ਵੀਡੀਓ: ਐਮਆਈਟੀ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨੇ ਆਟੋਪਾਇਲਟ ਨੂੰ ਮਨੁੱਖ ਵਰਗਾ ਬਣਾਇਆ ਹੈ

ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ ਬਣਾਉਣਾ ਜੋ ਮਨੁੱਖਾਂ ਵਰਗੇ ਫੈਸਲੇ ਲੈ ਸਕਦੀਆਂ ਹਨ ਵੇਮੋ, ਜੀਐਮ ਕਰੂਜ਼, ਉਬੇਰ ਅਤੇ ਹੋਰਾਂ ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦਾ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਟੀਚਾ ਰਿਹਾ ਹੈ। Intel Mobileye ਇੱਕ ਜ਼ਿੰਮੇਵਾਰੀ-ਸੰਵੇਦਨਸ਼ੀਲ ਸੁਰੱਖਿਆ (RSS) ਗਣਿਤਿਕ ਮਾਡਲ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਜਿਸਨੂੰ ਕੰਪਨੀ ਇੱਕ "ਆਮ ਸਮਝ" ਪਹੁੰਚ ਵਜੋਂ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਆਟੋਪਾਇਲਟ ਨੂੰ "ਚੰਗੇ" ਤਰੀਕੇ ਨਾਲ ਵਿਵਹਾਰ ਕਰਨ ਲਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੁਆਰਾ ਦਰਸਾਈ ਜਾਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਦੂਜੀਆਂ ਕਾਰਾਂ ਨੂੰ ਰਾਹ ਦਾ ਅਧਿਕਾਰ ਦੇਣਾ। . ਦੂਜੇ ਪਾਸੇ, NVIDIA ਸਰਗਰਮੀ ਨਾਲ ਸੇਫਟੀ ਫੋਰਸ ਫੀਲਡ ਦਾ ਵਿਕਾਸ ਕਰ ਰਿਹਾ ਹੈ, ਇੱਕ ਸਿਸਟਮ-ਆਧਾਰਿਤ ਫੈਸਲਾ ਲੈਣ ਵਾਲੀ ਤਕਨੀਕ ਜੋ ਵਾਹਨ ਸੈਂਸਰਾਂ ਤੋਂ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਸੜਕ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਅਸੁਰੱਖਿਅਤ ਕਾਰਵਾਈਆਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੀ ਹੈ। ਹੁਣ ਮੈਸੇਚਿਉਸੇਟਸ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀ (ਐਮਆਈਟੀ) ਦੇ ਵਿਗਿਆਨੀਆਂ ਦਾ ਇੱਕ ਸਮੂਹ ਇਸ ਖੋਜ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਗਿਆ ਹੈ ਅਤੇ ਕਾਰ ਵਿੱਚ ਸਥਾਪਤ ਕੈਮਰਿਆਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜੀਪੀਐਸ-ਵਰਗੇ ਨਕਸ਼ਿਆਂ ਅਤੇ ਵਿਜ਼ੂਅਲ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਨਵੀਂ ਪਹੁੰਚ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ ਹੈ ਤਾਂ ਜੋ ਆਟੋਪਾਇਲਟ ਅਣਜਾਣ ਉੱਤੇ ਨੈਵੀਗੇਟ ਕਰ ਸਕੇ। ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਸਮਾਨ ਸੜਕਾਂ। ਰਾਹ।

