ভিডিও: এমআইটি বিজ্ঞানীরা অটোপাইলটকে আরও মানুষের মতো করে তোলে

মানুষের মতো সিদ্ধান্ত নিতে পারে এমন স্ব-চালিত গাড়ি তৈরি করা Waymo, GM Cruise, Uber এবং অন্যান্য কোম্পানিগুলির দীর্ঘস্থায়ী লক্ষ্য। Intel Mobileye একটি দায়বদ্ধতা-সংবেদনশীল নিরাপত্তা (RSS) গাণিতিক মডেল অফার করে, যা কোম্পানি একটি "সাধারণ জ্ঞান" পদ্ধতি হিসাবে বর্ণনা করে যা অটোপাইলটকে "ভাল" উপায়ে আচরণ করার জন্য প্রোগ্রামিং দ্বারা চিহ্নিত করা হয়, যেমন অন্য গাড়িগুলিকে পথের অধিকার দেওয়া . অন্যদিকে, NVIDIA সক্রিয়ভাবে সেফটি ফোর্স ফিল্ড তৈরি করছে, একটি সিস্টেম-ভিত্তিক সিদ্ধান্ত নেওয়ার প্রযুক্তি যা রিয়েল টাইমে গাড়ির সেন্সর থেকে ডেটা বিশ্লেষণ করে আশেপাশের রাস্তা ব্যবহারকারীদের অনিরাপদ ক্রিয়াকলাপ নিরীক্ষণ করে। এখন ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজি (এমআইটি) এর একদল বিজ্ঞানী এই গবেষণায় যোগ দিয়েছেন এবং গাড়িতে ইনস্টল করা ক্যামেরা থেকে প্রাপ্ত জিপিএস-এর মতো মানচিত্র এবং ভিজ্যুয়াল ডেটা ব্যবহারের উপর ভিত্তি করে একটি নতুন পদ্ধতির প্রস্তাব করেছেন যাতে অটোপাইলট অজানা পথে নেভিগেট করতে পারে। একটি ব্যক্তির মত রাস্তা.

লোকেরা এমন রাস্তায় গাড়ি চালানোর ক্ষেত্রে অসাধারণভাবে পারদর্শী যে তারা আগে কখনও যায়নি। আমরা কোথায় আছি এবং কোথায় যেতে হবে তা নির্ধারণ করতে আমরা আমাদের চারপাশে যা দেখি তার সাথে আমরা আমাদের জিপিএস ডিভাইসে যা দেখি তা তুলনা করি। অন্যদিকে, স্ব-চালিত গাড়িগুলি রাস্তার অজানা অংশগুলিতে নেভিগেট করা অত্যন্ত কঠিন বলে মনে করে। প্রতিটি নতুন অবস্থানের জন্য, অটোপাইলটকে নতুন রুটটি সাবধানে বিশ্লেষণ করতে হবে এবং প্রায়শই স্বয়ংক্রিয় নিয়ন্ত্রণ ব্যবস্থা জটিল 3D মানচিত্রের উপর নির্ভর করে যা সরবরাহকারীরা তাদের জন্য আগে থেকেই প্রস্তুত করে।

রোবোটিক্স এবং অটোমেশনের আন্তর্জাতিক সম্মেলনে এই সপ্তাহে উপস্থাপিত একটি গবেষণাপত্রে, এমআইটি গবেষকরা একটি স্বায়ত্তশাসিত ড্রাইভিং সিস্টেম বর্ণনা করেছেন যা "শেখায়" এবং একটি মানব ড্রাইভারের সিদ্ধান্ত নেওয়ার ধরণগুলি মনে রাখে যখন তারা শুধুমাত্র ডেটা ব্যবহার করে একটি ছোট শহরের এলাকায় রাস্তাগুলি নেভিগেট করে৷ ভিডিও থেকে ক্যামেরা এবং একটি সাধারণ জিপিএস-এর মতো মানচিত্র। প্রশিক্ষিত অটোপাইলট তখন চালকবিহীন গাড়িটিকে সম্পূর্ণ নতুন স্থানে চালাতে পারে, মানুষের ড্রাইভিং অনুকরণ করে।

ঠিক একজন মানুষের মতো, অটোপাইলটও তার মানচিত্র এবং রাস্তার বৈশিষ্ট্যগুলির মধ্যে কোনো অসঙ্গতি সনাক্ত করে। এটি সিস্টেমটিকে রাস্তা, সেন্সর বা মানচিত্রের অবস্থান ভুল কিনা তা নির্ধারণ করতে সহায়তা করে যাতে এটি গাড়ির গতিপথ সংশোধন করতে পারে।

