Sürücüsüz Arabalar Neden Gelecek ve Nasıl Yaratıldı?

Son zamanlarda dünyanın hemen hemen her yerinde uygulanan uyarlanabilir karantina önlemleri nedeniyle, hava yolculuğu, toplu taşıma ve diğer birçok sektör 2020'de gerçekten büyük bir darbe aldı. Ancak, özellikle otomotiv dünyası ve otonom araçlar artan bir dayanıklılık gösterdi. bu zor dönemde. Aslında Ford gibi şirketler, elektrikli ve sürücüsüz otomobillerin geliştirilmesine yönelik yatırımlarını 29 milyar dolar ayırıyor geçen yılın dördüncü çeyreğinde. Spesifik olarak, bu paranın 7 milyar doları sürücüsüz araçların geliştirilmesine harcanacak. Ford, otonom araçlara yoğun yatırım yapmak için General Motors, Tesla, Baidu ve diğer otomobil üreticilerine katılıyor. Bu yazımızda şirketlerin sürücüsüz arabalara neden yatırım yaptığını ve onlara güç veren makine öğrenimi algoritmalarının nasıl eğitildiğini anlatacağız.

Neden Bu Kadar Çok Şirket Sürücüsüz Arabalara Yatırım Yapıyor?

Otonom araçların sunduğu tüm avantajlara baktığımızda, neden bu kadar çok şirketin bu araçların geliştirilmesine yatırım yaptığını anlamak kolay. Pahalı sigorta planları için ödeme yapmak zorunda kalmayacakları, günlük yolculuklarını hızlandıracakları, yakıt tasarrufunu iyileştirecekleri ve diğer pek çok fayda sağlayacakları için sürücüler daha fazla para biriktirebilecekler. Şirketler için bu tür bir otomasyon, daha fazla tasarruf için kapıyı açar. McKinsey & Company tarafından hazırlanan bir rapora göre, bunun harika bir örneği, işletme maliyetlerini %45 oranında azaltabilecek otonom uzun yol taşımacılığıdır.

Asıl fayda, artan güvenliktir. NHTSA'ya göre ciddi kazaların %94'ü insan hatasından kaynaklanıyor. Sürücüsüz otomobiller, herhangi bir sürücü müdahalesine ihtiyaç duymadıkları ve her zaman 360 derecelik bir görüşe sahip oldukları için kaza sayısını önemli ölçüde azaltabilir. Ayrıca gelişmiş sürücü güvenlik sistemleri (ADAS), frenleme ve direksiyon gibi tehlikeli durumlarda güvenlik açısından kritik işlevleri üstlenebiliyor. Azaltılmış emisyonlar gibi topluma sunulan birçok katma değerli otonom araç var. Aslında temel bir örnek, geleneksel bir araca kıyasla aracın tüm ömrü boyunca enerji ve sera gazı emisyonlarında %9'luk bir azalma olduğunu gösterdi. Sürücüsüz arabaların sunduğu tüm faydaları bildiğimizden değil, çevrelerindeki dünyayı tanımak için nasıl eğitildiklerine bir göz atalım.

AV'ler Nasıl Çalışır ve AV'ler Nasıl Gerçek Olabilir?

Otonom bir aracın yolun kurallarına uyması ve bunu yapabilmesi için çeşitli trafik işaretlerini, yol işaretlerini tanıması, diğer araçları ve yayaları ve sayısız başka nesneyi algılaması gerekir. Bu AI araçları, her türlü sürüş durumunda yapılması gerekenleri "hesaplamak" için makine öğrenimine güveniyor. Temel bir örnekle başlayalım. Bir kişi işe gitmek için otobanda AV kullanıyor. Otomobilin belirtilen hız sınırını doğru bir şekilde tanımlaması, öndeki otomobille güvenli bir mesafeyi koruması ve bir yerleşim alanına girdiğinde yayaları tanıması ve karşıdan karşıya geçmelerine izin vermesi gerekecek.

Bu, binlerce ve binlerce görüntünün, etiketlemeden semantik bölümlemeye kadar uzanan tekniklerle açıklanmasını gerektirir. Aslında, CEO'su Evgenia Khimenko Mindy DesteğiOtomotiv sektörü için veri notlama hizmetleri sunan bir şirket olan , otomotiv endüstrisi için çok çeşitli veri notasyon projelerinin mümkün olduğunu söylüyor:

"Bunlar yoldaki diğer sürücülerin davranışlarını belirlemek için kendi kendine giden arabaları eğitmek için videolarda yüz tanıma, aracın hareketini ve yönünü algılamak için video etiketleme ve açıklama gibi projeleri içerir (545 milyondan fazla görüntü dizisine açıklama ekledik). Bir başka gelişmiş sesli açıklama görevi, zaman damgasını belirlememiz ve insan konuşmasının yanı sıra radyo, gülme, bağırma, şarkı söyleme, hayvanlar ve hatta sessizlik gibi aracın içinde meydana gelen tüm arka plan gürültülerini tanımlamamız gerektiği zamandı.

