Otonom Aracın Gözlerini Seçmek: Sensörler, Stratejiler ve Ödünlerin Savaşı

2030 yılına kadar otonom araç pazarı bekleniyor 2.2 trilyon doları aşacak ve milyonlarca araba yapay zeka ve gelişmiş sensör sistemleri kullanarak yollarda seyredecek. Ancak bu hızlı büyümenin ortasında temel bir tartışma hala çözülememiş durumda: otonom sürüş için hangi sensörler en uygunudur — lidarlar, kameralar, radarlar veya tamamen yeni bir şey?

Bu soru akademik olmaktan uzaktır. Sensör seçimi güvenlik ve performanstan maliyet ve enerji verimliliğine kadar her şeyi etkiler. Waymo gibi bazı şirketler yedeklilik ve çeşitliliğe güvenerek araçlarını tam bir lidar, kamera ve radar takımıyla donatır. Tesla gibi diğerleri ise daha minimalist ve maliyet açısından etkili bir yaklaşım benimseyerek kameralara ve yazılım inovasyonuna büyük ölçüde güvenir.

Bu farklı stratejileri, karşılaştıkları teknik paradoksları ve kararlarını yönlendiren iş mantığını inceleyelim.

Daha Akıllı Makineler Neden Daha Akıllı Enerji Çözümleri Gerektirir?

Bu gerçekten önemli bir konu. 2013'te drone ile ilgili bir girişim başlattığımda benzer bir ikilemle karşı karşıya kalmıştım. İnsan hareketini takip edebilen drone'lar yaratmaya çalışıyorduk. O zamanlar fikir öndeydi, ancak kısa sürede teknik bir paradoks olduğu anlaşıldı.

Bir İHA'nın bir nesneyi takip edebilmesi için sensör verilerini analiz etmesi gerekir; bu da hesaplama gücü, yani yerleşik bir bilgisayar gerektirir. Ancak, bilgisayar ne kadar güçlü olursa, enerji tüketimi de o kadar yüksek olur. Dolayısıyla, daha yüksek kapasiteli bir bataryaya ihtiyaç duyulur. Ancak, daha büyük bir batarya İHA'nın ağırlığını artırır ve daha fazla ağırlık daha fazla enerji gerektirir. Bu da kısır bir döngüye yol açar: artan güç talebi, daha yüksek enerji tüketimine, ağırlığa ve nihayetinde maliyete yol açar.

Aynı sorun otonom araçlar için de geçerli. Bir yandan, mümkün olduğunca çok veri toplamak, senkronize etmek ve en doğru kararları vermek için aracı mümkün olan tüm sensörlerle donatmak istiyorsunuz. Diğer yandan, bu durum sistemin maliyetini ve enerji tüketimini önemli ölçüde artırıyor. Sadece sensörlerin maliyetini değil, aynı zamanda verilerini işlemek için gereken enerjiyi de hesaba katmak önemli.

Veri miktarı artıyor ve hesaplama yükü büyüyor. Elbette, zamanla, hesaplama sistemleri daha kompakt ve enerji açısından daha verimli hale geldi ve yazılımlar daha optimize hale geldi. 1980'lerde, 10x10 piksellik bir görüntüyü işlemek saatler sürebilirdi; bugün, sistemler 4K videoyu gerçek zamanlı olarak analiz ediyor ve aşırı enerji tüketmeden cihazda ek hesaplamalar gerçekleştiriyor. Ancak, performans ikilemi hala devam ediyor ve AV şirketleri yalnızca sensörleri değil, aynı zamanda hesaplama donanımlarını ve optimizasyon algoritmalarını da geliştiriyor.

İşleme mi, Algılama mı?

