Τεχνητή νοημοσύνη
Η Τεχνητή Νοημοσύνη στο Τιμόνι: Πώς η Τεχνητή Νοημοσύνη Οδηγεί την Εξέλιξη των Αυτόνομων Οχημάτων
Ενώ περίπου 200 χρόνια πριν, τα οχήματα υψηλής ποιότητας με μοναδικά χαρακτηριστικά ήταν απίστευτα για ένα κανονικό άτομο, έχουμε προχωρήσει πολύ από τότε, με τα ηλεκτρικά και υβριδικά οχήματα να γίνονται μέρος της καθημερινής μας ζωής.
Σήμερα, τα αυτόνομα οχήματα (AV) είναι στην αιχμή της καινοτομίας στα αυτοκίνητα που έχουν εισέλθει στο mainstream με μεγάλο θόρυβο και προσδοκίες. Αλλά τι είναι αυτό και πώς αλλάζουν το πρόσωπο των οχημάτων; Ας δούμε!
Μια Ματιά στην Αυτοματοποίηση των Αυτοκινήτων
Τα αυτόνομα οχήματα (AV) είναι τα είδη οχημάτων που χρησιμοποιούν τεχνολογία για να αντικαταστήσουν μερικώς ή πλήρως τον ανθρώπινο οδηγό και να οδηγήσουν το όχημα σε ένα προκαθορισμένο προορισμό σε “αυτόματο” режим. Ταυτόχρονα, αυτά τα AV ανταποκρίνονται στις συνθήκες κυκλοφορίας, αποφεύγουν εμπόδια του δρόμου και παρέχουν μεγαλύτερη ασφάλεια.
Διάφορες τεχνολογίες που χρησιμοποιούνται από αυτά τα οχήματα περιλαμβάνουν αισθητήρες, laser, ραντάρ, προσαρμοστικό έλεγχο ταχύτητας, ενεργό στήριξη, συστήματα αντιμπλοκαρίσματος των φρένων και τεχνολογία πλοήγησης GPS.
Σύμφωνα με την Κοινωνία Αυτοκινητοβιομηχανών (SAE), υπάρχουν έξι επίπεδα αυτόνομων οχημάτων με βάση την ανθρώπινη παρέμβαση. Αυτή η ταξινόμηση, η οποία χρησιμοποιείται επίσης από την Εθνική Υπηρεσία Οδικής Ασφάλειας των ΗΠΑ (NHTSA), είναι η ακόλουθη:
Επίπεδο 0: Το όχημα δεν έχει κανέναν έλεγχο πάνω στη λειτουργία του, με τον ανθρώπινο οδηγό να κάνει όλη την οδήγηση.
Επίπεδο 1: Το σύστημα προηγμένου βοήθειας οδηγού (ADAS) του οχήματος διαθέτει τη δυνατότητα να υποστηρίξει τον οδηγό με στήριξη και φρένα.
Επίπεδο 2: Το σύστημα ADAS του οχήματος εποπτεύει την επιτάχυνση και τα φρένα σε ορισμένες συνθήκες, αν και ο ανθρώπινος οδηγός απαιτείται να εκτελεί τις απαραίτητες εργασίες και να δώσει πλήρη προσοχή στο περιβάλλον καθ’ όλη τη διάρκεια του ταξιδιού.
Επίπεδο 3: Το σύστημα ADAS του οχήματος μπορεί να εκτελέσει όλα τα μέρη της οδήγησης σε ορισμένες συνθήκες, αλλά όταν είναι απαραίτητο, ο ανθρώπινος οδηγός πρέπει να λάβει τον έλεγχο. Αυτό το επίπεδο αυτονομίας έχει επιτευχθεί目前 από τα AV.
Επίπεδο 4: Το σύστημα ADAS του οχήματος μπορεί να εκτελέσει όλες τις εργασίες χωρίς να χρειάζεται ανθρώπινη προσοχή ή βοήθεια σε ορισμένες συνθήκες.
Επίπεδο 5: Το σύστημα ADAS του οχήματος μπορεί να κάνει απόλυτα 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 πλήρης αυτοματοποίηση.
