भिडियो: एमआईटी वैज्ञानिकहरूले अटोपायलटलाई मानवजस्तै बनाए

मानवजस्तै निर्णय गर्न सक्ने सेल्फ ड्राइभिङ कारहरू निर्माण गर्नु वामो, जीएम क्रुज, उबर र अन्य जस्ता कम्पनीहरूको लामो समयदेखिको लक्ष्य हो। Intel Mobileye ले एक जिम्मेवारी-संवेदनशील सुरक्षा (RSS) गणितीय मोडेल प्रदान गर्दछ, जसलाई कम्पनीले "सामान्य ज्ञान" दृष्टिकोणको रूपमा वर्णन गर्दछ जुन अटोपाइलटलाई "राम्रो" तरिकामा व्यवहार गर्न प्रोग्रामिङद्वारा विशेषता गरिन्छ, जस्तै अन्य कारहरूलाई बाटोको अधिकार दिने। । अर्कोतर्फ, NVIDIA ले सक्रिय रूपमा सेफ्टी फोर्स फिल्ड विकास गरिरहेको छ, एक प्रणाली-आधारित निर्णय-निर्धारण प्रविधि जसले वास्तविक समयमा सवारी साधन सेन्सरहरूबाट डेटा विश्लेषण गरेर वरपरका सडक प्रयोगकर्ताहरूको असुरक्षित कार्यहरूको निगरानी गर्दछ। अब म्यासाचुसेट्स इन्स्टिच्युट अफ टेक्नोलोजी (एमआईटी) का वैज्ञानिकहरूको समूहले यस अनुसन्धानमा सामेल भएको छ र कारमा जडान गरिएका क्यामेराहरूबाट प्राप्त जीपीएस-जस्तो नक्सा र भिजुअल डेटाको प्रयोगमा आधारित नयाँ दृष्टिकोण प्रस्ताव गरेको छ ताकि अटोपाइलटले अज्ञात स्थानमा नेभिगेट गर्न सकून्। एक व्यक्ति जस्तै सडक। बाटो।

मानिसहरू पहिले कहिल्यै नदेखिएका सडकहरूमा कारहरू चलाउनमा असाधारण रूपमा राम्रो छन्। हामी कहाँ छौं र हामी कहाँ जानुपर्छ भनेर निर्धारण गर्न हामीले हाम्रो वरिपरि के देख्छौं भनेर तुलना गर्छौं। अर्कोतर्फ, सेल्फ ड्राइभिङ कारहरूलाई सडकको अज्ञात भागहरू नेभिगेट गर्न अत्यन्तै गाह्रो लाग्छ। प्रत्येक नयाँ स्थानको लागि, अटोपाइलटले नयाँ मार्गलाई सावधानीपूर्वक विश्लेषण गर्न आवश्यक छ, र प्रायः स्वचालित नियन्त्रण प्रणालीहरू जटिल 3D नक्सामा निर्भर हुन्छन् जुन आपूर्तिकर्ताहरूले तिनीहरूको लागि अग्रिम तयारी गर्छन्।

यस हप्ता रोबोटिक्स र स्वचालन सम्बन्धी अन्तर्राष्ट्रिय सम्मेलनमा प्रस्तुत गरिएको एउटा पेपरमा, MIT अनुसन्धानकर्ताहरूले एक स्वायत्त ड्राइभिङ प्रणालीको वर्णन गरे जसले "सिक्छ" र मानव चालकको निर्णय गर्ने ढाँचाहरू सम्झन्छ किनभने तिनीहरूले डेटा प्रयोग गरेर सानो शहर क्षेत्रमा सडकहरू नेभिगेट गर्छन्। क्यामेरा र साधारण जीपीएस जस्तो नक्सा। प्रशिक्षित अटोपाइलटले मानव ड्राइभिङको नक्कल गर्दै पूर्णतया नयाँ स्थानमा चालकविहीन कार चलाउन सक्छ।

एक मानव जस्तै, अटोपाइलटले पनि यसको नक्सा र सडक सुविधाहरू बीच कुनै विसंगति पत्ता लगाउँदछ। यसले प्रणालीलाई सडक, सेन्सर वा नक्सामा यसको स्थान गलत छ कि छैन भनेर निर्धारण गर्न मद्दत गर्छ ताकि यसले सवारी साधनको बाटो सच्याउन सक्छ।

