Neden Otomatik Sürüş Araçları Gelecek ve Nasıl Üretiliyorlar?

Dünya genelinde几乎 tüm bölgelerde uygulanan son uyarlanabilir karantina önlemlerinin ardından, hava yolu taşımacılığı, toplu taşıma ve birçok diğer sektör 2020 yılında gerçekten büyük bir darbe aldı. Ancak, otomotiv dünyası ve özellikle otonom araçlar, bu zorlu dönemde artan bir dirence gösterdiler. Aslında, Ford gibi şirketler, elektrikli ve otomatik sürüş araçlarının geliştirilmesine 29 milyar dolar ayırarak son yılın dördüncü çeyreğinde yatırımlarını artırdılar. Özellikle, bu paranın 7 milyar doları otomatik sürüş araçlarının geliştirilmesine gidecek. Böylece Ford, General Motors, Tesla, Baidu ve diğer otomobil üreticileri gibi şirketler, otonom araçlara ağır yatırım yapıyorlar. Bu makalede, şirketlerin neden otomatik sürüş araçlarına yatırım yaptıklarını ve bu araçları güçlendirerek makine öğrenimi algoritmalarının nasıl eğitildiğini anlatacağız.

Neden Çok Şirketi Otomatik Sürüş Araçlarına Yatırım Yapıyor?

Otonom araçların sunduğu tüm faydaları incelediğimizde, neden bu kadar çok şirketin geliştirilmesine yatırım yaptığını anlamak kolaydır. Sürücüler, pahalı sigorta planlarına ödeme yapmak zorunda kalmayacakları için daha fazla para tasarruf edebilecekler, günlük yolculuklarını hızlandırabilecekler, yakıt ekonomisini iyileştirebilecekler ve birçok başka fayda sağlayabilecekler. Şirketler için bu tür bir otomasyon, daha büyük tasarruflar için kapıları açar. Bunun mükemmel bir örneği, işletme maliyetlerini %45 oranında azaltabilecek otonom uzun mesafe kamyonculuğudur, bu da McKinsey & Company tarafından yapılan bir rapora göre.

Ana faydaların başında artan güvenlik geliyor. NHTSA’ya göre, %94’ü ciddi kazalar insan hatasından kaynaklanmaktadır. Otomatik sürüş araçları, herhangi bir sürücü girdisi gerektirmediği ve her zaman 360 derecelik görüş açısına sahip olduğu için kazaların sayısını önemli ölçüde azaltabilir. Ayrıca, gelişmiş sürücü güvenlik sistemleri (ADAS), tehlikeli durumlar gibi frenleme ve direksiyon gibi güvenlik açısından kritik fonksiyonları devralabilir. Toplum için otonom araçların sunduğu birçok ek değer vardır, örneğin azaltılmış emisyonlar. Aslında, temel bir durumda, enerji ve sera gazı emisyonlarında, geleneksel bir araçla karşılaştırıldığında aracın tüm yaşam döngüsünde %9’luk bir azalma gösterildi. Şimdi, otonom araçların sunduğu tüm faydaları bildiğimize göre, onları çevrelerindeki dünyayı tanımaya nasıl eğittiğimize bir göz atalım.

Otonom Araçlar Nasıl Çalışır ve Nasıl Gerçekleşebilirler

Bir otonom araç, yoldaki kurallara uymak için çeşitli trafik işaretlerini, yol işaretlerini, diğer araçları ve yayaları ve sayısız başka nesneyi tanımak zorundadır. Bu AI araçları, her türlü sürüş durumlarında ne yapılması gerektiğini “hesaplamak” için makine öğrenimine güvenir. Başlangıç için basit bir örnek verelim. Bir kişi, işe gitmek için otonom aracında otoyolda sürüyor. Araç, posted hız limitini doğru bir şekilde tanımlamak, önündeki araca güvenli bir mesafe korumak ve bir konut bölgesine girdiğinde, yayaları tanımlamak ve onlara yol vermelidir.

