पहियों पर एआई: कैसे कृत्रिम बुद्धिमत्ता स्वायत्त वाहनों के विकास को आगे बढ़ा रही है

लगभग 200 साल पहले, उच्च गुणवत्ता वाले वाहनों में अनोखी विशेषताएँ सामान्य व्यक्ति के लिए कल्पना से परे थीं, लेकिन तब से हम बहुत आगे आ चुके हैं, और इलेक्ट्रिक तथा हाइब्रिड वाहन हमारे दैनिक जीवन का हिस्सा बन गए हैं। 

आज, स्वायत्त वाहन (AV) ऑटोमोबाइल में नवाचार का नेतृत्व कर रहे हैं, जो बड़ी धूमधाम और उम्मीदों के साथ मुख्यधारा में प्रवेश कर चुके हैं। लेकिन यह क्या है, और यह वाहनों के चेहरे को कैसे बदल रहे हैं? चलिए देखते हैं!

ऑटोमोबाइल में स्वचालन का एक नज़र 

स्वायत्त वाहन (AV) वे प्रकार के वाहन हैं जो प्रौद्योगिकी का उपयोग करके आंशिक या पूर्ण रूप से मानव चालक को प्रतिस्थापित करते हैं और “ऑटोपायलट” मोड में स्वयं निर्धारित गंतव्य तक चलते हैं। साथ ही, ये AV ट्रैफ़िक स्थितियों के अनुसार प्रतिक्रिया देते हैं, सड़क के खतरे से बचते हैं, और अधिक सुरक्षा प्रदान करते हैं।

इन वाहनों द्वारा उपयोग की जाने वाली विभिन्न तकनीकों में सेंसर, लेज़र, रडार, अनुकूली क्रूज़ नियंत्रण, सक्रिय स्टीयरिंग, एंटी-लॉक ब्रेकिंग सिस्टम, और जीपीएस नेविगेशन तकनीक शामिल हैं।

ऑटोमोबाइल इंजीनियर्स सोसाइटी (SAE) के अनुसार, मानव हस्तक्षेप के आधार पर स्वायत्त वाहनों के छह स्तर होते हैं। यह वर्गीकरण, जिसे अमेरिकी राष्ट्रीय राजमार्ग ट्रैफ़िक सुरक्षा प्रशासन (NHTSA) भी उपयोग करता है, इस प्रकार है:

Level 0: वाहन को अपने संचालन पर कोई नियंत्रण नहीं है, सभी ड्राइविंग मानव चालक द्वारा की जाती है।
Level 1: वाहन की उन्नत ड्राइवर सहायता प्रणाली (ADAS) में स्टीयरिंग और ब्रेकिंग के साथ चालक को समर्थन देने की क्षमता होती है।
Level 2: वाहन की ADAS कुछ स्थितियों में तेज़ी और ब्रेकिंग को नियंत्रित करती है, हालांकि मानव चालक को आवश्यक कार्य करने और पूरे सफर के दौरान पर्यावरण पर पूरी तरह ध्यान देना आवश्यक है।
Level 3: वाहन की ADAS कुछ स्थितियों में ड्राइविंग कार्य के सभी भागों को कर सकती है, लेकिन जब आवश्यक हो, मानव चालक को नियंत्रण लेना पड़ता है। यह स्तर वर्तमान में AV द्वारा प्राप्त किया गया है।
Level 4: वाहन की उन्नत ड्राइवर सहायता प्रणाली कुछ स्थितियों में सभी कार्य बिना मानव ध्यान या सहायता के कर सकती है।
Level 5: वाहन की ADAS सभी स्थितियों में ड्राइविंग से संबंधित सभी कार्य पूरी तरह से कर सकती है और मानव चालक से कोई ड्राइविंग सहायता की आवश्यकता नहीं होती। इस चरण में पूर्ण स्वचालन प्राप्त हो जाता है। 

स्वायत्त वाहन सुविधा और जीवन की गुणवत्ता में सुधार का लाभ प्रदान करते हैं। इसके अलावा, शारीरिक रूप से अक्षम और वृद्ध लोग स्वतंत्रता प्राप्त कर सकते हैं। ट्रैफ़िक जाम को कम करने, परिवहन लागत घटाने, पार्किंग स्थल मुक्त करने, और CO2 उत्सर्जन को नाटकीय रूप से कम करने की भी संभावनाएँ हैं।

हालांकि स्वायत्त वाहनों के बारे में बहुत चर्चा है, वे अभी तक वह सफलता नहीं हासिल कर पाए हैं जिसकी उम्मीद की गई थी। तो यहाँ समस्या क्या है?