Sistemin hangi verileri atacağına karar vermesi gereken performans sorunları, LiDAR, kamera veya radar sensörlerindeki sorunlardan ziyade, hesaplama kısıtlamalarından kaynaklanmaktadır. Bu sensörler, aracın gözleri ve kulakları gibi çalışarak sürekli olarak büyük miktarda çevresel veri toplar. Ancak, yerleşik bilgi işlem "beyni" tüm bu bilgileri gerçek zamanlı olarak işleyecek işlem gücüne sahip değilse, bunaltıcı hale gelir. Sonuç olarak, sistem belirli veri akışlarını diğerlerine göre önceliklendirmek ve belirli durumlarda daha yüksek öncelikli görevlere odaklanmak için bazı nesneleri veya sahneleri göz ardı etmek zorunda kalır.

Bu hesaplama darboğazı, sensörler kusursuz çalışsa ve güvenilirliği sağlamak için genellikle yedekli olsalar bile, aracın tüm verileri etkili bir şekilde işlemekte zorlanabileceği anlamına gelir. Bu bağlamda sensörleri suçlamak uygun değildir, çünkü sorun veri işleme kapasitesinde yatmaktadır. Hesaplama donanımını geliştirmek ve algoritmaları optimize etmek, bu zorlukları azaltmak için önemli adımlardır. Otonom araçlar, sistemin büyük veri hacimlerini işleme yeteneğini iyileştirerek kritik bilgilerin gözden kaçma olasılığını azaltabilir ve bu da daha güvenli ve daha güvenilir operasyonlara yol açabilir.

Lidar, Kamera ve Radar Sistemleri: Artıları ve Eksileri

Bir sensör tipinin diğerinden daha iyi olduğunu söylemek imkansızdır — her biri kendi amacına hizmet eder. Sorunlar, belirli bir görev için uygun sensörün seçilmesiyle çözülür.

LiDAR, hassas 3D haritalama sunarken pahalıdır ve lazer sinyallerini dağıtabilen yağmur ve sis gibi olumsuz hava koşullarında zorluk çeker. Ayrıca yoğun verilerini işlemek için önemli miktarda hesaplama kaynağı gerektirir.

Kameralar, maliyet açısından uygun olsalar da, ışık koşullarına oldukça bağımlıdırlar ve düşük ışıkta, parlamada veya hızlı ışık değişimlerinde kötü performans gösterirler. Ayrıca, içsel derinlik algısından yoksundurlar ve lens üzerindeki kir, yağmur veya kar gibi engellerle mücadele ederler.

Radar, çeşitli hava koşullarında nesneleri tespit etmede güvenilirdir, ancak düşük çözünürlüğü küçük veya yakın aralıklı nesneler arasında ayrım yapmayı zorlaştırır. Genellikle yanlış pozitifler üretir, gereksiz tepkileri tetikleyebilecek alakasız öğeleri tespit eder. Ayrıca, radar kameraların aksine bağlamı çözemez veya nesneleri görsel olarak tanımlamaya yardımcı olamaz.

Sensör füzyonundan yararlanarak (LiDAR, radar ve kameralardan gelen verileri birleştirerek) bu sistemler, çevreleri hakkında daha bütünsel ve doğru bir anlayış elde ediyor ve bu da hem güvenliği hem de gerçek zamanlı karar almayı geliştiriyor. Keymakr'Önde gelen ADAS geliştiricileriyle işbirliğimiz, bu yaklaşımın sistem güvenilirliği için ne kadar kritik olduğunu göstermiştir. Model eğitimi ve iyileştirmesini desteklemek için sürekli olarak çeşitli, yüksek kaliteli veri kümeleri üzerinde çalıştık.

Waymo VS Tesla: İki Otonom Vizyonun Hikayesi

AV'de, Tesla ve Waymo kadar çok tartışmaya yol açan çok az karşılaştırma vardır. Her ikisi de mobilitenin geleceğine öncülük ediyor — ancak kökten farklı felsefelerle. Peki, bir Waymo arabası neden sensörlerle dolu bir uzay gemisine benziyor da Tesla neredeyse hiç harici sensörden yoksun görünüyor?