ਲੋਕ ਉਹਨਾਂ ਸੜਕਾਂ 'ਤੇ ਕਾਰਾਂ ਚਲਾਉਣ ਵਿੱਚ ਬੇਮਿਸਾਲ ਚੰਗੇ ਹਨ ਜੋ ਉਹ ਪਹਿਲਾਂ ਕਦੇ ਨਹੀਂ ਸਨ। ਅਸੀਂ ਸਿਰਫ਼ ਇਹ ਨਿਰਧਾਰਿਤ ਕਰਨ ਲਈ ਕਿ ਅਸੀਂ ਕਿੱਥੇ ਹਾਂ ਅਤੇ ਸਾਨੂੰ ਕਿੱਥੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ, ਅਸੀਂ ਆਪਣੇ ਆਲੇ-ਦੁਆਲੇ ਜੋ ਕੁਝ ਦੇਖਦੇ ਹਾਂ, ਉਸ ਦੀ ਤੁਲਨਾ ਆਪਣੇ GPS ਡਿਵਾਈਸਾਂ ਨਾਲ ਕਰਦੇ ਹਾਂ। ਦੂਜੇ ਪਾਸੇ, ਸਵੈ-ਡ੍ਰਾਈਵਿੰਗ ਕਾਰਾਂ, ਸੜਕ ਦੇ ਅਣਜਾਣ ਹਿੱਸਿਆਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਪਾਉਂਦੀਆਂ ਹਨ। ਹਰੇਕ ਨਵੇਂ ਟਿਕਾਣੇ ਲਈ, ਆਟੋਪਾਇਲਟ ਨੂੰ ਨਵੇਂ ਰੂਟ ਦਾ ਧਿਆਨ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਅਕਸਰ ਆਟੋਮੈਟਿਕ ਕੰਟਰੋਲ ਸਿਸਟਮ ਗੁੰਝਲਦਾਰ 3D ਨਕਸ਼ਿਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜੋ ਸਪਲਾਇਰ ਉਹਨਾਂ ਲਈ ਪਹਿਲਾਂ ਤੋਂ ਤਿਆਰ ਕਰਦੇ ਹਨ।

ਰੋਬੋਟਿਕਸ ਅਤੇ ਆਟੋਮੇਸ਼ਨ 'ਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਾਨਫਰੰਸ ਵਿੱਚ ਇਸ ਹਫ਼ਤੇ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਇੱਕ ਪੇਪਰ ਵਿੱਚ, ਐਮਆਈਟੀ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਡ੍ਰਾਈਵਿੰਗ ਪ੍ਰਣਾਲੀ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ ਜੋ ਇੱਕ ਮਨੁੱਖੀ ਡਰਾਈਵਰ ਦੇ ਫੈਸਲੇ ਲੈਣ ਦੇ ਪੈਟਰਨ ਨੂੰ "ਸਿੱਖਦਾ ਹੈ" ਅਤੇ ਯਾਦ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹ ਸਿਰਫ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਛੋਟੇ ਸ਼ਹਿਰ ਦੇ ਖੇਤਰ ਵਿੱਚ ਸੜਕਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਦੇ ਹਨ। ਕੈਮਰੇ ਅਤੇ ਇੱਕ ਸਧਾਰਨ GPS ਵਰਗਾ ਨਕਸ਼ਾ। ਸਿੱਖਿਅਤ ਆਟੋਪਾਇਲਟ ਫਿਰ ਡਰਾਈਵਰ ਰਹਿਤ ਕਾਰ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੀਂ ਥਾਂ 'ਤੇ ਚਲਾ ਸਕਦਾ ਹੈ, ਮਨੁੱਖੀ ਡਰਾਈਵਿੰਗ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ।

ਮਨੁੱਖ ਵਾਂਗ, ਆਟੋਪਾਇਲਟ ਵੀ ਆਪਣੇ ਨਕਸ਼ੇ ਅਤੇ ਸੜਕ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿਚਕਾਰ ਕਿਸੇ ਵੀ ਅੰਤਰ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ। ਇਹ ਸਿਸਟਮ ਨੂੰ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਸੜਕ 'ਤੇ ਉਸਦੀ ਸਥਿਤੀ, ਸੈਂਸਰ ਜਾਂ ਨਕਸ਼ਾ ਗਲਤ ਹੈ ਤਾਂ ਜੋ ਇਹ ਵਾਹਨ ਦੇ ਰਸਤੇ ਨੂੰ ਠੀਕ ਕਰ ਸਕੇ।