स्वायत्त वाहनों को सामना करने वाली चुनौतियाँ

स्वायत्त या ड्राइवर रहित वाहनों ने हाल के वर्षों में अरबों डॉलर के निवेश को आकर्षित किया है, लेकिन AV लॉन्च में कई बाधाएँ और ग्राहक अपनाने में देरी भी देखी गई है। तो चलिए देखते हैं कि ये वाहन किन प्रमुख चुनौतियों का सामना कर रहे हैं। 

जटिल ड्राइविंग वातावरण 

AV द्वारा सड़क संकेत, ट्रैफ़िक लाइट और सड़क पर वस्तुओं की गति को ट्रैक करने के लिए उपयोग की जाने वाली प्रणालियाँ पूर्णतः त्रुटिरहित नहीं हैं। वे विशेष रूप से वास्तविक दुनिया के परिदृश्यों को समझने में विफल रहती हैं।

उदाहरण के लिए, यदि सड़क पर पक्षियों का झुंड बैठा है, तो मानव चालक समझते हैं कि वाहन आगे बढ़ने पर पक्षी उड़ जाएंगे, लेकिन AV या तो अनावश्यक रूप से रुक जाएगा या अचानक ब्रेक लगाएगा। AV जटिल सामाजिक अंतःक्रियाओं जैसे दूसरे चालक की हाथ की हरकत या आँखों के संपर्क को भी नहीं पहचान पाते, जो आगे बढ़ने का संकेत देता है।

इसके अलावा, वर्तमान में AV उन स्थितियों में सुरक्षित रूप से कार्य नहीं कर सकते जहाँ सड़क पर कोई ट्रैफ़िक संकेत नहीं होते। इसका मतलब है कि AV अभी तक विभिन्न देशों के विभिन्न स्थानों में अधिकतम सटीकता के साथ कार्य नहीं कर सकते।

यदि कोई यात्री मानचित्र प्रणाली में शामिल नहीं किए गए स्थान पर जाना चाहता है, तो उसे भी कठिनाई हो सकती है क्योंकि AV भ्रमित हो सकते हैं। यह जटिल त्रि-आयामी (3D) मार्ग मानचित्रों की आवश्यकता को दर्शाता है, जो कवरेज और सटीकता प्राप्त करने के लिए समय-साध्य प्रक्रिया है।

खराब मौसम

AV के लिए एक बड़ी चुनौती खराब मौसम है। ये वाहन विभिन्न प्रकार के सेंसरों का उपयोग करते हैं: कैमरे वस्तुओं को देख और पहचानने में मदद करते हैं, लेज़र दूरी को ट्रैक करता है, और रडार वस्तु की गति और दिशा को मापता है।

डेटा कैप्चर होने के बाद, प्रणाली निर्णय लेती है, लेकिन बर्फ, धुंध या भारी बारिश सेंसरों को सही ढंग से काम करने में कठिनाई पैदा करती है। इसलिए प्रतिकूल मौसम AV की संवेदन क्षमता की सटीकता को नकारात्मक रूप से प्रभावित करता है, जिससे उपयोगकर्ता की सुरक्षा खतरे में पड़ सकती है। साथ ही भारी वर्षा और पानी, तेल, बर्फ या मलबे जैसी पदार्थें लेन मार्किंग को अस्पष्ट कर देती हैं।

लागत

AV की एक और बड़ी समस्या लागत है; इन वाहनों द्वारा उपयोग किए जाने वाले सेंसर, जैसे लिडार और रडार, महंगे होते हैं। इसके अलावा, लिडार अभी भी रेंज और रिज़ॉल्यूशन के बीच सही संतुलन खोजने की कोशिश कर रहा है। इसलिए यह प्रश्न उठता है: यदि कई AV एक ही सड़क पर चल रहे हों, तो क्या उनके लिडार सिग्नल एक-दूसरे में बाधा डालते हैं?

