Τεχνητή νοημοσύνη
Τεχνητή Νοημοσύνη στο Τιμόνι: Πώς η Τεχνητή Νοημοσύνη Οδηγεί την Εξέλιξη των Αυτόνομων Οχημάτων
Πριν περίπου 200 χρόνια, τα υψηλής ποιότητας οχήματα με μοναδικά χαρακτηριστικά ήταν αδιανόητα για έναν απλό άνθρωπο, αλλά έχουμε προχωρήσει πολύ από τότε, με τα ηλεκτρικά και υβριδικά οχήματα να γίνονται καθημερινό μέρος της ζωής μας.
Σήμερα, τα αυτόνομα οχήματα (AV) ηγούνται της καινοτομίας στην αυτοκινητοβιομηχανία που έχει εισέλθει στο mainstream με πολλή θεαματικότητα και προσδοκίες. Αλλά τι είναι αυτά και πώς αλλάζουν το πρόσωπο των οχημάτων; Ας δούμε!
Μια Ματιά στην Αυτοματοποίηση στα Αυτοκίνητα
Τα αυτόνομα οχήματα (AV) είναι το είδος οχημάτων που χρησιμοποιούν τεχνολογία για να αντικαταστήσουν μερικά ή πλήρως τον ανθρώπινο οδηγό και να οδηγούν αυτόματα σε προορισμό που έχει καθοριστεί, σε λειτουργία «αυτόματου πιλότου». Ταυτόχρονα, αυτά τα AV ανταποκρίνονται στις συνθήκες κυκλοφορίας, αποφεύγουν κινδύνους στο δρόμο και παρέχουν μεγαλύτερη ασφάλεια.
Διάφορες τεχνολογίες που χρησιμοποιούν αυτά τα οχήματα περιλαμβάνουν αισθητήρες, λέιζερ, ραντάρ, προσαρμοστικό cruise control, ενεργό τιμόνι, συστήματα αντιμπλοκαρίσματος φρένων και τεχνολογία πλοήγησης GPS.
Σύμφωνα με την Εταιρεία Μηχανικών Αυτοκινήτου (SAE), υπάρχουν έξι επίπεδα αυτόνομων οχημάτων βάσει της ανθρώπινης παρέμβασης. Αυτή η ταξινόμηση, η οποία χρησιμοποιείται επίσης από την Εθνική Υπηρεσία Ασφάλειας Οδικής Κυκλοφορίας των ΗΠΑ (NHTSA), είναι η εξής:
Level 0: Το όχημα δεν έχει κανέναν έλεγχο της λειτουργίας του, με τον ανθρώπινο οδηγό να κάνει όλη τη οδήγηση.Level 1: Το προηγμένο σύστημα υποβοήθησης οδηγού (ADAS) του οχήματος προσφέρει τη δυνατότητα υποστήριξης του οδηγού με το στροφή και το φρενάρισμα.Level 2: Το ADAS του οχήματος επιβλέπει την επιτάχυνση και το φρενάρισμα σε ορισμένες συνθήκες, αν και ο ανθρώπινος οδηγός πρέπει να εκτελεί τις απαραίτητες εργασίες και να δίνει πλήρη προσοχή στο περιβάλλον καθ’ όλη τη διάρκεια του ταξιδιού.Level 3: Το ADAS του οχήματος μπορεί να εκτελεί όλα τα μέρη της οδήγησης σε ορισμένες συνθήκες, αλλά όταν χρειάζεται, ο ανθρώπινος οδηγός πρέπει να πάρει τον έλεγχο. Αυτό το επίπεδο αυτονομίας επιτυγχάνεται σήμερα από AV.Level 4: Το προηγμένο σύστημα υποβοήθησης οδηγού του οχήματος μπορεί να εκτελεί όλες τις εργασίες χωρίς να χρειάζεται ανθρώπινη προσοχή ή βοήθεια σε ορισμένες συνθήκες.Level 5: Το ADAS του οχήματος μπορεί να εκτελεί απολύτως όλες τις εργασίες που σχετίζονται με την οδήγηση και σε όλες τις συνθήκες χωρίς να χρειάζεται βοήθεια από τον ανθρώπινο οδηγό. Σε αυτό το στάδιο, επιτυγχάνεται η πλήρης αυτοματοποίηση.