Τα αυτόνομα οχήματα προσφέρουν το πλεονέκτημα της ευκολίας και της βελτίωσης της ποιότητας ζωής. Επιπλέον, τα άτομα με αναπηρία και ηλικιωμένοι μπορούν να κερδίσουν ανεξαρτησία. Υπάρχει επίσης η δυνατότητα να μειωθεί η συμφόρηση της κυκλοφορίας, να μειωθούν τα έξοδα μεταφοράς, να απελευθερωθούν χώροι στάθμευσης και να μειωθούν δραματικά οι εκπομπές CO2.
Ωστόσο, παρά tất cả τον θόρυβο γύρω από τα αυτόνομα οχήματα, δεν έχουν ακόμη επιτύχει την επιτυχία που αναμενόταν. Τι είναι το πρόβλημα εδώ;
Προκλήσεις για τα Αυτόνομα Οχήματα
Τα αυτόνομα ή άοπλα οχήματα έχουν προκαλέσει δισεκατομμύρια δολάρια σε επενδύσεις τα τελευταία χρόνια, αλλά έχουν υπάρξει πολλές αναβολές στις εκδόσεις AV καθώς και καθυστερήσεις στην υιοθέτηση από τους πελάτες. Ας δούμε μερικές από τις πιο σημαντικές προκλήσεις που αντιμετωπίζουν αυτά τα οχήματα.
Συγκλονιστικό Περιβάλλον Οδήγησης
Τα συστήματα που χρησιμοποιούνται από τα AV για να παρακολουθήσουν σήματα οδικής κυκλοφορίας, σηματοδότες και την κίνηση αντικειμένων στο δρόμο δεν είναι αδιάβλητα. Ειδικά, αποτυγχάνουν να κατανοήσουν πραγματικές συνθήκες.
Για παράδειγμα, αν μια σωρεία πουλιών κάθεται στο δρόμο, οι ανθρώπινοι οδηγοί καταλαβαίνουν ότι τα πουλιά θα πετάξουν όταν το όχημα προχωρήσει, αλλά τα AV θα σταματήσουν άσκοπα ή θα φρενάρουν. Τα AV επίσης αποτυγχάνουν να ανιχνεύσουν σύνθετες κοινωνικές αλληλεπιδράσεις όπως η κίνηση του χεριού ή η οπτική επαφή ενός άλλου οδηγού, που υποδεικνύει να προχωρήσετε.
Να μην αναφέρουμε, τα AV, μέχρι τώρα, δεν μπορούν να συμπεριφερθούν με ασφάλεια όταν δεν υπάρχουν σήματα οδικής κυκλοφορίας στο δρόμο. Αυτό σημαίνει ότι τα AV δεν μπορούν ακόμη να λειτουργήσουν με μέγιστη ακρίβεια σε οποιαδήποτε τοποθεσία σε διάφορες χώρες.
Εάν ένας επιβάτης επιθυμεί να επισκεφθεί μια τοποθεσία που δεν περιλαμβάνεται στο σύστημα χαρτών, τότε μπορεί να βρει πραγματικά δύσκολο, καθώς τα AV μπορεί να αποπροσανατολιστούν. Αυτό απαιτεί την ανάγκη για σύνθετα τρισδιάστατα (3D) χάρτες οδών για να οδηγήσουν το όχημα, που είναι μια χρονοβόρα διαδικασία εάν θέλετε να επιτύχετε κάλυψη και ακρίβεια.
Κακό Καιρό
Μια μεγάλη πρόκληση για τα AV είναι το κακό καιρό. Αυτά τα οχήματα χρησιμοποιούν eine ευρεία γκάμα αισθητήρων: κάμερες για να βοηθήσουν να δουν και να αναγνωρίσουν το αντικείμενο, laser για να παρακολουθήσουν την απόσταση του και ραντάρ για να μετρήσουν την ταχύτητα του αντικειμένου και την κατεύθυνση της κίνησής του.
Μόλις συλλεχθεί η δεδομένα, το σύστημα λαμβάνει μια απόφαση, αλλά η χιόνι, ο ομίχλη ή η βαριά βροχή καθιστά δύσκολο για τους αισθητήρες να λειτουργήσουν σωστά. Έτσι, το κακό καιρό επηρεάζει αρνητικά την ακρίβεια της ικανότητας ανίχνευσης των AV, που μπορεί να危ειεύσει την ασφάλεια του χρήστη. Τότε, υπάρχουν προβλήματα με τη βαριά βροχή και τις ουσίες όπως το νερό, το λάδι, το πάγο ή τα απορρίμματα που καλύπτουν τις λωρίδες.