जिम्मेदारी

AV के साथ एक और बड़ा प्रश्न दुर्घटना की जिम्मेदारी है; AV द्वारा हुई दुर्घटनाओं की जिम्मेदारी कौन लेगा? यह प्रश्न पूर्ण स्वायत्त स्तर के AV के लिए और भी महत्वपूर्ण हो जाएगा, जिनमें मानव के लिए आपातकाल में वाहन को नियंत्रित करने के लिए स्टीयरिंग व्हील नहीं होगा। फिर बीमा का सवाल है, जो इन वाहनों के लिए एक और धुंधला क्षेत्र है।

कानून एवं विनियम

AV के मुख्यधारा में आने के बावजूद, उनके आसपास के कानून और विनियम अभी भी बहुत कम और असमान हैं। हाल ही में, यूएस में AV के नियामक प्रक्रिया ने संघीय मार्गदर्शन से राज्य-प्रति-राज्य अनिवार्यताओं की ओर बदलाव किया है।

“ज़ॉम्बी कार” के उदय को रोकने के लिए, कुछ राज्यों ने उन पर प्रति मील कर लगाने का प्रस्ताव रखा है। विधायकों ने ऐसे बिल भी लिखे हैं जो सभी AV में एक पैनिक बटन स्थापित करने की मांग करते हैं।

साइबर सुरक्षा 

उच्च कनेक्टेड परिवहन प्रणाली और 5G के रोलआउट को देखते हुए, डेटा गोपनीयता और साइबर सुरक्षा इन वाहनों की अन्य समस्याएँ हैं। उदाहरण के लिए, 2015 में, Fiat Chrysler अपने 1.4 मिलियन वाहनों को वापस बुलाया बग ठीक करने के लिए, क्योंकि उन्हें हैक किया जा सकता था और दूरस्थ रूप से नियंत्रित किया जा सकता था। AV को यह सुनिश्चित करना चाहिए कि वे न केवल उपभोक्ता की डेटा गोपनीयता का उल्लंघन न करें, बल्कि डेटा को हैकर्स से भी सुरक्षित रखें। 

बुनियादी ढांचा 

AV को सड़कों पर लाने के लिए बुनियादी ढांचे में बड़े निवेश की आवश्यकता है। AV को अक्सर स्पष्ट लेन स्ट्रिपिंग, डेटा संग्रहण स्थान, और अधिक मजबूत चार्जिंग नेटवर्क की जरूरत होती है। यह शहर के बजट को प्रभावित करेगा। इसलिए, सार्वजनिक निवेश के साथ-साथ समुदाय और उद्योग के आउटरीच के लिए संवाद की आवश्यकता है ताकि मौजूदा बुनियादी ढांचे का विस्तार किया जा सके।

स्वायत्त वाहनों के लिए आगे का मार्ग तैयार करने में एआई

इन सभी चुनौतियों के सामने, कृत्रिम बुद्धिमत्ता (AI) नियंत्रण ले रही है और स्वायत्त वाहनों के लिए आगे का मार्ग तैयार कर रही है।

वास्तव में, ऑटो उद्योग ने हाल के वर्षों में नई तकनीकों के आगमन के साथ तेज़ी से प्रगति की है। AI ऐसी ही एक तकनीक है जो ऑटोमोटिव उद्योग को बदलने में मदद कर रही है। मूल रूप से, AI मशीनों को अधिक बुद्धिमान बनाने के बारे में है। यह मशीनों में मानव बुद्धिमत्ता का सिमुलेशन करता है ताकि वे हमारे जैसा सोचें और कार्य करें।

AI वाहनों को वस्तुओं को पहचानने, अगले क्या हो सकता है इसकी भविष्यवाणी करने, अप्रत्याशित स्थितियों पर प्रतिक्रिया देने, और जटिल ट्रैफ़िक स्थितियों में मानव ड्राइवरों से बेहतर ड्राइव करने में सक्षम बनाता है।Statista के अनुसार, वैश्विक ऑटोमोटिव AI बाजार का आकार $74.5 बिलियन तक पहुंचने की उम्मीद है। 