Τα αυτόνομα οχήματα προσφέρουν το πλεονέκτημα της ευκολίας και της βελτιωμένης ποιότητας ζωής. Επιπλέον, τα άτομα με αναπηρίες και οι ηλικιωμένοι μπορούν να αποκτήσουν ανεξαρτησία. Υπάρχει επίσης η δυνατότητα μείωσης της κυκλοφοριακής συμφόρησης, μείωσης του κόστους μεταφοράς, ελευθέρωσης χώρων στάθμευσης και σημαντικής μείωσης των εκπομπών CO2.
Ωστόσο, παρά όλο το θόρυβο γύρω από τα αυτόνομα οχήματα, δεν έχουν ακόμη επιτύχει την επιτυχία που αναμενόταν. Ποιο είναι λοιπόν το πρόβλημα;
Προκλήσεις που Αντιμετωπίζουν τα Αυτόνομα Οχήματα
Τα αυτόνομα ή χωρίς οδηγό οχήματα έχουν προσελκύσει δισεκατομμύρια δολάρια επενδύσεων τα τελευταία χρόνια, αλλά έχουν υπάρξει πολλές αντιδράσεις στην κυκλοφορία των AV καθώς και καθυστερήσεις στην υιοθέτηση από τους πελάτες. Ας ρίξουμε μια ματιά σε ορισμένες από τις πιο σημαντικές προκλήσεις που αντιμετωπίζουν αυτά τα οχήματα.
Πολύπλοκο Περιβάλλον Οδήγησης
Τα συστήματα που χρησιμοποιούν τα AV για την παρακολούθηση των σημάτων του δρόμου, των φαναριών κυκλοφορίας και της κίνησης αντικειμένων στο δρόμο δεν είναι αλάνθαστα. Συγκεκριμένα αποτυγχάνουν να κατανοήσουν πραγματικές καταστάσεις.
Για παράδειγμα, αν μια ομάδα πουλιών κάθεται στο δρόμο, οι ανθρώπινοι οδηγοί καταλαβαίνουν ότι τα πουλιά θα πετάξουν μακριά καθώς το όχημα προχωρά, αλλά τα AV είτε θα σταματήσουν άσκοπα είτε θα πατήσουν απότομα τα φρένα. Τα AV επίσης αποτυγχάνουν να εντοπίσουν πολύπλοκες κοινωνικές αλληλεπιδράσεις όπως η κίνηση του χεριού ή η επαφή ματιού ενός άλλου οδηγού, που υποδεικνύει να προχωρήσετε.
Επιπλέον, τα AV, μέχρι στιγμής, δεν μπορούν να συμπεριφέρονται με ασφάλεια όταν δεν υπάρχουν σήματα κυκλοφορίας στο δρόμο. Αυτό σημαίνει ότι τα AV δεν μπορούν ακόμη να λειτουργούν με μέγιστη ακρίβεια σε οποιαδήποτε τοποθεσία σε διαφορετικές χώρες.
Αν ένας επιβάτης επιθυμεί να επισκεφθεί μια τοποθεσία που δεν περιλαμβάνεται στο σύστημα χαρτών, μπορεί επίσης να βρεθεί σε μεγάλη δυσκολία καθώς τα AV μπορεί να αποπροσανατολιστούν. Αυτό απαιτεί την ύπαρξη πολύπλοκων τρισδιάστατων (3D) χαρτών διαδρομής για την καθοδήγηση του οχήματος, κάτι που είναι χρονοβόρο αν θέλουμε πλήρη κάλυψη και ακρίβεια.
Κακό Καιρικό
Μία μεγάλη πρόκληση για τα AV είναι το κακό καιρικό. Αυτά τα οχήματα χρησιμοποιούν μια ευρεία γκάμα αισθητήρων: κάμερες για την οπτική και αναγνώριση αντικειμένων, λέιζερ για την απόσταση, και ραντάρ για την ταχύτητα και την κατεύθυνση κίνησης του αντικειμένου.
Μόλις τα δεδομένα συλλεχθούν, το σύστημα λαμβάνει απόφαση, αλλά το χιόνι, η ομίχλη ή η έντονη βροχή δυσκολεύουν τη σωστή λειτουργία των αισθητήρων. Έτσι, το αντίξοο καιρό επηρεάζει αρνητικά την ακρίβεια της ικανότητας ανίχνευσης των AV, κάτι που μπορεί να θέσει σε κίνδυνο την ασφάλεια των χρηστών. Επιπλέον, υπάρχουν προβλήματα με έντονη βροχόπτωση και ουσίες όπως νερό, λάδι, πάγος ή απορρίμματα που καλύπτουν τις γραμμές διαχωρισμού λωρίδων.