ਸ਼ੁਰੂਆਤੀ ਤੌਰ 'ਤੇ ਸਿਸਟਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ, ਇੱਕ ਮਨੁੱਖੀ ਆਪਰੇਟਰ ਨੇ ਵੱਖ-ਵੱਖ ਸੜਕਾਂ ਦੇ ਢਾਂਚੇ ਅਤੇ ਰੁਕਾਵਟਾਂ ਸਮੇਤ ਸਥਾਨਕ ਉਪਨਗਰੀ ਗਲੀਆਂ ਤੋਂ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਲਈ ਮਲਟੀਪਲ ਕੈਮਰਿਆਂ ਅਤੇ ਇੱਕ ਬੁਨਿਆਦੀ GPS ਨੈਵੀਗੇਸ਼ਨ ਸਿਸਟਮ ਨਾਲ ਲੈਸ ਇੱਕ ਸਵੈਚਾਲਤ ਟੋਇਟਾ ਪ੍ਰੀਅਸ ਚਲਾਇਆ। ਸਿਸਟਮ ਨੇ ਫਿਰ ਸਫਲਤਾਪੂਰਵਕ ਕਾਰ ਨੂੰ ਇੱਕ ਹੋਰ ਜੰਗਲੀ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਪੂਰਵ-ਯੋਜਨਾਬੱਧ ਰੂਟ ਦੇ ਨਾਲ ਚਲਾਇਆ ਜੋ ਆਟੋਨੋਮਸ ਵਾਹਨਾਂ ਦੀ ਜਾਂਚ ਲਈ ਇਰਾਦਾ ਹੈ।

"ਸਾਡੇ ਸਿਸਟਮ ਨਾਲ, ਤੁਹਾਨੂੰ ਹਰ ਸੜਕ 'ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ," ਅਧਿਐਨ ਲੇਖਕ ਅਲੈਗਜ਼ੈਂਡਰ ਅਮੀਨੀ, ਇੱਕ MIT ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਕਹਿੰਦਾ ਹੈ। "ਤੁਸੀਂ ਆਪਣੀ ਕਾਰ ਲਈ ਉਹਨਾਂ ਸੜਕਾਂ 'ਤੇ ਨੈਵੀਗੇਟ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਨਕਸ਼ਾ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦੇ ਹੋ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ ਗਿਆ।"

ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਐਂਡ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲੈਬਾਰਟਰੀ (CSAIL) ਦੀ ਡਾਇਰੈਕਟਰ, ਸਹਿ-ਲੇਖਕ ਡੈਨੀਏਲਾ ਰਸ ਕਹਿੰਦੀ ਹੈ, "ਸਾਡਾ ਟੀਚਾ ਆਟੋਨੋਮਸ ਨੈਵੀਗੇਸ਼ਨ ਬਣਾਉਣਾ ਹੈ ਜੋ ਨਵੇਂ ਵਾਤਾਵਰਨ ਵਿੱਚ ਗੱਡੀ ਚਲਾਉਣ ਲਈ ਲਚਕੀਲਾ ਹੋਵੇ।" "ਉਦਾਹਰਣ ਵਜੋਂ, ਜੇਕਰ ਅਸੀਂ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਵਾਹਨ ਨੂੰ ਸ਼ਹਿਰੀ ਵਾਤਾਵਰਣ ਜਿਵੇਂ ਕਿ ਕੈਮਬ੍ਰਿਜ ਦੀਆਂ ਸੜਕਾਂ ਵਿੱਚ ਚਲਾਉਣ ਲਈ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਾਂ, ਤਾਂ ਸਿਸਟਮ ਨੂੰ ਇੱਕ ਜੰਗਲ ਵਿੱਚ ਵੀ ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਗੱਡੀ ਚਲਾਉਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਭਾਵੇਂ ਇਸਨੇ ਪਹਿਲਾਂ ਕਦੇ ਅਜਿਹਾ ਮਾਹੌਲ ਨਹੀਂ ਦੇਖਿਆ ਹੋਵੇ।"