প্রাথমিকভাবে সিস্টেমটি প্রশিক্ষণের জন্য, একজন মানব অপারেটর একটি স্বয়ংক্রিয় টয়োটা প্রিয়াস চালনা করে যা একাধিক ক্যামেরা এবং একটি মৌলিক জিপিএস নেভিগেশন সিস্টেম সহ স্থানীয় শহরতলির রাস্তাগুলি থেকে বিভিন্ন রাস্তার কাঠামো এবং বাধা সহ ডেটা সংগ্রহ করে। সিস্টেমটি তখন স্বায়ত্তশাসিত যানবাহন পরীক্ষা করার উদ্দেশ্যে অন্য বনাঞ্চলে একটি পূর্ব-পরিকল্পিত রুট বরাবর গাড়িটিকে সফলভাবে চালিত করে।

এমআইটি স্নাতক ছাত্র, অধ্যয়নের লেখক আলেকজান্ডার আমিনি বলেছেন, "আমাদের সিস্টেমের সাথে, আপনাকে প্রতিটি রাস্তায় আগে থেকে প্রশিক্ষণ নিতে হবে না।" "আপনি আপনার গাড়ির জন্য একটি নতুন মানচিত্র ডাউনলোড করতে পারেন যাতে এটি আগে কখনো দেখা যায়নি এমন রাস্তায় নেভিগেট করতে পারেন।"

"আমাদের লক্ষ্য হল স্বায়ত্তশাসিত নেভিগেশন তৈরি করা যা নতুন পরিবেশে গাড়ি চালানোর জন্য স্থিতিস্থাপক," সহ-লেখক ড্যানিয়েলা রাস যোগ করেন, কম্পিউটার সায়েন্স অ্যান্ড আর্টিফিশিয়াল ইন্টেলিজেন্স ল্যাবরেটরি (CSAIL) এর পরিচালক৷ "উদাহরণস্বরূপ, যদি আমরা কেমব্রিজের রাস্তায় শহুরে পরিবেশে চালানোর জন্য একটি স্বায়ত্তশাসিত যানবাহনকে প্রশিক্ষণ দিই, তবে সিস্টেমটি অবশ্যই একটি বনে নির্বিঘ্নে গাড়ি চালাতে সক্ষম হবে, এমনকি যদি এটি এমন পরিবেশ আগে কখনও দেখেনি।"

ঐতিহ্যগত নেভিগেশন সিস্টেমগুলি স্থানীয়করণ, ম্যাপিং, অবজেক্ট সনাক্তকরণ, গতি পরিকল্পনা এবং স্টিয়ারিংয়ের মতো কাজের জন্য কনফিগার করা একাধিক মডিউলের মাধ্যমে সেন্সর ডেটা প্রক্রিয়া করে। কয়েক বছর ধরে, ড্যানিয়েলার গ্রুপ এন্ড-টু-এন্ড নেভিগেশন সিস্টেম তৈরি করছে যা সেন্সর ডেটা প্রক্রিয়া করে এবং কোনো বিশেষ মডিউলের প্রয়োজন ছাড়াই গাড়ি নিয়ন্ত্রণ করে। এখন অবধি, তবে, এই মডেলগুলি কোনও আসল উদ্দেশ্য ছাড়াই রাস্তায় নিরাপদ ভ্রমণের জন্য কঠোরভাবে ব্যবহার করা হয়েছে। নতুন কাজে, গবেষকরা পূর্বে অজানা পরিবেশে লক্ষ্য-থেকে-গন্তব্য আন্দোলনের জন্য তাদের এন্ড-টু-এন্ড সিস্টেমকে পরিমার্জিত করেছেন। এটি করার জন্য, বিজ্ঞানীরা তাদের অটোপাইলটকে প্রশিক্ষণ দিয়েছিলেন যে কোনও সময় গাড়ি চালানোর সময় সমস্ত সম্ভাব্য নিয়ন্ত্রণ কমান্ডের জন্য সম্পূর্ণ সম্ভাব্যতা বিতরণের পূর্বাভাস দিতে।

সিস্টেমটি একটি কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (CNN) নামে একটি মেশিন লার্নিং মডেল ব্যবহার করে, যা সাধারণত চিত্র সনাক্তকরণের জন্য ব্যবহৃত হয়। প্রশিক্ষণের সময়, সিস্টেমটি একজন মানব চালকের ড্রাইভিং আচরণ পর্যবেক্ষণ করে। সিএনএন রাস্তার বক্রতার সাথে স্টিয়ারিং হুইল বাঁকগুলির সাথে সম্পর্কযুক্ত, যা এটি ক্যামেরার মাধ্যমে এবং তার ছোট মানচিত্রে পর্যবেক্ষণ করে। ফলস্বরূপ, সিস্টেমটি বিভিন্ন ড্রাইভিং পরিস্থিতিতে, যেমন সোজা রাস্তা, চারমুখী ছেদ বা টি-জংশন, কাঁটাচামচ এবং বাঁকগুলির জন্য সম্ভাব্য স্টিয়ারিং কমান্ডগুলি শিখে।