Karmaşık bir senaryoyu ele alalım. Sürücüsüz aracın bir yerleşim bölgesinde sürdüğünü ve karşıdan karşıya geçmek için bekleyen kaykaylı gençler olduğunu hayal edin. Kurallara göre, arabanın geçiş hakkı vardır, ancak gençlerin ışığın yeşile dönmesini beklememe ve yolu erken geçmeye çalışma şansları yüksektir. Bir insan sürücü bu tür bir riskin gayet iyi farkında olacak ve böyle bir olayı önceden tahmin etmek için yavaşlayacaktır, ancak bir makine için bunu hesaplamak çok zor olacaktır. Bu, araştırmacıların otonom araçlarla atmaya çalıştıkları bir sonraki adımdır ve basitçe daha fazla açıklamalı veri cevap olabilir.

AV'ler Fiziksel Dünyayı Nasıl Görür?

Otonom araçlar, etraflarındaki dünyayı görmelerine yardımcı olmak için LiDAR teknolojisine güveniyor. LiDAR, yapay zeka sisteminin dünyayı nasıl gördüğünün dijital temsili olan bir 3 boyutlu nokta bulutu oluşturur. Bu teknoloji sadece otonom araçlara mahsus değil, aynı zamanda tarım sektörü için mahsul hasat edebilen bir robot yaratmak gibi diğer robotik süreç otomasyonu işlerinde de kullanılıyor. Makinenin tam olarak ne gördüğünü bilmesi için 3 boyutlu nokta bulutuna da açıklama eklenmesi gerekecektir. Bu genellikle etiketleme, 3 boyutlu kutular ve anlamsal bölümleme gibi tekniklerle yapılır. Daha gelişmiş bir açıklama biçimi, aracın nesnenin mesafesini anlaması için 3 boyutlu nokta bulutunu renkle kodlamak olabilir.

LiDAR'ın çalışma şekli, çevresindeki tüm nesnelere bir ışık sinyali göndermesi ve ışığın geri dönmesinin ne kadar sürdüğüne bağlı olarak, yapay zekaya nesnenin ne kadar uzakta olduğunu anlamasını sağlamasıdır. Örneğin, 3B nokta bulutundaki zemin her zaman mavi olacaktır çünkü burası en alçak noktadır, ışık hızla yansır ve mavinin dalga boyu çok kısadır. Çevredeki binalardan biri, ne kadar uzakta olduğuna bağlı olarak kırmızı veya turuncu olabilir.

LiDAR'ın şehirdeki tek oyun olmadığını belirtmekte fayda var. Örneğin Tesla, yolun tam bir resmini bir araya getiren sekiz kameranın bir kombinasyonu olan Hidrant adlı bir şey kullanıyor. Waymo ve Voyage gibi diğer şirketler LiDAR kullanıyor. Tesla'nın LiDAR'dan kaçınmasının olası bir nedeni, çok hantal olması ve arabanın genel görünümünü bozmasıdır. Ne de olsa Tesla'lar çok pahalı ve sürücüler muhtemelen arabalarının tavanına dev bir kutunun oturmasını istemeyecekler. Waymo gibi robotaksi geliştiren şirketler, LiDAR kullanmaktan paçayı kurtarabilir.

Kaliteli Eğitim Verileri Neden Bu Kadar Önemli?

Kaliteli eğitim verilerine sahip olmak, sürücüsüz bir araba yaratmak için ihtiyaç duyduğunuz en önemli şeylerden biridir. Ancak sadece bu verileri elde etmek yeterli değildir. AI sisteminin bunlardan öğrenebilmesi için eğitim veri setlerinin veri ek açıklamaları aracılığıyla hazırlanması gerekir. Bu çok zaman alıcı ve meşakkatli bir süreç olsa da, tüm projenin başarısı buna bağlıdır. Ne de olsa, kendi kendine giden arabalar gelecek ve araba kazaları ve can kayıpları, çevre sorunları ve yollardaki tıkanıklıklar gibi yaşadığımız sorunların bazılarını azaltmamıza ve hatta ortadan kaldırmamıza potansiyel olarak yardımcı olabilir.