Введение

Самоуправляемые автомобили, как следует из названия, — это автомобили, которые ездят сами по себе без какого-либо водителя (было бы правильнее сказать, без какого-либо водителя-человека).

Прежде чем мы углубимся в эту тему и откроем поверхность этой удивительной технологии, которая очаровывала нас на протяжении десятилетий, давайте прочитаем формальное определение из Википедии.

« Самоуправляемый автомобиль , также известный как автономный автомобиль , автомобиль без водителя или роботизированный автомобиль ( робо-автомобиль ), — это автомобиль, способный передвигаться без участия человека».

Было бы более уместно использовать слово «автономный» и разделить автомобили на три основные категории:

· Неавтономный автомобиль

· Полуавтономный автомобиль

· Полностью автономные/беспилотные автомобили.

Задача вождения автомобиля требует интеллекта, а в автомобиле интеллект достигается с помощью ИИ (искусственного интеллекта). На рисунке этот интеллект представлен роботом

Неавтономный автомобиль: традиционный автомобиль, в котором у нас нет дополнительной помощи от роботов/ИИ. Все задачи (ускорение, торможение, вождение и т. д.) выполняет человек. Это представлено на рис.

Полуавтономный автомобиль: водитель-человек по-прежнему должен находиться за рулем; однако у вас есть некоторая помощь от ИИ/роботов. Например, автомобиль может понимать свое окружение и помогать в различных задачах, но большую часть принятия решений по-прежнему контролирует человек. Он может помочь в таких задачах, как парковка, самостоятельное вождение в определенном регионе, самостоятельная идентификация и смена полосы движения. Он может сам находиться на полосе движения, предупреждая водителя о невнимательности и т. д. На иллюстрации я представляю эту помощь. через робота, помогающего вам, как помощь. Это представлено на рис. б.

Автономный автомобиль: здесь водитель не за рулем, а машина выполняет все задачи сама. Фигура представлена ​​роботами, сидящими на колесе. Это представлено на рис. c. Фактическое представление беспилотных автомобилей представлено на рис. d.

Включение технологий

Будь то самоуправляемый автомобиль или человек, основная рабочая основа любой системы остается неизменной: она получает входные данные или получает стимул от окружающей среды, обрабатывает входные данные для производства знаний/информации, а затем действует на основе этих знаний. путем выполнения некоторых действий в окружающей среде.

Человеческая система

Давайте начнем с того, что представим себя и посмотрим, как мы функционируем в этом мире.

Получение входных данных (сенсоры): для сбора входных данных из окружающей среды нам потребуются датчики, которые передают информацию внутри нашей системы. Этот датчик для нас — наша знаменитая пятерка: глаза, уши, нос, язык и кожа.

Обработка входных данных (мозг): входные данные от различных органов чувств в виде зрения, звука, осязания, обоняния, осязания или их комбинации достигают нашего мозга, который дополнительно обрабатывает их и обеспечивает подходящее действие.

Выполнение действий (приводы): на основании решения, принятого вашим мозгом, вы предпринимаете определенные действия, которые могут быть физическими, вербальными или посредством выражений.

Представьте, что вы ведете машину, вы видите сцену своими глазами (датчик получает информацию из окружающей среды), и когда сигнал светофора становится красным, эта информация обрабатывается вашим мозгом, который затем дает вам указание остановиться. Это делается медленно, нажимая на тормоз ногами (действие выполняется в окружающей среде).

Давайте возьмем это объяснение и проведем аналогию с беспилотным автомобилем.

Беспилотные автомобили

Вход (датчики)

Многочисленные датчики в автомобиле помогают получать физические данные из окружающей среды. Диаграмма, представляющая различные датчики, показана ниже. Однако расположение, типы и количество этого датчика могут различаться в зависимости от конструкции производителя автомобиля.

Тремя наиболее важными датчиками, обеспечивающими автоматизированное вождение, являются камера, лидар и радар.

1. Камера: датчик камеры снимает изображения и видео в видимом свете или даже в инфракрасном диапазоне, в зависимости от используемой камеры. Датчик камеры служит глазом автомобиля и помогает получить много информации об окружающей среде, например, какие объекты присутствуют в сцене и где они расположены, чтобы можно было принимать соответствующие решения.
2. LiDAR: Light Detection and Ranging широко используются в беспилотных автомобилях, поскольку они обеспечивают полное 360-градусное 3D-изображение окружающей среды. Это работает путем сбора отраженных лазерных лучей от объектов. Излучаемые лазерные лучи безопасны и не видны человеческому глазу. Преимущество LiDAR перед камерой в том, что он может работать в любых погодных условиях, так как имеет свой источник света и не зависит от видимого света.
3. РАДАР: датчик радиообнаружения и определения дальности работает, излучая импульс радиочастотного сигнала, который отражается от объекта обратно к датчику. Разница во времени между излучаемым и принимаемым сигналом помогает оценить расстояние и местоположение объекта относительно других транспортных средств. Это дополняет датчик зрения в сценариях с плохой видимостью, таких как ночное вождение или плохие погодные условия. Он более надежен для измерения расстояния, скорости и дальности даже в плохих погодных условиях.