"প্রাথমিকভাবে, একটি টি-চৌরাস্তায়, একটি গাড়ি ঘুরতে পারে এমন অনেকগুলি ভিন্ন দিক রয়েছে," রাস বলেছেন। "মডেলটি এই সমস্ত দিকগুলি সম্পর্কে চিন্তা করে শুরু হয়, এবং সিএনএন রাস্তার নির্দিষ্ট পরিস্থিতিতে লোকেরা কী করছে সে সম্পর্কে আরও বেশি ডেটা পায়, এটি দেখতে পাবে যে কিছু ড্রাইভার বাম দিকে ঘুরছে এবং অন্যরা ডানদিকে ঘুরছে, কিন্তু কেউ সরাসরি যায় না। . সোজা সামনে একটি সম্ভাব্য দিক হিসাবে বাতিল করা হয়েছে, এবং মডেলটি উপসংহারে পৌঁছেছে যে টি-জংশনে এটি কেবল বাম বা ডানদিকে যেতে পারে।"

গাড়ি চালানোর সময়, সিএনএন ক্যামেরা থেকে ভিজ্যুয়াল রাস্তার বৈশিষ্ট্যগুলিও বের করে, যা এটি সম্ভাব্য রুট পরিবর্তনের পূর্বাভাস দিতে দেয়। উদাহরণস্বরূপ, এটি একটি লাল স্টপ সাইন বা রাস্তার পাশে একটি ভাঙা লাইনকে একটি আসন্ন সংযোগস্থলের চিহ্ন হিসাবে চিহ্নিত করে৷ প্রতিটি মুহূর্তে, এটি সবচেয়ে সঠিক কমান্ড নির্বাচন করতে নিয়ন্ত্রণ কমান্ডের পূর্বাভাসিত সম্ভাব্যতা বিতরণ ব্যবহার করে।

এটি লক্ষ্য করা গুরুত্বপূর্ণ যে, গবেষকদের মতে, তাদের অটোপাইলট মানচিত্র ব্যবহার করে যা সংরক্ষণ এবং প্রক্রিয়া করা অত্যন্ত সহজ। স্বায়ত্তশাসিত নিয়ন্ত্রণ ব্যবস্থা সাধারণত লিডার মানচিত্র ব্যবহার করে, যা শুধুমাত্র সান ফ্রান্সিসকো শহরে সংরক্ষণ করতে প্রায় 4000 GB ডেটা গ্রহণ করে। প্রতিটি নতুন গন্তব্যের জন্য, গাড়িটিকে অবশ্যই নতুন মানচিত্র ব্যবহার করতে হবে এবং তৈরি করতে হবে, যার জন্য প্রচুর পরিমাণে মেমরির প্রয়োজন। অন্যদিকে, নতুন অটোপাইলট দ্বারা ব্যবহৃত মানচিত্রটি সমগ্র বিশ্বকে কভার করে যখন মাত্র 40 গিগাবাইট ডেটা দখল করে।

স্বায়ত্তশাসিত ড্রাইভিংয়ের সময়, সিস্টেমটি ক্রমাগত তার ভিজ্যুয়াল ডেটাকে মানচিত্রের ডেটার সাথে তুলনা করে এবং কোনও অসঙ্গতিকে ফ্ল্যাগ করে। এটি স্বায়ত্তশাসিত গাড়িটিকে রাস্তায় কোথায় রয়েছে তা আরও ভালভাবে নির্ধারণ করতে সহায়তা করে। এবং এটি নিশ্চিত করে যে গাড়িটি পরস্পরবিরোধী ইনপুট তথ্য পেলেও নিরাপদ পথেই থাকবে: যদি বলুন, গাড়িটি কোনো বাঁক ছাড়াই সোজা রাস্তায় ভ্রমণ করছে, এবং GPS নির্দেশ করে যে গাড়িটি ডানদিকে ঘুরতে হবে, গাড়িটি জানতে পারবে সোজা যেতে বা থামতে

"বাস্তব জগতে, সেন্সর ব্যর্থ হয়," আমিনি বলে৷ "আমরা নিশ্চিত করতে চাই যে আমাদের অটোপাইলট একটি সিস্টেম তৈরি করে বিভিন্ন সেন্সর ব্যর্থতার জন্য স্থিতিস্থাপক হয় যা কোনো শব্দ সংকেত গ্রহণ করতে পারে এবং এখনও সঠিকভাবে রাস্তাটি নেভিগেট করতে পারে।"

উত্স: 3dnews.ru