प्रारम्भिक रूपमा प्रणालीलाई प्रशिक्षित गर्न, एक मानव अपरेटरले विभिन्न सडक संरचनाहरू र अवरोधहरू सहित स्थानीय उपनगरीय सडकहरूबाट डेटा सङ्कलन गर्न धेरै क्यामेराहरू र आधारभूत GPS नेभिगेसन प्रणालीले सुसज्जित स्वचालित टोयोटा प्रियस चलाएको थियो। प्रणालीले त्यसपछि सफलतापूर्वक कारलाई पूर्व-नियोजित मार्गमा अर्को जंगल क्षेत्रमा स्वायत्त सवारी साधनहरूको परीक्षणको लागि चलाएको थियो।

"हाम्रो प्रणालीको साथ, तपाईंले प्रत्येक सडकमा अग्रिम तालिम लिनु पर्दैन," अध्ययनका लेखक अलेक्जेंडर अमिनी, एमआईटी स्नातक विद्यार्थी भन्छन्। "तपाईं आफ्नो कारको लागि नयाँ नक्सा डाउनलोड गर्न सक्नुहुन्छ जुन सडकहरू नेभिगेट गर्न यो पहिले कहिल्यै नदेखेको थियो।"

"हाम्रो लक्ष्य स्वायत्त नेभिगेसन सिर्जना गर्नु हो जुन नयाँ वातावरणमा ड्राइभिङ गर्न लचिलो छ," सह-लेखक ड्यानिएला रस, कम्प्युटर विज्ञान र कृत्रिम बुद्धिमत्ता प्रयोगशाला (CSAIL) का निर्देशक थप्छिन्। "उदाहरणका लागि, यदि हामीले क्याम्ब्रिजको सडकहरू जस्ता सहरी वातावरणमा ड्राइभ गर्न एक स्वायत्त सवारी साधनलाई तालिम दियौं भने, प्रणालीले जंगलमा पनि सहज रूपमा ड्राइभ गर्न सक्षम हुनुपर्छ, भले पनि यो पहिले कहिल्यै यस्तो वातावरण नदेखेको हो।"

परम्परागत नेभिगेसन प्रणालीहरूले स्थानीयकरण, म्यापिङ, वस्तु पत्ता लगाउने, गति योजना र स्टीयरिङ जस्ता कार्यहरूका लागि कन्फिगर गरिएका बहुविध मोड्युलहरू मार्फत सेन्सर डेटा प्रशोधन गर्दछ। वर्षौंदेखि, ड्यानिएलाको समूहले अन्त-देखि-अन्त नेभिगेसन प्रणालीहरू विकास गर्दै आएको छ जसले सेन्सर डेटा प्रशोधन गर्दछ र कारलाई कुनै विशेष मोड्युलहरूको आवश्यकता बिना नै नियन्त्रण गर्दछ। तर, अहिलेसम्म यी मोडलहरू सडकमा सुरक्षित यात्राका लागि कुनै वास्तविक उद्देश्य बिना नै कडाइका साथ प्रयोग हुँदै आएका छन्। नयाँ कार्यमा, अन्वेषकहरूले पहिले अज्ञात वातावरणमा लक्ष्य-देखि-गन्तव्य आन्दोलनको लागि आफ्नो अन्त-देखि-अन्त प्रणालीलाई परिष्कृत गरे। यो गर्नको लागि, वैज्ञानिकहरूले ड्राइभिङ गर्दा कुनै पनि समयमा सबै सम्भावित नियन्त्रण आदेशहरूको लागि पूर्ण सम्भाव्यता वितरण भविष्यवाणी गर्न आफ्नो अटोपायलटलाई तालिम दिए।

प्रणालीले कन्भोलुसनल न्यूरल नेटवर्क (CNN) भनिने मेसिन लर्निङ मोडेल प्रयोग गर्छ, जसलाई सामान्यतया छवि पहिचानका लागि प्रयोग गरिन्छ। प्रशिक्षणको समयमा, प्रणालीले मानव चालकको ड्राइभिङ व्यवहारलाई अवलोकन गर्दछ। CNN ले स्टीयरिङ ह्वील घुमाउरोलाई सडकको घुमाउरोसँग सम्बन्धित गर्छ, जसलाई यसले क्यामेरा र यसको सानो नक्सामा अवलोकन गर्छ। नतिजाको रूपमा, प्रणालीले विभिन्न ड्राइभिङ अवस्थाहरू, जस्तै सीधा सडकहरू, चार-तर्फी चौराहेहरू वा T-जंक्शनहरू, फोर्कहरू र मोडहरूका लागि सम्भावित स्टीयरिङ आदेशहरू सिक्छ।

