Kanguru aniden sürücüsüz arabanın önüne atlarsa ne olur? Ya çantadan başka bir kanguru atlarsa?
Güzel görünümlü ciltler aynıdır, ancak ilginç ruhlar milyonda birdir.
Bu yeni moda sözcük, otonom sürüş alanında da çok uygundur Benzer yol koşullarında çok fazla insansız sürüş gösterisi gördük, çok fazla benzer insansız sürüş ilkesini dinledik ve çok şey kazandık. Çok fazla oybirliğiyle sürücüsüz vizyon var, ancak hala açıklığa kavuşturulmamış gerçekten ilginç birçok soru var.
Örneğin, geçmişte bir otomobil şirketi, Avustralya'daki sürücüsüz test sırasında aracın yola koşan kangurudan kaçamadığını ve bunun sonucunda küçük bir trafik kazasına neden olduğunu söylemişti.
Dikkatlice düşünün, bu sahne çok karmaşık.Kangurunun kendisi çok hızlı hareket eden ve trafik kurallarına hiç uymayan bir nesnedir Araç bir kanguru algıladığında en basit strateji tamamen durmak ve engellerden kaçınmaktır. Bu aslında insanın sürüş alışkanlıklarına uygun değil, insan sürücüler kanguruların hızını tahmin etmelidir, kanguruların hızlı bir şekilde yoldan atlayacağını düşünürlerse frene bile basmazlar.
Elbette bu sahne sonsuza kadar uzatılabilir ve karmaşıklaşabilir.Örneğin, küçük bir kanguru büyük bir kangurunun çantasından atlarsa ne olur?
Bu nedenle, Tencent Auto'nun ev sahipliği yaptığı "Source Project" medya güçlendirme akademisi etkinliğinde, NVIDIA otonom sürüşe sunulan davetli beş medyadan biri olan Dong Chehui (WeChat genel hesap araması: Dong Chehui) Çin'den sorumlu kişi Bay Dong Fangliang bu soruyu sordu.
NVIDIA söz konusu olduğunda, yaşlı oyuncular "N kartın görüntü kalitesi daha iyi" diye düşünürken, modaya uygun oyuncular "Umarım N kartın daha fazla mayın çıkarmasını sağlar" diyebilir. Aslında grafik kartını deneyimlemişler ve İki dönem paralel hesaplamadan sonra NVIDIA, önümüzdeki on yıl içinde bir yapay zeka şirketine dönüşeceğini umuyor ve otonom sürüş, yapay zekanın temel uygulama alanlarından biri.
Kanguru problemi için, insansız sürüş görsel tanımanın önemli uygulama senaryolarından biridir.Mevcut AI geliştirme derin öğrenme modeli altında, kameralar gibi sensörler tarafından yakalanan görsel bilgilerden ve birden fazla sökme katmanından sonra çeşitli tanıma noktaları çıkarılacaktır. Bölünme ve iyileştirmeden sonra, bilgisayarın "gözlerinde" daha soyut seviyeler belirir.
Tekrarlanan öğrenme ve karşılaştırmanın ardından, yerleşik bilgisayar sistemi kangurular ile insanlar ve diğer nesneler arasındaki farkı tanıyabilir. Kanguruların yaygın olduğu alanda yavaş yavaş kangurunun üst ve alt uzuvlarının menzilini ve yönünü öğrenebilir ve kangurunun hareketini daha fazla yargılayabilir. Eylem niyeti ve hızı ve ardından aracın sürüş stratejisini ayarlayın.
Bununla birlikte, NVIDIA'nın görüşüne göre, kanguru gibi sorunlar en zor veya en önemlisi değildir. Sürücüsüz yapay zekanın mevcut gelişiminde, yol planlaması en önemli konudur ve yol işaretlerinin veya özel yol kalibrasyonlarının yokluğunda, sürücüsüz yol planlamasını daha da zorlaştıracaktır.
İlk örnek bir kavşaktır. Kavşakta şerit işareti yoktur. Çin'deki bazı bölgelerde bile, kavşağın her iki tarafındaki şeritler tamamen hizalı değildir. Şu anda, birçok ADAS sisteminin yol planlama temeli basitçe özetlenebilir. Bu: bir çizgi olduğunda çizgiyi takip edin ve çizgi olmadığında arabayı takip edin, ancak bu, yerleşik yapay zekanın yoldaki olası yol işaretlerini sürekli olarak yakalamasını ve mümkün olduğunca çabuk rota ayarlamaları yapmasını gerektirir.