NHTSA के अध्ययन के अनुसार, मानव त्रुटियों जैसे दृष्टि और सुनने में कमी के कारण लगभग 93% सड़क दुर्घटनाएँ होती हैं। AV में सेंसर और एल्गोरिदम के रूप में AI का उपयोग करने से अधिक सुरक्षित और सुरक्षित परिवहन साधन संभव हो सकता है, जिससे मानव त्रुटियों के कारण होने वाली हानियों को काफी कम किया जा सकता है। AI की पर्यावरण को सीखने और फिर अनुकूलित करने की क्षमता इसे जटिल सड़कों और स्थितियों को संभालने में अधिक कुशल बनाती है।

AI का उपयोग AV में कई तरीकों से किया जा रहा है:

• यह तकनीक AV को अन्य ड्राइवरों और पैदल यात्रियों के व्यवहार की भविष्यवाणी करने में मदद कर सकती है, जिससे वाहन को विश्लेषण, संभावित समस्याओं की भविष्यवाणी और उन्हें रोकने की क्षमता मिलती है।
• मशीन लर्निंग का उपयोग करके, जहाँ मॉडल को लेबल किए गए डेटा सेट पर प्रशिक्षित किया जाता है ताकि इनपुट को सही आउटपुट से मैप किया जा सके, AI AV को वस्तु पहचान और मॉडलिंग में मदद कर सकता है। वहीं, अनलेबल्ड डेटा सेट पर प्रशिक्षित मॉडल AV को विसंगति पहचान, जटिल स्थितियों को समझने और फीचर एक्सट्रैक्शन में मदद कर सकता है।
• AV कैमरा, लिडार, रडार और अल्ट्रासोनिक सेंसर जैसे सेंसरों पर निर्भर करते हैं ताकि अपने आसपास की जानकारी प्राप्त कर सकें। यहाँ, AI एल्गोरिदम इस डेटा का विश्लेषण करके विस्तृत मानचित्र बना सकते हैं, जिससे AV सूचित निर्णय ले सके।
• नेचुरल लैंग्वेज प्रोसेसिंग (NLP) का उपयोग करके, AV आवाज़ पहचान के माध्यम से यात्रियों के साथ संवाद कर सकते हैं। इस प्रकार, AI वाहन को मानव प्रश्नों को समझने और प्रभावी रूप से उत्तर देने में मदद करता है। 
• रियल-टाइम सेंसर डेटा के आधार पर तुरंत निर्णय लेने की क्षमता से, AI AV को यह तय करने में मदद करता है कि सबसे अच्छा उत्तर धीमा करना है या रुकना। इस प्रकार, AI AV को उन खतरनाक स्थितियों में मदद करता है जहाँ मनुष्य त्रुटि कर सकते हैं। यह तकनीक डेटा फ़ीड को विभिन्न सेंसरों में विश्लेषण करके क्रॉस-ट्रैफ़िक डिटेक्शन, ब्लाइंड स्पॉट की सक्रिय निगरानी, ट्रैफ़िक सिग्नल के साथ समन्वय, और आपातकालीन वाहन नियंत्रण में बहुत बेहतर प्रदर्शन करती है।

समग्र रूप से, AV में AI रियल-टाइम डेटा एकत्र करने, वस्तुओं का पता लगाने और पहचानने, मार्ग को अनुकूलित करने, सड़क स्थितियों को नेविगेट करने, और विफलताओं की भविष्यवाणी करने में मदद करता है। AI के ये सभी उपयोग मामलों से स्वायत्त वाहनों को ट्रैफ़िक में कमी, ऊर्जा बचत में तेज़ी, पहुंच में सुधार, दक्षता में वृद्धि, और सुरक्षा में बढ़ोतरी प्राप्त होती है। 

पहले से ही, यह तकनीक विश्व भर के ऑटोमेकर्स द्वारा उपयोग की जा रही है। उदाहरण के लिए, टेस्ला का ऑटोपायलट 10 वर्षों में इस मोड में 3 बिलियन मील से अधिक चलाया इस मोड में लगभग एक दशक में। एलोन मस्क की टेस्ला सटीक नियंत्रण के लिए उन्नत AI एल्गोरिदम का उपयोग करती है। 