Пример сцены, снятой камерой, и лидар показан вместе с обнаруженными объектами с помощью алгоритма искусственного интеллекта.

Обработка (ИИ и оборудование):

ИИ (искусственный интеллект)

После того, как данные получены, они обрабатываются алгоритмами ИИ на различных мощных аппаратных компонентах. Хотя существуют различные алгоритмы ИИ, самым популярным алгоритмом ИИ в последнее время, который ускорил эту область, являются алгоритмы глубокого обучения.

Алгоритмы глубокого обучения — это искусственные нейронные сети, созданные на основе биологических нейронов и способные напрямую учиться на данных (это работает так же, как вы учите ребенка тому, что такое кошка и собака, показывая ему кошек и собак или их изображения). . Эти алгоритмы работают за счет разумного использования различных математических концепций в области линейной алгебры, вероятности, статистики и исчисления.

Один пример нейронных сетей и то, что они изучают, показан ниже.

Используются популярные алгоритмы глубокого обучения.

· Многослойный персептрон (полностью связанные нейронные сети).

· Сверточные нейронные сети.

· Рекуррентные нейронные сети.

· Обучение с подкреплением.

Аппаратное обеспечение (графические процессоры)

Мы не можем производить какой-либо продукт, если у нас нет надлежащего оборудования. Разработка мощных GPU (графических процессоров) для ИИ привела к появлению таких сложных алгоритмов.

Графические процессоры ранее использовались в играх для обработки изображений. В отличие от ЦП (центрального процессора), они способны к параллельной обработке, что помогает удовлетворить вычислительные потребности сложных алгоритмов ИИ.

Посмотрите эту потрясающую демонстрацию CPU vs GPU

Ниже показан один из графических процессоров от Nvidia.

Приводы

Прежде чем можно будет предпринять различные управляющие действия, есть еще один компонент под названием «Планирование маршрута», который планирует маршрут и траекторию движения автомобиля. Мы не обсуждаем это здесь.

Как только информация получена из данных датчика, алгоритмы ИИ изучают окружающую среду и определяют правильное действие, которое может быть правильным ускорением, торможением или направлением рулевого колеса.

Преимущества беспилотных автомобилей

Некоторые из преимуществ, которые могут дать беспилотные автомобили

· Будет уменьшено количество аварий, происходящих из-за человеческих ошибок (рассеянное вождение, вождение в нетрезвом виде и т.д.).

· Он может обеспечить безопасный и надежный способ передвижения для пожилых людей, больных или инвалидов.

· Это обеспечит лучшее регулирование дорожного движения.

· Это позволит оптимизировать потребление энергии и сократить выбросы.

· Это сэкономит много времени вождения.

Проблемы

Это преимущество беспилотного автомобиля является многообещающим и захватывающим, но оно сопряжено с множеством проблем, которые необходимо решить, прежде чем мы сможем увидеть полностью автономные автомобили на дорогах. Некоторые проблемы перечислены ниже

· Поскольку технология будет управляться сложными алгоритмами, она будет иметь много программного обеспечения и миллионы кодов, что представляет угрозу безопасности со стороны хакеров.

· Еще одна большая проблема будет этической и философской. Например, в случае аварий (хотя их будет меньше, вероятность не может быть устранена) кто будет виноват?

· Существуют различные поведенческие решения и коммуникация через выражения, сделанные людьми во время вождения, будет ли беспилотный автомобиль учитывать эти аспекты?

· Кроме того, стоимость этой технологии по-прежнему высока.

· Различные демографические регионы будут иметь различные проблемы. Например, сценарий вождения в Индии и Америке отличается.

· Разработка экосистемы, в которой бесчисленное количество беспилотных автомобилей работают и взаимодействуют друг с другом и с окружающей средой, также будет сложной задачей.

Заключение

Это был всего лишь краткий обзор этой волшебной технологии, которая покоится на плече какой-то удивительной и интересной науки и техники. Существует множество реальных испытаний полуавтономных и полностью автономных транспортных средств, проводимых несколькими компаниями, которые полны решимости вывести их на дороги.

Если вы найдете мои статьи полезными и захотите их поддержать — купите мне кофе