Κόστος
Ένα ακόμη μεγάλο πρόβλημα με τα AV είναι το κόστος· οι αισθητήρες που χρησιμοποιούν αυτά τα οχήματα, όπως το Lidar και το ραντάρ, είναι ακριβοί. Επιπλέον, το Lidar προσπαθεί ακόμη να βρει τη σωστή ισορροπία μεταξύ εμβέλειας και ανάλυσης. Έτσι, τίθεται το ερώτημα: εάν πολλά AV κινούνται στον ίδιο δρόμο, προκαλούν οι σήματα Lidar τους αλληλοεμπόδια;
Ευθύνη
Άλλη μια σημαντική ερώτηση για τα AV είναι η ευθύνη ατυχημάτων· ποιος είναι υπεύθυνος για τα ατυχήματα που προκαλούν τα AV; Αυτό θα αποκτήσει ακόμη μεγαλύτερη σημασία όσον αφορά τα πλήρως αυτόνομα επίπεδα AV που δεν θα έχουν τιμόνι για να πάρει ο άνθρωπος τον έλεγχο σε περίπτωση έκτακτης ανάγκης. Επιπλέον, υπάρχει η ασφάλιση, η οποία αποτελεί επίσης ένα ασαφές πεδίο για αυτά τα οχήματα.
Νομοθεσία & Κανονισμοί
Παρά το γεγονός ότι τα AV έχουν εισέλθει στο mainstream, οι νόμοι και οι κανονισμοί που τα διέπουν είναι ακόμη λίγοι και σπάνιοι. Πρόσφατα, η διαδικασία ρύθμισης των AV στις ΗΠΑ έχει μεταβεί από ομοσπονδιακή καθοδήγηση σε κρατικούς κανονισμούς.
Για να αποτραπεί η εμφάνιση των «ζόμπι αυτοκινήτων», ορισμένες πολιτείες έχουν προτείνει ακόμη και φόρο ανά μίλι. Οι νομοθέτες έχουν επίσης προτείνει νομοσχέδια που απαιτούν την εγκατάσταση κουμπιού πανικού σε όλα τα AV.
Ασφάλεια Κυβερνοχώρου
Δεδομένου του υψηλής συνδεσιμότητας του συστήματος μεταφορών και της υλοποίησης του 5G, η ιδιωτικότητα των δεδομένων και η ασφάλεια στον κυβερνοχώρο είναι άλλα προβλήματα για αυτά τα οχήματα. Για παράδειγμα, το 2015, η Fiat Chrysler recalled 1.4 million of its vehicles για να διορθώσει σφάλματα καθώς μπορούσαν να παραβιαστούν και να ελεγχθούν εξ αποστάσεως. Τα AV πρέπει να διασφαλίζουν ότι δεν παραβιάζουν την ιδιωτικότητα των δεδομένων των καταναλωτών και πρέπει επίσης να προστατεύουν τα δεδομένα από χάκερ.
Υποδομή
Για να φέρουμε τα AV στο δρόμο, απαιτούνται τεράστιες επενδύσεις στην υποδομή. Τα AV συχνά χρειάζονται σαφείς λωρίδες, χώρους αποθήκευσης δεδομένων και ένα πιο ανθεκτικό δίκτυο φόρτισης. Αυτό θα επηρεάσει τον προϋπολογισμό της πόλης. Συνεπώς, χρειάζεται διάλογος για δημόσιες επενδύσεις καθώς και συνεργασία με την κοινότητα και τη βιομηχανία για την επέκταση της υπάρχουσας υποδομής.
Η Τεχνητή Νοημοσύνη Ανοίγει το Μονοπάτι για τα Αυτόνομα Οχήματα
Αντιμετωπίζοντας όλες αυτές τις προκλήσεις, η τεχνητή νοημοσύνη (AI) παίρνει την ηγεσία και ανοίγει το μονοπάτι για τα αυτόνομα οχήματα.