Κόστος
Ένα άλλο μεγάλο πρόβλημα με τα AV είναι το κόστος. Οι αισθητήρες που χρησιμοποιούνται από αυτά τα οχήματα, όπως το Lidar και το ραντάρ, είναι ακριβά. Επιπλέον, το Lidar προσπαθεί ακόμη να βρει την ισορροπία μεταξύ εύρους και ανάλυσης. Έτσι, αυτό θέτει το ερώτημα: αν πολλά AV οδηγούν στο ίδιο δρόμο, προκαλούν τα σήματα Lidar να εμποδίζουν ο ένας τον άλλον;
Ευθύνη
Άλλο ένα μεγάλο ερώτημα με τα AV είναι η ευθύνη για τα ατυχήματα. Ποιος είναι υπεύθυνος για τα ατυχήματα που προκαλούνται από τα AV; Αυτό θα έχει ακόμη μεγαλύτερη σημασία σε σχέση με τα πλήρως αυτόνομα AV που δεν θα έχουν τιμόνι για τον άνθρωπο να λάβει τον έλεγχο του οχήματος σε περίπτωση έκτακτης ανάγκης. Τότε, υπάρχει η ασφάλεια, που είναι μια άλλη ασαφής περιοχή για αυτά τα οχήματα.
Νόμοι και Κανονισμοί
Παρά το γεγονός ότι τα AV έχουν εισέλθει στο mainstream, οι νόμοι και οι κανονισμοί που τους αφορούν είναι ακόμη λίγοι και μακράν. Πρόσφατα, η διαδικασία κανονισμού για τα AV στις ΗΠΑ έχει μετατοπιστεί από ομοσπονδιακές οδηγίες σε κρατικές απαιτήσεις.
Για να αποτρέψουν την άνοδο των “νεκρών αυτοκινήτων”, ορισμένες πολιτείες έχουν ακόμη και προτείνει einen φόρο ανά μίλι για αυτά. Οι νομοθέτες έχουν επίσης γράψει νομοσχέδια που προτείνουν ότι όλα τα AV πρέπει να έχουν ένα πλήκτρο πανικού εγκατεστημένο.
Κυβερνοασφάλεια
Λόγω του υψηλά συνδεδεμένου συστήματος μεταφοράς και της εφαρμογής του 5G, η προστασία δεδομένων και η κυβερνοασφάλεια είναι άλλα προβλήματα με αυτά τα οχήματα. Για παράδειγμα, το 2015, η Fiat Chryslerανακάλεσε 1,4 εκατομμύρια από τα οχήματά της για να διορθώσει σφάλματα, καθώς μπορούσαν να χακάρουν και να ελεγχθούν από απόσταση. Τα AV πρέπει να διασφαλίσουν ότι δεν παραβιάζουν την ιδιωτικότητα των δεδομένων του καταναλωτή, αλλά πρέπει επίσης να προστατεύσουν τα δεδομένα από τους χάκερ.
Υποδομή
Για να φέρουν τα AV στο δρόμο, χρειάζονται τεράστιες επενδύσεις στην υποδομή. Τα AV συχνά χρειάζονται σαφείς λωρίδες, χώρους για την αποθήκευση δεδομένων και ένα πιο ισχυρό δίκτυο φόρτισης. Αυτό θα επηρεάσει τον προϋπολογισμό της πόλης. Έτσι, πρέπει να exist μια διάλογος για τις δημόσιες επενδύσεις καθώς και την κοινότητα και την εταιρική επικοινωνία για την επέκταση της υφιστάμενης υποδομής.
Η Τεχνητή Νοημοσύνη Ανοίγει τον Δρόμο για τα Αυτόνομα Οχήματα
Αντιμετωπίζοντας όλες αυτές τις προκλήσεις, η τεχνητή νοημοσύνη (AI) παίρνει τον έλεγχο και ανοίγει τον δρόμο για τα αυτόνομα οχήματα.