Bu, çeşitli tekniklerle, etiketleme ve anlamsal segmentasyon arasında değişen, binlerce ve binlerce görüntünün etiketlenmesini gerektirir. Aslında, Mindy Support’un CEO’su Evgenia Khimenko, otomotiv sektörü için veri etiketleme hizmetleri sağlayan bir şirket, otonom araçları diğer sürücülerin davranışlarını tanımaya eğitmek için videolardaki yüz tanıma gibi, otomotiv endüstrisi için çok çeşitli veri etiketleme projelerinin mümkün olduğunu söylüyor:

“Bu projeler, video etiketleme ve anotasyon yoluyla aracın hareketini ve yönünü tespit etmek için (545 milyondan fazla görüntü dizisini anotladık), diğer sürücülerin yol上的 davranışlarını tanımlamak için videolardaki yüz tanıma gibi projeleri içerir. Bir başka karmaşık ses anotasyon görevi, aracın içindeki insan konuşmasını ve arka plan gürültüsünü (radyo, gülme, bağırma, şarkı söyleme, hayvanlar ve hatta sessizlik) etiketlemek ve zaman damgasını belirlemek zorunda kaldığımız zaman oldu”.

Karmaşık bir senaryo düşünün. Otonom araç, bir konut mahallesinde sürüyor ve yolun karşı tarafında bekleyen skateboard’ları olan gençler var. Kurallara göre, araca öncelik veriliyor, ancak gençlerin yeşil ışık yanana kadar beklemeyecekleri ve yoldan önceden geçmeye çalışacakları yüksek bir olasılık var. Bir insan sürücü, böyle bir riskten haberdar olacak ve böyle bir olayı öngörerek yavaşlayacak, ancak bir makine için bu çok zor bir hesap olacaktır. Bu, araştırmacıların otonom araçlarla almaya çalıştığı sonraki adımdır ve basitçe daha fazla anotasyonlu veri, cevabı olabilir.

Otonom Araçlar Fiziksel Dünyayı Nasıl Görür?

Otonom araçlar, çevrelerindeki dünyayı görmelerine yardımcı olmak için LiDAR teknolojisine güvenir. LiDAR, AI sisteminin dünyayı nasıl gördüğünün dijital bir temsilini oluşturan 3D nokta bulutu oluşturur. Bu teknoloji, yalnızca otonom araçlarla sınırlı değildir, aynı zamanda tarım sektöründe mahsul hasat etmek için bir robota sahip olmak gibi diğer robotik işlem otomasyon işleri için de kullanılır. 3D nokta bulutunun da, makinenin tam olarak ne gördüğünü bilmesi için anotlanması gerekir. Bu genellikle etiketleme, 3D kutular ve anlamsal segmentasyon gibi tekniklerle yapılır. 3D nokta bulutunu renklendirmek için daha gelişmiş bir anotasyon yöntemi, aracın nesnenin uzaklığını anlamasını sağlar.

LiDAR’ın çalışması, bir sinyal ışığını çevredeki tüm nesnelere göndermesiyle gerçekleşir ve ışığın geri dönmesi ne kadar sürerse, AI’a nesnenin ne kadar uzakta olduğu hakkında bir anlayış sağlar. Örneğin, 3D nokta bulutundaki zemin her zaman mavi olacaktır, çünkü en alçak noktadır, ışık nhanh bir şekilde geri dönecek ve mavi çok kısa bir dalga boyuna sahiptir. Çevredeki bir bina, ne kadar uzakta olduğuna bağlı olarak kırmızı veya turuncu olabilir.

LiDAR’ın tek seçenek olmadığı unutulmamalıdır. Örneğin, Tesla, yoldaki tam bir resmi birleştirmek için sekiz kameranın bir kombinasyonunu kullanan Hydrant adlı bir şeyi kullanır. Diğer şirketler, Waymo ve Voyage, LiDAR kullanır. Tesla’nın LiDAR’dan kaçınabileceği bir neden, çok hantal olması ve aracın genel görünümünü bozmaktır. after all, Teslas çok pahalıdır ve sürücüler muhtemelen arabalarının üstünde büyük bir kutu istemeyecektir. Waymo gibi robotaksi geliştiren şirketler, LiDAR kullanabilir.

Neden Kaliteli Eğitim Verileri Çok Önemlidir?

Kaliteli eğitim verilerine sahip olmak, bir otonom araç oluşturmak için sahip olmanız gereken en önemli şeylerden biridir. Ancak, bu verileri sadece elde etmek yeterli değildir. Eğitim veri kümelerinin, AI sisteminin onlardan öğrenmesini sağlamak için veri anotasyonu yoluyla hazırlanması gerekir. Bu, çok zaman alan ve monoton bir işlemdir, ancak tüm projenin başarısı buna bağlıdır. Sonuçta, otonom araçlar gelecektir ve araba kazaları ve ölümleri, çevresel sorunları ve yollardaki tıkanıklığı azaltma veya ortadan kaldırma konusunda bize yardımcı olabilir.