Το θέμα είναι ότι η αυτοκινητοβιομηχανία έχει προοδεύσει ραγδαία τα τελευταία χρόνια με την εμφάνιση νέων τεχνολογιών. Η AI είναι μια τέτοια τεχνολογία που βοηθά τη βιομηχανία αυτοκινήτων να μετασχηματιστεί. Ουσιαστικά, η AI αφορά την καθιστώντας τις μηχανές πιο έξυπνες. Περιλαμβάνει την προσομοίωση της ανθρώπινης νοημοσύνης σε μηχανές ώστε να σκέφτονται και να ενεργούν όπως εμείς οι άνθρωποι.
Η AI επιτρέπει στα οχήματα να αναγνωρίζουν αντικείμενα, να προβλέπουν τι μπορεί να συμβεί στη συνέχεια, ακόμη και να αντιδρούν σε απρόσμενες καταστάσεις, και να είναι καλύτερα από τους ανθρώπινους οδηγούς σε σύνθετες κυκλοφοριακές καταστάσεις. According to Statista, η παγκόσμια αγορά AI στην αυτοκινητοβιομηχανία αναμένεται να φτάσει σε μέγεθος αγοράς 74,5 δισεκατομμύρια δολάρια.
Σύμφωνα με τη μελέτη του NHTSA, τα ανθρώπινα λάθη όπως η μειωμένη όραση και η ακοή προκαλούν περίπου το 93% των τροχαίων ατυχημάτων. Η χρήση AI στα AV με τη μορφή αισθητήρων και αλγορίθμων μπορεί να επιτρέψει ασφαλέστερα και πιο ασφαλή μέσα μεταφοράς, μειώνοντας σημαντικά τα θύματα που προκαλούνται από ανθρώπινα λάθη. Η ικανότητα της AI να μαθαίνει το περιβάλλον και στη συνέχεια να προσαρμόζεται κάνει την τεχνολογία πιο ικανή στην αντιμετώπιση σύνθετων δρόμων και καταστάσεων.
Η AI χρησιμοποιείται στα AV με διάφορους τρόπους:
- Η τεχνολογία μπορεί να βοηθήσει τα AV να προβλέπουν τη συμπεριφορά άλλων οδηγών και πεζών εξοπλίζοντας το όχημα με τη δυνατότητα ανάλυσης, πρόβλεψης προβλημάτων και πρόληψης τους.
- Χρησιμοποιώντας τη μηχανική μάθηση, όπου ένα μοντέλο εκπαιδεύεται σε επισημασμένα σύνολα δεδομένων για τη σωστή αντιστοίχηση εισόδων σε εξόδους, η AI μπορεί να βοηθήσει τα AV στην αναγνώριση αντικειμένων και τη μοντελοποίηση. Εν τω μεταξύ, ένα μοντέλο εκπαιδευμένο σε μη επισημασμένα σύνολα δεδομένων μπορεί να βοηθήσει τα AV στην ανίχνευση ανωμαλιών, την κατανόηση πολύπλοκων καταστάσεων και την εξαγωγή χαρακτηριστικών.
- Τα AV βασίζονται σε αισθητήρες όπως κάμερες, Lidar, ραντάρ και υπερηχητικούς αισθητήρες για τη λήψη πληροφοριών σχετικά με το περιβάλλον τους. Εδώ, οι αλγόριθμοι AI μπορούν να αναλύσουν αυτά τα δεδομένα για τη δημιουργία λεπτομερών χαρτών, επιτρέποντας στα AV να λαμβάνουν ενημερωμένες αποφάσεις.
- Αξιοποιώντας την Επεξεργασία Φυσικής Γλώσσας (NLP), τα AV μπορούν να χρησιμοποιούν αναγνώριση φωνής για αλληλεπίδραση με τους επιβάτες. Έτσι, η AI μπορεί να βοηθήσει τα οχήματα να κατανοούν ανθρώπινες ερωτήσεις και να ανταποκρίνονται αποτελεσματικά.
- Δίνοντας τη δυνατότητα λήψης αποφάσεων σε πραγματικό χρόνο βάσει των δεδομένων των αισθητήρων, η AI βοηθά τα AV να αποφασίζουν αν η καλύτερη αντίδραση είναι να μειώσουν την ταχύτητα ή να σταματήσουν. Έτσι, η AI βοηθά τα AV σε επικίνδυνες καταστάσεις όπου οι άνθρωποι είναι επιρρεπείς σε λάθη. Η τεχνολογία το κάνει αναλύοντας τις ροές δεδομένων από τους αισθητήρες. Πραγματικά αποδίδει πολύ καλύτερα στην ανίχνευση διασταυρούμενης κίνησης, την ενεργή παρακολούθηση τυφλών σημείων, το συγχρονισμό με τα φανάρια κυκλοφορίας και τον έλεγχο έκτακτης ανάγκης του οχήματος.