Το ζήτημα είναι ότι η αυτοκινητοβιομηχανία έχει προχωρήσει ταχύτατα τα τελευταία χρόνια με την έλευση νέων τεχνολογιών. Η AI είναι μια τέτοια τεχνολογία που βοηθά την αυτοκινητοβιομηχανία να μετασχηματιστεί. Ουσιαστικά, η AI αφορά τον εαυτό της στη δημιουργία πιο έξυπνων μηχανών. Περιλαμβάνει τη模ίωση της ανθρώπινης νοημοσύνης στις μηχανές για να τις κάνει να σκέφτονται και να ενεργούν σαν άνθρωποι.
Η AI επιτρέπει στα οχήματα να αναγνωρίσουν αντικείμενα, να προβλέψουν τι μπορεί να συμβεί επόμενο, ακόμη και να αντιδράσουν σε απροσδόκητες καταστάσεις και να είναι καλύτερα από τους ανθρώπινους οδηγούς στην οδήγηση σε σύνθετες καταστάσεις κυκλοφορίας.
Σύμφωνα με το Statista, η παγκόσμια αγορά AI στην αυτοκινητοβιομηχανία αναμένεται να φτάσει σε μέγεθος αγοράς $74,5 δισεκατομμυρίων.
Σύμφωνα με μια μελέτη της NHTSA, τα ανθρώπινα λάθη όπως η ελαττωματική όραση και η ακοή προκαλούν περίπου το 93% των ατυχημάτων οδικής κυκλοφορίας. Η χρήση της AI στα AV με τη μορφή αισθητήρων και αλγορίθμων μπορεί να επιτρέψει ασφαλέστερους και πιο ασφαλείς τρόπους μεταφοράς, που μπορεί να μειώσει σημαντικά τα θύματα που προκαλούνται από ανθρώπινα λάθη. Η ικανότητα της AI να μάθει το περιβάλλον και να προσαρμοστεί καθιστά την τεχνολογία πιο ικανή στην αντιμετώπιση σύνθετων δρόμων και καταστάσεων.
Η AI χρησιμοποιείται στα AV με πολλούς τρόπους:
- Η τεχνολογία μπορεί να βοηθήσει τα AV να προβλέψουν τη συμπεριφορά των άλλων οδηγών και πεζών, εξοπλίζοντας το όχημα με την ικανότητα να χρησιμοποιήσει ανάλυση, να προβλέψει προβλήματα και να τα αποτρέψει από το να συμβούν.
- Χρησιμοποιώντας τη μηχανική μάθηση, με την οποία ένα μοντέλο εκπαιδεύεται σε ετικετεμένα σύνολα δεδομένων για να χαρτογραφήσει εισόδους σε εξόδους σωστά, η AI μπορεί να βοηθήσει τα AV στην αναγνώριση αντικειμένων και μοντελοποίηση. Εν τω μεταξύ, ένα μοντέλο που εκπαιδεύεται σε μη ετικετεμένα σύνολα δεδομένων μπορεί να βοηθήσει τα AV στην ανίχνευση ανωμαλιών, στην κατανόηση σύνθετων καταστάσεων και στην εξαγωγή χαρακτηριστικών.
- Τα AV βασίζονται σε αισθητήρες όπως κάμερες, Lidar, ραντάρ και υπερηχητικά αισθητήρες για να λάβουν πληροφορίες για το περιβάλλον τους. Εδώ, οι αλγόριθμοι AI μπορούν να αναλύσουν αυτά τα δεδομένα για να δημιουργήσουν λεπτομερείς χάρτες, επιτρέποντας στα AV να λάβουν ενημερωμένες αποφάσεις.
- Χρησιμοποιώντας την επεξεργασία φυσικής γλώσσας (NLP), τα AV μπορούν να χρησιμοποιήσουν αναγνώριση φωνής για να αλληλεπιδράσουν με τους επιβάτες. Αυτό επιτρέπει στην AI να βοηθήσει τα οχήματα να κατανοήσουν τις ερωτήσεις των ανθρώπων και να απαντήσουν αποτελεσματικά.