Waymo aracına bir göz atalım. Otonom sürüş için modifiye edilmiş bir Jaguar temel modeli. Tavanında düzinelerce sensör bulunuyor: lidarlar, kameralar, dönen lazer sistemleri (sözde "spinner'lar") ve radarlar. Gerçekten de çok sayıda sensör var: aynalardaki kameralar, ön ve arka tamponlardaki sensörler, uzun menzilli görüş sistemleri - bunların hepsi senkronize çalışıyor.

Böyle bir araç kaza yaparsa, mühendislik ekibi eksik bilgileri toplamak için yeni sensörler ekler. Yaklaşımları, mevcut teknolojilerin maksimum sayısını kullanmaktır.

Peki Tesla neden aynı yolu izlemiyor? Başlıca nedenlerden biri Tesla'nın henüz Robotaxi'sini piyasaya sürmemiş olmasıdır. Ayrıca, yaklaşımları maliyet minimizasyonu ve inovasyona odaklanmaktadır. Tesla, lidarların yüksek maliyetleri nedeniyle pratik olmadığına inanmaktadır: Bir RGB kameranın üretim maliyeti yaklaşık 3 dolardır, oysa bir lidar 400 dolar veya daha fazlaya mal olabilir. Dahası, lidarlar mekanik parçalar içerir - dönen aynalar ve motorlar - bu da onları arızaya ve değiştirmeye daha yatkın hale getirir.

Kameralar ise aksine statiktir. Hareketli parçaları yoktur, çok daha güvenilirdir ve kasa bozulana veya lens soluklaşana kadar onlarca yıl boyunca çalışabilirler. Dahası, kameraların bir arabanın tasarımına entegre edilmesi daha kolaydır: gövdenin içine gizlenebilir, neredeyse görünmez hale getirilebilirler.

Üretim yaklaşımları da önemli ölçüde farklılık gösterir. Waymo, sensörlerin monte edildiği mevcut bir platformu (üretim Jaguar) kullanır. Başka seçenekleri yoktur. Öte yandan Tesla, araçları sıfırdan üretir ve sensörlerin gövdeye entegrasyonunu baştan planlayabilir, böylece görüş alanından gizlenebilir. Resmen, özelliklerde listelenecekler ancak görsel olarak neredeyse fark edilmeyecekler.

Tesla şu anda aracın etrafında sekiz kamera kullanıyor — önde, arkada, yan aynalarda ve kapılarda. Ek sensörler kullanacaklar mı? Öyle olduğuna inanıyorum.

Waymo araçlarını da kullanmış bir Tesla sürücüsü olarak deneyimime dayanarak, lidar teknolojisinin Tesla'nın Tam Otonom Sürüş sistemini iyileştireceğine inanıyorum. Bana öyle geliyor ki, Tesla'nın FSD'si şu anda sürüş sırasında biraz isabetlilikten yoksun. Lidar teknolojisinin eklenmesi, yoğun güneş parlaması, havadaki toz veya sis gibi zorlu koşullarda yol alma kabiliyetini artırabilir. Bu iyileştirme, sistemi yalnızca kameralara güvenmeye kıyasla daha güvenli ve güvenilir hale getirebilir.

Ancak iş perspektifinden bakıldığında, bir şirket kendi teknolojisini geliştirdiğinde rekabet avantajını hedefler - teknolojik bir üstünlük. Çok daha verimli ve ucuz bir çözüm yaratabilirse, pazar hakimiyetinin kapısını açar.

Tesla bu mantığı izliyor. Musk, Volkswagen veya Baidu gibi önemli ilerlemeler kaydeden diğer şirketlerin yolunu izlemek istemiyor. Eski arabalara takılan Mobileye ve iSight gibi sistemler bile halihazırda makul bir otonomi gösteriyor.

Ancak Tesla benzersiz olmayı hedefliyor ve bu iş mantığıdır. Eğer radikal olarak daha iyi bir şey sunmazsanız, pazar sizi seçmeyecektir.