ਪਰੰਪਰਾਗਤ ਨੈਵੀਗੇਸ਼ਨ ਸਿਸਟਮ ਸਥਾਨੀਕਰਨ, ਮੈਪਿੰਗ, ਆਬਜੈਕਟ ਖੋਜ, ਮੋਸ਼ਨ ਪਲੈਨਿੰਗ ਅਤੇ ਸਟੀਅਰਿੰਗ ਵਰਗੇ ਕੰਮਾਂ ਲਈ ਕੌਂਫਿਗਰ ਕੀਤੇ ਕਈ ਮਾਡਿਊਲਾਂ ਰਾਹੀਂ ਸੈਂਸਰ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਨ। ਸਾਲਾਂ ਤੋਂ, ਡੈਨੀਏਲਾ ਦਾ ਸਮੂਹ ਅੰਤ-ਤੋਂ-ਅੰਤ ਨੈਵੀਗੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਵਿਕਾਸ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਸੈਂਸਰ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਮੋਡੀਊਲ ਦੀ ਜ਼ਰੂਰਤ ਦੇ ਕਾਰ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਹੁਣ ਤੱਕ, ਇਹ ਮਾਡਲ ਬਿਨਾਂ ਕਿਸੇ ਅਸਲ ਮਕਸਦ ਦੇ, ਸੜਕ 'ਤੇ ਸੁਰੱਖਿਅਤ ਯਾਤਰਾ ਲਈ ਸਖਤੀ ਨਾਲ ਵਰਤੇ ਜਾਂਦੇ ਰਹੇ ਹਨ। ਨਵੇਂ ਕੰਮ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਹਿਲਾਂ ਅਣਜਾਣ ਵਾਤਾਵਰਣ ਵਿੱਚ ਟੀਚਾ-ਤੋਂ-ਮੰਜ਼ਿਲ ਦੀ ਗਤੀ ਲਈ ਆਪਣੇ ਅੰਤ-ਤੋਂ-ਅੰਤ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸੁਧਾਰਿਆ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਵਿਗਿਆਨੀਆਂ ਨੇ ਆਪਣੇ ਆਟੋਪਾਇਲਟ ਨੂੰ ਡ੍ਰਾਈਵਿੰਗ ਕਰਦੇ ਸਮੇਂ ਕਿਸੇ ਵੀ ਸਮੇਂ ਸਾਰੇ ਸੰਭਾਵਿਤ ਨਿਯੰਤਰਣ ਕਮਾਂਡਾਂ ਲਈ ਪੂਰੀ ਸੰਭਾਵਨਾ ਵੰਡ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ।

ਸਿਸਟਮ ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਕਨਵੋਲਿਊਸ਼ਨਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (CNN) ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ ਚਿੱਤਰ ਪਛਾਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਸਿਖਲਾਈ ਦੌਰਾਨ, ਸਿਸਟਮ ਮਨੁੱਖੀ ਡਰਾਈਵਰ ਦੇ ਡ੍ਰਾਈਵਿੰਗ ਵਿਵਹਾਰ ਨੂੰ ਦੇਖਦਾ ਹੈ। CNN ਸਟੀਅਰਿੰਗ ਵ੍ਹੀਲ ਮੋੜਾਂ ਨੂੰ ਸੜਕ ਦੇ ਵਕਰ ਨਾਲ ਜੋੜਦਾ ਹੈ, ਜਿਸ ਨੂੰ ਇਹ ਕੈਮਰਿਆਂ ਰਾਹੀਂ ਅਤੇ ਆਪਣੇ ਛੋਟੇ ਨਕਸ਼ੇ 'ਤੇ ਦੇਖਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਸਿਸਟਮ ਵੱਖ-ਵੱਖ ਡ੍ਰਾਇਵਿੰਗ ਸਥਿਤੀਆਂ, ਜਿਵੇਂ ਕਿ ਸਿੱਧੀਆਂ ਸੜਕਾਂ, ਚਾਰ-ਮਾਰਗੀ ਚੌਰਾਹੇ ਜਾਂ ਟੀ-ਜੰਕਸ਼ਨ, ਕਾਂਟੇ ਅਤੇ ਮੋੜਾਂ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਸਟੀਅਰਿੰਗ ਕਮਾਂਡਾਂ ਸਿੱਖਦਾ ਹੈ।