- Επιτρέποντας αποφάσεις επί του τόπου με βάση δεδομένα αισθητήρων σε πραγματικό χρόνο, η AI βοηθά τα AV να αποφασίσουν αν η καλύτερη απάντηση είναι να επιβραδύνουν ή να σταματήσουν. Αυτό βοηθά τα AV με επικίνδυνες καταστάσεις όπου οι άνθρωποι είναι склонικοί να κάνουν λάθη. Η τεχνολογία το κάνει αυτό αναλύοντας δεδομένα από τους αισθητήρες. Εκτελεί πραγματικά καλύτερα στην ανίχνευση διασταύρωσης, ενεργό παρακολούθηση των τυφλών σημείων, συγχρονισμό με σήματα κυκλοφορίας και έλεγχο έκτακτης ανάγκης του οχήματος.
Συνολικά, η AI στα AV μπορεί να βοηθήσει στη συλλογή δεδομένων σε πραγματικό χρόνο, να αναγνωρίσει και να ανιχνεύσει αντικείμενα, να βελτιώσει την τροχιά, να πλοηγηθεί σε συνθήκες δρόμου και να προβλέψει αποτυχίες. Όλες αυτές οι χρήσεις της AI βοηθούν τα αυτόνομα οχήματα να επιτύχουν μειωμένη κυκλοφορία, επιταχύνουν την εξοικονόμηση ενέργειας, βελτιώσουν την προσβασιμότητα, αυξήσουν την αποτελεσματικότητα και αυξήσουν την ασφάλεια.
Ηδη, η τεχνολογία χρησιμοποιείται από αυτοκινητοβιομηχανίες σε όλο τον κόσμο. Για παράδειγμα, το Autopilot της Teslaοδήγησε περισσότερα από 3 δισεκατομμύρια μίλια σε αυτόν τον τρόπο σε σχεδόν μια δεκαετία. Η Tesla του Elon Musk χρησιμοποιεί πολύπλοκους αλγόριθμους AI για ακριβή έλεγχο.
Η Waymo είναι άλλη μια που χρησιμοποιεί ένα αυτοματοποιημένο σύστημα οδήγησης με βάση την AI για σύνθετο προγραμματισμό διαδρομής και έξυπνες αντιδράσεις στο περιβάλλον. Η εταιρεία έχει δοκιμάσει τα οχήματά της οδηγώντας δεκάδες δισεκατομμύρια μίλια σε模拟.
Το ψηφιακό βοηθό της Daimler, το R10 e-tron SUV της Audi και το σύστημα αυτόνομης οδήγησης EQR4 της Mercedes-Benz είναι άλλα παραδείγματα. Άλλοι σημαντικοί συντελεστές στην AI στα AV περιλαμβάνουν την BMW, την GM, την Nissan, την Uber, την Volvo, την Bosch, την Mobileye, την Valeo, την Continental, την Velodyne, την Nvidia και την Ford.
Οι Πιο Σημαντικές Προσπάθειες της AI στα Αυτόνομα Οχήματα
Το 2023 ήταν ένα εξαιρετικό έτος για τις προόδους στην AI, που επηρέασαν όλα, από την τέχνη, τις финάνσεις, την υγεία και την εκπαίδευση μέχρι τις κλιματικές αλλαγές, την έρευνα, την χρηματοδότηση και τα AV. Ας δούμε μερικές από τις πιο σημαντικές προόδους της AI του 2023 στο χώρο των αυτόνομων οχημάτων.
Πιο πρόσφατα, ερευνητές από το Πανεπιστήμιο Incheon της Κορέαςανέπτυξαν ένα νέο σύστημα ανίχνευσης αντικειμένων 3D, που είναι βασισμένο στη βαθιά μάθηση και την τεχνολογία Internet of Things. Αυτό το σύστημα δίνει στα AV βελτιωμένες ικανότητες ανίχνευσης, ακόμη και υπό δυσμενείς συνθήκες.
Αντιμετωπίζοντας τη δυσκολία των αισθητήρων όπως των καμερών, Lidar και ραντάρ που είναι ευάλωτοι σε εμπόδια, καιρό και ακατάστατους δρόμους, αυτή η μελέτη προσάρμοσε τον αλγόριθμο YOLOv3 (You Only Look Once) για να αναγνωρίσει αντικείμενα 3D ενσωματώνοντας την τεχνολογία Internet of Things, καθώς αυτή επιτρέπει στα αντικείμενα να ανταλλάσσουν δεδομένα και να επικοινωνούν μέσω του διαδικτύου.