Teorik olarak konuşulsa da, bu stratejinin güncelleme sıklığı ne kadar hızlı olursa, o kadar iyidir, ancak frekans ne kadar yüksek olursa, gereken hesaplama gücü ve ağ yükü o kadar büyük olur ve üretilen veri miktarı daha şaşırtıcı olacaktır. Araç sisteminin hesaplama gücü sınırı aşıldığında , Tehlike olacak.
Örnek iki, yüksek hızlı bir kavşaktır. Birçok yüksek hızlı ücretli geçiş kapısı yolun kenarında rampa girişlerine sahiptir. Otoyola girmek istediğimizde ve arkasında bir arabanın geldiğini bulduğumuzda, birçok eski sürücü durmayı ve bir sonraki arabanın geçmesine izin vermeyi ve ardından hızlanmayı seçecektir. Yüksek hızlı rampaya girin, ancak bu işlemi AI arabası tarafından anlamak zordur.
Bu tür bir mantık eğitimi ve veri toplama tek başına bir araçla tamamlanamaz.Gelecekteki sürücüsüz çözüm uçtan uca bir çözüm olmalıdır.Veri toplama ve veri taramasının bir kısmı aracın bilgi işlem gücü ile yapılır.Diğer yandan, Ayrıca bir çok verinin de 5G ağı üzerinden buluta aktarılması ve ardından bulut analizinden sonra araca dağıtılması gerekiyor.
Bu modelden, son dönemde sürücüsüz yapay zekanın geliştirilmesinin merkezinde hala üç sorunun olduğunu görebiliriz:
1. İnsansız sürüş için, yüksek hassasiyetli harita verileri, araç yol planlamasının öngörülebilirliğini ve doğruluğunu büyük ölçüde artıracaktır.Ancak, ulusal savunma güvenliği ve ulusal politikalar nedeniyle, çeşitli ülkeler hala yüksek hassasiyetli harita verilerini açmaya yönelik araştırmalar yapmaktadır. tutum.
2. Uçtan uca bilgi işlem, verilerin son derece yüksek ağ kalitesi gerektirmesine neden olur 5G henüz ticari olarak mevcut olmadığından, şu anda veri aktarım testlerinin nasıl yapılacağı konusunda bir fikir birliği yoktur.
3. Güvenlik açısından, değişen yol koşulları göz önüne alındığında, önceki araç belirli bir yol bölümünden geçerse, gerçek zamanlı olarak gözlemlenen verileri aşağıdaki araca iletebilir, bu da bir sonraki aracın yeni araç stratejisini daha uygun hale getirebilir. Şu anda, insansız sürüş çözümlerinin sağlayıcıları birleşik değildir ve tutarlı bir iletişim ve veri standardı yoktur, bu da bu yaklaşımı imkansız hale getirir.
Etkinliğin sonunda Dong Chehui ayrıca iki endişe sorusu sordu.
Pek çok kişi, manuel sürüşün adaptasyonunun mekanik sürüşün katı uyum sistemi ile çeliştiğine inandıkları için insansız sürüşü sorguluyor.Örneğin, insanlar gece geç saatlerde eve gittiğinde, küçük bir yolda kimsenin olmadığı ve uygun şekilde hızlanabileceği tespit edildi. Bununla birlikte, sürücüsüz araçlar hız sınırında ilerlemeye devam edecekler, bu nedenle uygun şekilde kendi kendine sürüş stratejisinin kurallara "meydan okuması" ve daha "insani" görünmesi mümkün müdür?
NVIDIA elbette, ancak yalnızca laboratuvarda söyledi.
Yaklaşan Tesla kamyonuyla ilgili olarak Dong Chehui, NVIDIA'nın sürücüsüz binek otomobiller ve ticari araçlar hakkındaki görüşlerini açıklayacağını umuyor.
NVIDIA, mevcut patlayan binek otomobil pazarı ile karşılaştırıldığında ticari araç alanında otonom sürüş araştırma ve geliştirmelerinin uzun süredir devam ettiğini ve kendine özgü çözümlerinin olduğunu, örneğin aracın yüksekliği ve uzunluğunun sıradan binek otomobillerle aynı olduğunu söyledi. Araç kullanımında büyük bir fark var.Sensörlerin düzeninde kamyonun kendine özgü metodu ve algılama modu olacak. Aynı zamanda, Tesla'nın Yarı kamyonu piyasaya sürmesinden sonra, endüstrinin insansız ticari araçlara olan ilgisinin yeni bir boyuta ulaşacağına da inanıyorlar.
Otonom sürüş çağında yapay zeka hesaplama hakkında herhangi bir sorunuz var mı?