"ਸ਼ੁਰੂਆਤ ਵਿੱਚ, ਇੱਕ ਟੀ-ਚੌਰਾਹੇ 'ਤੇ, ਇੱਕ ਕਾਰ ਨੂੰ ਮੋੜਨ ਲਈ ਕਈ ਵੱਖ-ਵੱਖ ਦਿਸ਼ਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ," ਰਸ ਕਹਿੰਦਾ ਹੈ। "ਮਾਡਲ ਇਹਨਾਂ ਸਾਰੀਆਂ ਦਿਸ਼ਾਵਾਂ ਬਾਰੇ ਸੋਚ ਕੇ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਜਿਵੇਂ ਕਿ CNN ਨੂੰ ਇਸ ਬਾਰੇ ਵੱਧ ਤੋਂ ਵੱਧ ਡੇਟਾ ਮਿਲਦਾ ਹੈ ਕਿ ਲੋਕ ਸੜਕ 'ਤੇ ਕੁਝ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕੀ ਕਰ ਰਹੇ ਹਨ, ਇਹ ਦੇਖੇਗਾ ਕਿ ਕੁਝ ਡਰਾਈਵਰ ਖੱਬੇ ਮੁੜਦੇ ਹਨ ਅਤੇ ਦੂਸਰੇ ਸੱਜੇ ਮੁੜਦੇ ਹਨ, ਪਰ ਕੋਈ ਵੀ ਸਿੱਧਾ ਨਹੀਂ ਜਾਂਦਾ ਹੈ। . ਸਿੱਧੇ ਅੱਗੇ ਨੂੰ ਇੱਕ ਸੰਭਾਵੀ ਦਿਸ਼ਾ ਵਜੋਂ ਰੱਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਮਾਡਲ ਸਿੱਟਾ ਕੱਢਦਾ ਹੈ ਕਿ ਟੀ-ਜੰਕਸ਼ਨ 'ਤੇ ਇਹ ਸਿਰਫ ਖੱਬੇ ਜਾਂ ਸੱਜੇ ਪਾਸੇ ਜਾ ਸਕਦਾ ਹੈ।