Το προτεινόμενο σύστημα είναι σχεδιασμένο να επεξεργαστεί εικόνες RGB και δεδομένα σημειακών νεφών ως εισόδους. Τότε, εξόδους κουτιά που αξιολογούνται και ετικετώνονται για την αναγνώριση εμποδίων. Αυτό το σύστημα είναι ικανό να αναγνωρίσει μια ποικιλία αντικειμένων και είναι ικανό να διαχειριστεί ποικιλίες σε κλίμακα και περιστροφή.
Η μελέτη έβαλε το σύστημα υπό δοκιμή χρησιμοποιώντας το σύνολο δεδομένων Lyft και βρήκε ότι επέδειξε υψηλότερη ακρίβεια και χαμηλότερη καθυστέρηση. Σύμφωνα με την ομάδα, η πολυλειτουργικότητα του προτεινόμενου συστήματος εκτείνεται πέρα από τα αυτόνομα οχήματα, βρίσκοντας πιθανές εφαρμογές στην επιτήρηση, τη ρομποτική και τα βιντεοπαιχνίδια.
Άλλη μια προσπάθεια, 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 στην Helm.ai να έχει αναπτυσσόμενες αναπτύξεις L2/L3 και L4.
Το μοντέλο της εταιρείας με βάση τα νευρωνικά δίκτυα (DNN) εκπαιδεύεται με την προηγμένη τεχνολογία Deep Teaching, που χρησιμοποιεί πραγματικά δεδομένα οδήγησης για σύνθετα περιβάλλοντα οδήγησης.
Τώρα, το μοντέλο της επίσης αναλύει τα γύρω οχήματα και πεζούς για να προβλέψει με ακρίβεια τις πιθανές ενέργειές τους σε διάφορες αστικές καταστάσεις και, με βάση αυτό, να γεννήσει την πιο αποτελεσματική και ασφαλή διαδρομή για τα AV να πάρουν. Η πλατφόρμα της εταιρείας λειτουργεί με διάφορες διαμορφώσεις υλικού με ομαλό τρόπο και επιτρέπει αποτελεσματική εκπαίδευση και επαλήθευση.
“Η πλατφόρμα λογισμικού μας αντιμετωπίζει τις κρίσιμες προκλήσεις ανίχνευσης των αστικών περιβαλλόντων, ανοίγοντας τον δρόμο για αναπτυσσόμενες και επαλήθευσεις AI-ενεργών προβλέψεων 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 έκδοσή του, 12 (v12), επιτρέπει στην εταιρεία να κάνει άλλο ένα βήμα προς την επίτευξη του επιπέδου 4 ή 5 αυτονομίας με τα αυτοκίνητά της.
ΣτονΑύγουστο, ο Musk επίδειξε το FSD v12 οδηγώντας το όχημα αυτόνομα και εκτελώντας εργασίες όπως παράλληλη στάθμευση, υπακοή σε σήματα κυκλοφορίας και πλοήγηση σε γύρους. Αυτό που διακρίνει αυτή την έκδοση από τις προηγούμενες είναι η βαθιά εξάρτηση του FSD v12 από αυτο-εκπαιδευόμενα νευρωνικά δίκτυα.
Αυτό σημαίνει ότι αντί να απαιτούν ανθρώπινους προγραμματιστές να κωδικοποιήσουν απαντήσεις για διάφορες καταστάσεις οδήγησης, η AI θα αναλύσει τεράστια ποσά δεδομένων που συλλέγονται από τα οχήματα της Tesla και θα επιλέξει την πιο κατάλληλη απάντηση.
Αυτή η πρόοδος φέρνει την Tesla ένα βήμα πιο κοντά στην επίτευξη του ευρεία στόχου της για μια επιχείρηση ρομποταξί, η οποία, σύμφωνα με την Ark Invest, ακόμη και σε μια αρνητική περίπτωση, παράγει $200 δισεκατομμύρια (πάνω από $600 δισεκατομμύρια σύμφωνα με την πιο αισιόδοξη προβολή) σε ετήσιο έσοδο.
