محققان دپارتمان علوم کامپیوتر دانشگاه آکسفورد با همکاری دانشگاه بوغازیچی ترکیه، سیستم هوش مصنوعی (AI) جدیدی را توسعه داده‌اند که وسایل نقلیه خودران (AVs) را قادر می‌سازد تا قابلیت ناوبری ایمن‌تر و قابل اطمینان‌تری را به‌ویژه در شرایط نامساعد جوی و آب‌وهوایی دست یابند.
یاسین آلمالی اوغلو گفت: «مشکل وسایل نقلیه خودران برای دستیابی به موقعیت دقیق در طول آب و هوای نامساعد، دلیل اصلی محدود شدن آنها به آزمایش‌های نسبتاً کوچک است. به عنوان مثال، آب و هوای مانند باران یا برف ممکن است باعث شود یک AV خود را در مسیر اشتباه قبل از یک پیچ تشخیص دهد، یا به دلیل موقعیت نادرست، خیلی دیر در یک تقاطع توقف کند.
برای غلبه بر این مشکل، آلمالی اوغلو و همکارانش یک مدل یادگیری عمیق با نظارت شخصی جدید برای تخمین حرکت نفس، یک جزء حیاتی از سیستم رانندگی AV که موقعیت حرکت خودرو را نسبت به اجسام مشاهده شده از خود خودرو تخمین می‌زند، توسعه دادند. این مدل اطلاعات بسیار با جزییات را از حسگرهای بصری (که می‌تواند در شرایط نامطلوب مختل شود) با داده‌های منابع مصون از آب و هوا (مانند رادار) گرد هم آورده است، به طوری که می‌توان از مزایای هر یک در شرایط آب و هوایی مختلف استفاده کرد.
این مدل با استفاده از چندین مجموعه داده وسایل نقلیه خودران در دسترس عموم که شامل داده‌های چندین حسگر مانند دوربین‌ها، لیدار و رادار تحت تنظیمات مختلف، از جمله سطوح متغیر نور/تاریکی و بارش بود، آموزش داده شد. اینها برای تولید الگوریتم‌هایی برای بازسازی هندسه صحنه و محاسبه موقعیت خودرو از داده‌های جدید استفاده شدند. در موقعیت‌های آزمایشی مختلف، محققان نشان دادند که این مدل عملکرد قوی در تمام شرایط آب و هوایی از جمله شرایط باران، مه، و برف و همچنین روز و شب را نشان می‌دهد.
این تیم پیش‌بینی می‌کند که این کار، اتوموبیل های خودران را یک قدم به رانندگی مستقل در همه شرایط آب و هوایی ایمن و روان و در نهایت استفاده گسترده‌تر در جوامع نزدیک‌تر می‌کند.
یاسین آلمالی اوغلو گفت: «مشکل وسایل نقلیه خودران برای دستیابی به موقعیت دقیق در طول آب و هوای نامساعد، دلیل اصلی محدود شدن آنها به آزمایش‌های نسبتاً کوچک است. به عنوان مثال، آب و هوای مانند باران یا برف ممکن است باعث شود یک AV خود را در مسیر اشتباه قبل از یک پیچ تشخیص دهد، یا به دلیل موقعیت نادرست، خیلی دیر در یک تقاطع توقف کند.
برای غلبه بر این مشکل، آلمالی اوغلو و همکارانش یک مدل یادگیری عمیق با نظارت شخصی جدید برای تخمین حرکت نفس، یک جزء حیاتی از سیستم رانندگی AV که موقعیت حرکت خودرو را نسبت به اجسام مشاهده شده از خود خودرو تخمین می‌زند، توسعه دادند. این مدل اطلاعات بسیار با جزییات را از حسگرهای بصری (که می‌تواند در شرایط نامطلوب مختل شود) با داده‌های منابع مصون از آب و هوا (مانند رادار) گرد هم آورده است، به طوری که می‌توان از مزایای هر یک در شرایط آب و هوایی مختلف استفاده کرد.
این مدل با استفاده از چندین مجموعه داده وسایل نقلیه خودران در دسترس عموم که شامل داده‌های چندین حسگر مانند دوربین‌ها، لیدار و رادار تحت تنظیمات مختلف، از جمله سطوح متغیر نور/تاریکی و بارش بود، آموزش داده شد. اینها برای تولید الگوریتم‌هایی برای بازسازی هندسه صحنه و محاسبه موقعیت خودرو از داده‌های جدید استفاده شدند. در موقعیت‌های آزمایشی مختلف، محققان نشان دادند که این مدل عملکرد قوی در تمام شرایط آب و هوایی از جمله شرایط باران، مه، و برف و همچنین روز و شب را نشان می‌دهد.
این تیم پیش‌بینی می‌کند که این کار، اتوموبیل های خودران را یک قدم به رانندگی مستقل در همه شرایط آب و هوایی ایمن و روان و در نهایت استفاده گسترده‌تر در جوامع نزدیک‌تر می‌کند.
کد خبر ۲۰۳۰۱۰۶۲۳.۵۳۷