Συνολικά, η AI στα AV μπορεί να βοηθήσει στη συλλογή δεδομένων σε πραγματικό χρόνο, στην ανίχνευση και αναγνώριση αντικειμένων, στη βελτιστοποίηση της τροχιάς, στην πλοήγηση σε συνθήκες δρόμου και στην πρόβλεψη αποτυχιών. Όλες αυτές οι χρήσεις της AI βοηθούν τα αυτόνομα οχήματα να μειώσουν την κυκλοφορία, να επιταχύνουν την εξοικονόμηση ενέργειας, να βελτιώσουν την προσβασιμότητα, να ενισχύσουν την αποδοτικότητα και να αυξήσουν την ασφάλεια.
Ήδη, η τεχνολογία χρησιμοποιείται από κατασκευαστές αυτοκινήτων σε όλο τον κόσμο. Για παράδειγμα, το Autopilot της Tesla drove more than 3 billion miles σε αυτή τη λειτουργία σχεδόν μια δεκαετία. Η Tesla του Elon Musk αξιοποιεί εξελιγμένους αλγόριθμους AI για ακριβή έλεγχο.
Η Waymo είναι άλλη μια που χρησιμοποιεί ένα σύστημα αυτόνομης οδήγησης βασισμένο σε AI για σύνθετο προγραμματισμό διαδρομών και έξυπνες αντιδράσεις στο περιβάλλον της. Η εταιρεία έχει δοκιμάσει τα οχήματά της οδηγώντας δεκάδες δισεκατομμύρια μίλια σε προσομοίωση.
Ο ψηφιακός βοηθός της Daimler, το SUV Audi R10 e-tron, και το σύστημα αυτόνομης οδήγησης Mercedes-Benz EQR4 είναι μερικά άλλα παραδείγματα. Άλλοι σημαντικοί συνεισφέροντες στην AI στα AV περιλαμβάνουν τις BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia και Ford.
Τα Σημαντικότερα Επιτεύγματα AI στον Χώρο των Αυτόνομων Οχημάτων
Το 2023 ήταν μια εξαιρετική χρονιά για προόδους στην AI, οι οποίες επηρέασαν τα πάντα, από την τέχνη, τα χρηματοοικονομικά, την υγειονομική περίθαλψη και την εκπαίδευση έως την κλιματική αλλαγή, την έρευνα, τη χρηματοδότηση και τα AV. Ας ρίξουμε μια ματιά σε μερικά από τα πιο σημαντικά επιτεύγματα AI του 2023 στον χώρο των αυτόνομων οχημάτων.
Πρόσφατα, ερευνητές από το Πανεπιστήμιο Incheon National (INU) της Κορέας developed a novel end-to-end 3D object detection system, το οποίο είναι βασισμένο σε βαθιά μάθηση και ενεργοποιημένο από το Διαδίκτυο των Πραγμάτων. Αυτό το σύστημα παρέχει στα AV βελτιωμένες δυνατότητες ανίχνευσης, ακόμη και υπό ακατάλληλες συνθήκες.
Αντιμετωπίζοντας τη δυσκολία των αισθητήρων όπως κάμερες, lidar και ραντάρ που είναι ευάλωτοι σε παρεμβολές, καιρικές συνθήκες και ακατάστατους δρόμους, αυτή η μελέτη προσαρμόζει τον αλγόριθμο YOLOv3 (You Only Look Once) για την αναγνώριση 3D αντικειμένων ενσωματώνοντας το IoT, καθώς επιτρέπει στα αντικείμενα να ανταλλάσσουν δεδομένα και να επικοινωνούν μέσω του διαδικτύου.
Το προτεινόμενο σύστημα σχεδιάστηκε για να επεξεργάζεται εικόνες RGB και δεδομένα point cloud ως εισόδους. Στη συνέχεια, παράγει πλαίσια οριοθέτησης που αξιολογούνται και ετικετοποιούνται για την αναγνώριση εμποδίων. Το σύστημα είναι ικανό να ανιχνεύει μια ποικιλία αντικειμένων και να διαχειρίζεται παραλλαγές τόσο σε κλίμακα όσο και σε περιστροφή.
