нь маш богино долгионы урттай байдаг. Эргэн тойрон дахь барилгуудын аль нэг нь хэр хол байгаагаас шалтгаалан улаан эсвэл улбар шар өнгөтэй байж болно.

LiDAR бол хотын цорын ганц тоглоом биш гэдгийг тэмдэглэх нь зүйтэй. Жишээлбэл, Тесла нь Hydrant гэж нэрлэгддэг зүйлийг ашигладаг бөгөөд энэ нь замын бүрэн дүр зургийг нэгтгэдэг найман камерын хослол юм. Waymo, Voyage зэрэг бусад компаниуд LiDAR ашигладаг. Tesla LiDAR-аас зайлсхийж байгаагийн нэг шалтгаан нь маш том хэмжээтэй бөгөөд машины ерөнхий дүр төрхийг сүйтгэдэг. Эцсийн эцэст, Теслас маш үнэтэй бөгөөд жолооч нар машиныхаа дээвэр дээр аварга том хайрцаг суулгахыг хүсэхгүй байх магадлалтай. Waymo гэх мэт роботакси хөгжүүлж буй компаниуд LiDAR ашиглахаас ангижрах боломжтой.

Чанартай сургалтын өгөгдөл яагаад ийм чухал вэ?

Чанартай сургалтын өгөгдөлтэй байх нь өөрөө жолооддог машин бүтээхэд зайлшгүй шаардлагатай зүйлсийн нэг юм. Гэсэн хэдий ч энэ өгөгдлийг олж авах нь хангалтгүй юм. Сургалтын мэдээллийн багцыг өгөгдлийн тэмдэглэгээгээр бэлтгэх шаардлагатай бөгөөд ингэснээр AI систем тэднээс суралцах боломжтой. Хэдийгээр энэ нь маш их цаг хугацаа шаардсан, уйтгартай үйл явц боловч бүх төслийн амжилт үүнээс хамаарна. Эцсийн эцэст, өөрөө жолоодлоготой машинууд бол ирээдүй бөгөөд бидэнд тулгарч буй автомашины осол, осол гэмтэл, байгаль орчны асуудал, замын түгжрэл зэрэг асуудлуудыг багасгах эсвэл бүр арилгахад тусалж чадна.