"सुरुमा, एक T-चौरामा, त्यहाँ धेरै फरक दिशाहरू छन् कार घुम्न सक्छ," Rus भन्छन्। "मोडल यी सबै दिशाहरूको बारेमा सोचेर सुरु हुन्छ, र CNN ले सडकमा केहि परिस्थितिहरूमा के गर्दैछन् भन्ने बारे थप डेटा प्राप्त गर्दछ, यसले देख्नेछ कि केही चालकहरू बायाँ घुम्छन् र अरूहरू दायाँ घुम्छन्, तर कोही सीधा जाँदैनन्। । सिधा अगाडिलाई सम्भावित दिशाको रूपमा अस्वीकार गरिएको छ, र मोडेलले निष्कर्ष निकाल्छ कि T-जंक्शनहरूमा यो बायाँ वा दायाँ मात्र सार्न सक्छ।"

ड्राइभिङ गर्दा, CNN ले सम्भावित मार्ग परिवर्तनहरू भविष्यवाणी गर्न अनुमति दिँदै क्यामेराबाट दृश्य सडक सुविधाहरू पनि निकाल्छ। उदाहरणका लागि, यसले रातो स्टप चिन्ह वा सडकको छेउमा भाँचिएको रेखालाई आगामी चौराहेको संकेतको रूपमा पहिचान गर्दछ। प्रत्येक क्षणमा, यसले सबैभन्दा सही आदेश चयन गर्न नियन्त्रण आदेशहरूको पूर्वानुमानित सम्भाव्यता वितरण प्रयोग गर्दछ।

यो नोट गर्न महत्त्वपूर्ण छ कि, शोधकर्ताहरूका अनुसार, तिनीहरूको अटोपायलटले नक्साहरू प्रयोग गर्दछ जुन भण्डारण गर्न र प्रक्रिया गर्न एकदमै सजिलो छ। स्वायत्त नियन्त्रण प्रणालीहरूले सामान्यतया लिडर नक्साहरू प्रयोग गर्छन्, जसले लगभग 4000 GB डाटा सान फ्रान्सिस्को शहरमा भण्डारण गर्न लिन्छ। प्रत्येक नयाँ गन्तव्यको लागि, कारले प्रयोग गर्नुपर्छ र नयाँ नक्साहरू सिर्जना गर्नुपर्छ, जसको लागि ठूलो मात्रामा मेमोरी चाहिन्छ। अर्कोतर्फ, नयाँ अटोपाइलटले प्रयोग गरेको नक्साले मात्रै ४० गिगाबाइट डाटा ओगटेको अवस्थामा सम्पूर्ण विश्वलाई समेटेको छ।

स्वायत्त ड्राइभिङको बखत, प्रणालीले निरन्तर रूपमा नक्सा डेटासँग यसको भिजुअल डेटा तुलना गर्छ र कुनै पनि विसंगतिहरूलाई झण्डा दिन्छ। यसले स्वायत्त सवारी साधनलाई सडकमा कहाँ छ भनी निर्धारण गर्न मद्दत गर्छ। र यसले यो सुनिश्चित गर्दछ कि कार सबैभन्दा सुरक्षित मार्गमा रहन्छ, यदि यसले विवादास्पद इनपुट जानकारी प्राप्त गर्दछ भने: यदि, भनौं, कार कुनै मोड बिना सीधा सडकमा यात्रा गरिरहेको छ, र GPS ले कार दायाँ मोड्नु पर्छ भनेर संकेत गर्दछ, कार सीधा जान वा रोक्न जान्नुहोस्।

"वास्तविक संसारमा, सेन्सरहरू असफल हुन्छन्," अमिनी भन्छन्। "हामी यो सुनिश्चित गर्न चाहन्छौं कि हाम्रो अटोपायलट विभिन्न सेन्सर विफलताहरूको लागि लचिलो छ एक प्रणाली सिर्जना गरेर जुन कुनै पनि आवाज संकेतहरू प्राप्त गर्न सक्छ र अझै पनि सही रूपमा सडक नेभिगेट गर्न सक्छ।"

स्रोत: 3dnews.ru