Η μελέτη δοκίμασε το σύστημα χρησιμοποιώντας το σύνολο δεδομένων Lyft και διαπίστωσε ότι παρουσίασε υψηλότερη ακρίβεια και χαμηλότερη καθυστέρηση. Σύμφωνα με την ομάδα, η ευελιξία του προτεινόμενου συστήματος εκτείνεται πέρα από τα αυτόνομα οχήματα, βρίσκοντας πιθανές εφαρμογές στην παρακολούθηση, τη ρομποτική και τα παιχνίδια.
Ένα άλλο έργο, η Helm.ai, έκανε μια πρόοδο στην AI που προβλέπει την πρόθεση του οδηγού και σχεδιάζει βέλτιστες διαδρομές. Η εταιρεία που δημιουργεί λογισμικό AI για την αυτοματοποίηση ρομπότ και οχημάτων ανακοίνωσε ότι αυτό θα επιτρέψει στη Helm.ai να έχει κλιμακώσιμες υλοποιήσεις L2/L3 και L4.
Τα μοντέλα βάσης της εταιρείας, βασισμένα σε DNN, εκπαιδεύονται με τη δική της τεχνολογία Deep Teaching, η οποία χρησιμοποιεί πραγματικά δεδομένα οδήγησης για σύνθετα περιβάλλοντα οδήγησης.
Τώρα, το μοντέλο της επίσης αναλύει τα γύρω οχήματα και πεζούς για να προβλέπει με ακρίβεια τις πιθανές ενέργειές τους σε διάφορες αστικές καταστάσεις και, βάσει αυτού, να δημιουργεί τη πιο αποδοτική και ασφαλή διαδρομή για τα AV. Η πλατφόρμα της εταιρείας λειτουργεί με διαφορετικές διαμορφώσεις υλικού με απρόσκοπτο τρόπο και επιτρέπει αποδοτική εκπαίδευση και επικύρωση.
«Η πλατφόρμα λογισμικού μας αντιμετωπίζει τις κρίσιμες προκλήσεις αντίληψης σε αστικά περιβάλλοντα, ανοίγοντας το δρόμο για κλιμακώσιμη ανάπτυξη και επικύρωση AI-προσανατολισμένης πρόβλεψης πρόθεσης και σχεδιασμού διαδρομής.»
– Vladislav Voroninski, Διευθύνων Σύμβουλος της Helm.ai
Φέτος, ο πρωτοπόρος ηλεκτρικών οχημάτων Tesla έκανε επίσης προόδους στο λογισμικό Full Self-Driving (FSD). Η τελευταία του έκδοση, 12 (v12), επιτρέπει στην εταιρεία να προσεγγίσει ένα ακόμη βήμα πιο κοντά στην επίτευξη του επιπέδου 4 ή 5 αυτονομίας με τα αυτοκίνητά της.
Τον Αύγουστο, ο Musk παρουσίασε το FSD v12 οδηγώντας το όχημα αυτόνομα και εκτελώντας εργασίες όπως παράλληλη στάθμευση, τήρηση φαναριών κυκλοφορίας και πλοήγηση σε κυκλικούς κόμβους. Αυτό που ξεχωρίζει αυτή η έκδοση από τις προηγούμενες είναι η έντονη εξάρτηση του FSD v12 από νευρωνικά δίκτυα αυτοεκπαίδευσης με AI.
Αυτό σημαίνει ότι αντί να απαιτούνται ανθρώπινοι προγραμματιστές για να κωδικοποιούν απαντήσεις για διαφορετικά σενάρια οδήγησης, η AI θα αναλύει τεράστιες ποσότητες δεδομένων που συλλέγονται από τα οχήματα της Tesla και θα επιλέγει την πιο κατάλληλη απόκριση.
Αυτή η εξέλιξη φέρνει την Tesla ένα βήμα πιο κοντά στην επίτευξη του ευρέος στόχου της για μια επιχείρηση ρομπότ-ταξί, η οποία, σύμφωνα με το Ark Invest, ακόμη και σε σενάριο πτωτικής αγοράς, παράγει ετήσιο έσοδο 200 δισεκατομμύρια δολάρια (πάνω από 600 δισεκατομμύρια δολάρια σύμφωνα με την πιο αισιόδοξη πρόβλεψή της).