ਡ੍ਰਾਈਵਿੰਗ ਕਰਦੇ ਸਮੇਂ, CNN ਕੈਮਰਿਆਂ ਤੋਂ ਵਿਜ਼ੂਅਲ ਰੋਡ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਵੀ ਕੱਢਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਸੰਭਾਵਿਤ ਰੂਟ ਤਬਦੀਲੀਆਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇਹ ਇੱਕ ਆਗਾਮੀ ਚੌਰਾਹੇ ਦੇ ਚਿੰਨ੍ਹ ਵਜੋਂ ਇੱਕ ਲਾਲ ਸਟਾਪ ਸਾਈਨ ਜਾਂ ਸੜਕ ਦੇ ਕਿਨਾਰੇ ਟੁੱਟੀ ਹੋਈ ਲਾਈਨ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ। ਹਰ ਪਲ, ਇਹ ਸਭ ਤੋਂ ਸਹੀ ਕਮਾਂਡ ਚੁਣਨ ਲਈ ਨਿਯੰਤਰਣ ਕਮਾਂਡਾਂ ਦੀ ਪੂਰਵ ਅਨੁਮਾਨਿਤ ਸੰਭਾਵਨਾ ਵੰਡ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ, ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਅਨੁਸਾਰ, ਉਹਨਾਂ ਦਾ ਆਟੋਪਾਇਲਟ ਨਕਸ਼ਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜੋ ਸਟੋਰ ਕਰਨ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਆਸਾਨ ਹਨ। ਆਟੋਨੋਮਸ ਕੰਟਰੋਲ ਸਿਸਟਮ ਆਮ ਤੌਰ 'ਤੇ ਲਿਡਰ ਮੈਪਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਸੈਨ ਫਰਾਂਸਿਸਕੋ ਸ਼ਹਿਰ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ ਲਗਭਗ 4000 GB ਡੇਟਾ ਲੈਂਦੇ ਹਨ। ਹਰੇਕ ਨਵੀਂ ਮੰਜ਼ਿਲ ਲਈ, ਕਾਰ ਨੂੰ ਨਵੇਂ ਨਕਸ਼ੇ ਵਰਤਣੇ ਚਾਹੀਦੇ ਹਨ ਅਤੇ ਬਣਾਉਣੇ ਚਾਹੀਦੇ ਹਨ, ਜਿਸ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਨਵੇਂ ਆਟੋਪਾਇਲਟ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਨਕਸ਼ੇ ਵਿੱਚ ਸਿਰਫ 40 ਗੀਗਾਬਾਈਟ ਡੇਟਾ ਦਾ ਕਬਜ਼ਾ ਕਰਦੇ ਹੋਏ ਪੂਰੀ ਦੁਨੀਆ ਨੂੰ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਆਟੋਨੋਮਸ ਡ੍ਰਾਈਵਿੰਗ ਦੇ ਦੌਰਾਨ, ਸਿਸਟਮ ਲਗਾਤਾਰ ਆਪਣੇ ਵਿਜ਼ੂਅਲ ਡੇਟਾ ਦੀ ਮੈਪ ਡੇਟਾ ਨਾਲ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਅੰਤਰ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ। ਇਹ ਆਟੋਨੋਮਸ ਵਾਹਨ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਸੜਕ 'ਤੇ ਕਿੱਥੇ ਹੈ। ਅਤੇ ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਦਾ ਹੈ ਕਿ ਕਾਰ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਮਾਰਗ 'ਤੇ ਰਹਿੰਦੀ ਹੈ, ਭਾਵੇਂ ਇਸਨੂੰ ਵਿਰੋਧੀ ਇਨਪੁਟ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਹੁੰਦੀ ਹੈ: ਜੇ, ਕਹੋ, ਕਾਰ ਬਿਨਾਂ ਮੋੜ ਦੇ ਸਿੱਧੀ ਸੜਕ 'ਤੇ ਯਾਤਰਾ ਕਰ ਰਹੀ ਹੈ, ਅਤੇ GPS ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਾਰ ਨੂੰ ਸੱਜੇ ਪਾਸੇ ਮੁੜਨਾ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਕਾਰ ਸਿੱਧਾ ਜਾਣਾ ਜਾਂ ਰੁਕਣਾ ਜਾਣਦੇ ਹਾਂ।

"ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ, ਸੈਂਸਰ ਫੇਲ ਹੋ ਜਾਂਦੇ ਹਨ," ਅਮੀਨੀ ਕਹਿੰਦੀ ਹੈ। "ਅਸੀਂ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਸਾਡਾ ਆਟੋਪਾਇਲਟ ਇੱਕ ਸਿਸਟਮ ਬਣਾ ਕੇ ਵੱਖ-ਵੱਖ ਸੈਂਸਰ ਅਸਫਲਤਾਵਾਂ ਲਈ ਲਚਕੀਲਾ ਹੈ ਜੋ ਕੋਈ ਵੀ ਸ਼ੋਰ ਸਿਗਨਲ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਸੜਕ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਨੈਵੀਗੇਟ ਕਰ ਸਕਦਾ ਹੈ।"

ਸਰੋਤ: 3dnews.ru