Νωρίτερα φέτος, μια άλλη πρόοδος ήρθε για τα AV με τη μορφή ενός συστήματος κάμερας, HADAR, ή ‘θερμική ανίχνευση και εύρος.‘ Ερευνητές από το Πανεπιστήμιο του Michigan και το Πανεπιστήμιο Purdue χρησιμοποίησαν την AI για να αναπτύξουν το HADAR, το οποίο ερμηνεύει σήματα θερμότητας για να παρέχει λεπτομερείς και σαφείς εικόνες, κόβοντας τον οπτικό θόρυβο.
Το μοντέλο AI τους χρησιμοποίησε αλγόριθμους μηχανικής μάθησης που συλλέγουν δεδομένα από εμπορικές κάμερες υπερύθρου για να αναγνωρίσουν τις φυσικές ιδιότητες των αντικειμένων και του περιβάλλοντος, επιτρέποντας στο HADAR να αναπαράγει σαφείς νυχτερινές σκηνές.
Εάν ληφθεί υπόψη ότι το σύστημα μπορεί να ανιχνεύσει μοτίβα θερμικής ακτινοβολίας, σχηματισμό υλικού και θερμοκρασία με μεγάλη επιτυχία, έχει τεράστια δυνατότητα, συμπεριλαμβανομένης της ασφάλειας δημόσιων ελέγχων χωρίς επαφή και ακόμη και της υπερνίκης του φόβου του σκότους. Ωστόσο, το HADAR έχει προκλήσεις όσον αφορά το κόστος του εξοπλισμού και την ανάγκη για ρεαλιστική εκπαίδευση.
Η Ford Motor Company επίσης δημιούργησε μια πλήρως ιδιοκτημένη θυγατρική που ονομάζεται Latitude AI για να αναπτύξει ένα σύστημα αυτόματου οδήγησης χωρίς χέρια και μάτια στο δρόμο. Η αυτοκινητοβιομηχανία έχει ήδη πάνω από 50 εκατομμύρια μίλια οδήγησης με τα χέρια χωρίς χέρια στο Ford BlueCruise.
Τώρα, με τη Latitude, η ιδέα είναι να αυτοματοποιήσει την οδήγηση σε χρονοβόρες, तनισμένες και δυσάρεστες φορές όπως μακρές διαδρομές αυτοκινητοδρόμου ή κυκλοφορία μποτιλιάρισμα. Μιλώντας για την αυτόματη οδήγηση, ο Διευθύνων Σύμβουλος της Ford, Doug Field, είπε:
“Βλέπουμε την τεχνολογία αυτόματης οδήγησης ως μια ευκαιρία να ξαναορίσουμε τη σχέση μεταξύ ανθρώπων και οχημάτων.”
Συμπερασματικές Σκέψεις
Έτσι, όπως είδαμε, ανάλογα με το επίπεδο ανθρώπινης βοήθειας που απαιτείται, τα αυτόνομα οχήματα分 into διαφορετικές κατηγορίες, όπως η αυτοματοποίηση για βοήθεια οδηγού, μερική αυτοματοποίηση οδήγησης, υψηλή αυτοματοποίηση οδήγησης, πλήρως αυτοματοποιημένα οχήματα και πλήρως αυτόνομα οχήματα. Με την έλευση της AI, η πιθανότητα τα AV να φτάσουν最終 στο τελικό στάδιο είναι πιο κοντά παρά ποτέ.
Το μέλλον της αγοράς AI στην αυτοκινητοβιομηχανία είναι σαφώς υποσχόμενο. Βρισκόταν στο $6 δισεκατομμύρια το 2022 και αναμένεται να αυξηθεί με ρυθμό ανάπτυξης 55% μέχρι το 2032.
Οι προόδους στους αλγόριθμους AI, όπως οι τεχνολογίες αισθητήρων, η υπολογιστική ισχύς και οι λύσεις προληπτικής συντήρησης, θα βοηθήσουνさらに τα αυτόνομα οχήματα να αντιμετωπίσουν τις προκλήσεις και να κερδίσουν ευρεία αποδοχή!
Κάντε κλικ εδώ για να μάθετε όλα για την επένδυση στην τεχνητή νοημοσύνη.