Στην αρχή του έτους, μια άλλη πρόοδος ήρθε για τα AV με τη μορφή ενός συστήματος απεικόνισης με κάμερα, το HADAR (heat-assisted detection and ranging). HADAR, ή ‘heat-assisted detection and ranging. Οι ερευνητές από το Michigan State University και το Purdue University χρησιμοποίησαν AI για την ανάπτυξη του HADAR, το οποίο ερμηνεύει υπογραφές θερμότητας για να παρέχει λεπτομερείς και καθαρές εικόνες διαπερνώντας το οπτικό θόρυβο.
Το μοντέλο AI τους αξιοποίησε αλγόριθμους μηχανικής μάθησης που συλλέγουν δεδομένα από εμπορικές υπέρυθρες κάμερες για να αναγνωρίζουν τις φυσικές ιδιότητες των αντικειμένων και του περιβάλλοντος, επιτρέποντας στο HADAR να ανασυνθέτει καθαρές νυχτερινές σκηνές.
Δεδομένου ότι το σύστημα μπορεί να ανιχνεύει μοτίβα θερμικής ακτινοβολίας, μορφολογίες υλικών και θερμοκρασία με μεγάλη επιτυχία, έχει τεράστιο δυναμικό, συμπεριλαμβανομένων των επαφών ασφαλείας χωρίς επαφή και της δυνατότητας να ξεπεράσει το φόβο του σκότους. Ωστόσο, το HADAR αντιμετωπίζει προκλήσεις όσον αφορά το κόστος εξοπλισμού και την ανάγκη για πραγματικό‑χρόνο βαθμονόμηση.
Η Ford Motor Company δημιούργησε επίσης μια πλήρως ιδιόκτητη θυγατρική, τη Latitude AI, για την ανάπτυξη ενός συστήματος αυτόνομης οδήγησης χωρίς χέρια, χωρίς να κοιτάζει τον δρόμο. Η αυτοκινητοβιομηχανία έχει ήδη συγκεντρώσει πάνω από 50 εκατομμύρια μίλια αυτόνομης οδήγησης με το Ford BlueCruise.
Τώρα, με τη Latitude, η ιδέα είναι να αυτοματοποιηθεί η οδήγηση σε κουραστικές, αγχωτικές και δυσάρεστες στιγμές, όπως μεγάλες διαδρομές σε αυτοκινητόδρομο ή κίνηση bumper‑to‑bumper. Μιλώντας για αυτόματη οδήγηση, ο κύριος τεχνολογίας της Ford, Doug Field, δήλωσε:
«Βλέπουμε την τεχνολογία αυτόματης οδήγησης ως μια ευκαιρία να επαναπροσδιορίσουμε τη σχέση μεταξύ ανθρώπων και οχημάτων τους.»
Συμπερασματικές Σκέψεις
Έτσι, όπως είδαμε, ανάλογα με το επίπεδο ανθρώπινης βοήθειας που απαιτείται, τα αυτόνομα οχήματα κατατάσσονται σε διαφορετικές κατηγορίες, δηλαδή αυτοματοποίηση για υποβοήθηση οδηγού, μερική αυτοματοποίηση, υψηλή αυτοματοποίηση, πλήρης αυτοματοποίηση και πλήρως αυτόνομο όχημα. Με την άφιξη της AI, η δυνατότητα των AV να φτάσουν τελικά στα τελικά στάδια είναι πιο κοντά από ποτέ.
Το μέλλον της αγοράς AI στην αυτοκινητοβιομηχανία είναι σαφώς ελπιδοφόρο. Βρισκόταν πάνω από 6 δισεκατομμύρια δολάρια το 2022 και προβλέπεται να αυξηθεί με CAGR 55% έως το 2032.
Οι προόδους στους αλγόριθμους AI, όπως οι τεχνολογίες αισθητήρων, η υπολογιστική ισχύς και οι λύσεις προγνωστικής συντήρησης, θα βοηθήσουν περαιτέρω τα αυτόνομα οχήματα να αντιμετωπίσουν τις προκλήσεις τους και να κερδίσουν την ευρεία υιοθέτηση!
Κάντε κλικ εδώ για να μάθετε τα πάντα για την επένδυση στην τεχνητή νοημοσύνη.