वेयोमो एक और कंपनी है जो जटिल मार्ग योजना और पर्यावरण के प्रति बुद्धिमान प्रतिक्रिया के लिए AI-आधारित स्व-ड्राइविंग सिस्टम का उपयोग करती है। कंपनी ने सिमुलेशन में दशकों के बिलियन मील चलाकर अपने वाहनों का परीक्षण किया है।

डाइमर का डिजिटल असिस्टेंट, ऑडी का R10 e-tron SUV, और मर्सिडीज़-बेंज का EQR4 स्वायत्त ड्राइविंग सिस्टम कुछ अन्य उदाहरण हैं। AV में AI के प्रमुख योगदानकर्ता में BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ), और Ford शामिल हैं।

यहाँ क्लिक करके जानें कि 2023 AI का ब्रेकथ्रू वर्ष कैसे था और आगे क्या उम्मीद की जा सकती है। 

स्वायत्त वाहनों के क्षेत्र में सबसे महत्वपूर्ण AI प्रगति

2023 AI में प्रगति का एक शानदार वर्ष था, जिसने कला, वित्त, स्वास्थ्य देखभाल, शिक्षा से लेकर जलवायु परिवर्तन, अनुसंधान, फंडिंग और AV तक सभी क्षेत्रों को प्रभावित किया। तो चलिए स्वायत्त वाहनों के क्षेत्र में 2023 की सबसे महत्वपूर्ण AI प्रगति को देखते हैं।

हाल ही में, कोरिया के इंचियन नेशनल यूनिवर्सिटी (INU) के शोधकर्ताओं नेएक नवीन अंत-से-अंत 3D वस्तु पहचान प्रणाली विकसित की, जो डीप लर्निंग-आधारित और इंटरनेट-ऑफ़-थिंग्स-सक्षम है। यह प्रणाली AV को प्रतिकूल परिस्थितियों में भी बेहतर पहचान क्षमता प्रदान करती है। 

कैमरों, लिडार और रडार जैसे सेंसरों की बाधाओं, मौसम और अव्यवस्थित सड़कों के प्रति संवेदनशीलता को संबोधित करते हुए, इस अध्ययन ने YOLOv3 (You Only Look Once) एल्गोरिद्म को अनुकूलित किया है ताकि IoT को शामिल करके 3D वस्तुओं की पहचान की जा सके, क्योंकि IoT वस्तुओं को डेटा का आदान-प्रदान करने और इंटरनेट पर संवाद करने में सक्षम बनाता है।

प्रस्तावित प्रणाली को इनपुट के रूप में RGB चित्र और पॉइंट क्लाउड डेटा प्रोसेस करने के लिए डिज़ाइन किया गया है। यह बाधाओं की पहचान के लिए रेटेड और लेबल्ड बाउंडिंग बॉक्स आउटपुट करता है। यह प्रणाली विभिन्न प्रकार की वस्तुओं का पता लगाने में निपुण है और आकार और घूर्णन दोनों में विविधताओं को संभालने में सक्षम है।

अध्ययन ने सिस्टम का परीक्षण Lyft डेटासेट का उपयोग करके किया और पाया कि इसने उच्च सटीकता और कम लेटेंसी प्रदर्शित की। टीम के अनुसार, प्रस्तावित प्रणाली की बहुमुखी प्रतिभा स्वायत्त वाहनों से परे भी है, और यह निगरानी, रोबोटिक्स, और गेमिंग जैसे क्षेत्रों में संभावित अनुप्रयोग पा सकती है।

एक अन्य परियोजना, Helm.ai, ने एक AI प्रगति की जो ड्राइवर की मंशा की भविष्यवाणी करता है और इष्टतम मार्ग की योजना बनाता है। रोबोट और वाहनों के स्वचालन के लिए AI सॉफ़्टवेयर बनाने वाली कंपनी ने घोषणा की कि इससे Helm.ai को स्केलेबल L2/L3 और L4 डिप्लॉयमेंट्स मिलेंगे। 

कंपनी के DNN-आधारित फाउंडेशन मॉडल अपने स्वामित्व वाले तकनीक, Deep Teaching, का उपयोग करके प्रशिक्षित किए जाते हैं, जो जटिल ड्राइविंग वातावरण के लिए वास्तविक ड्राइविंग डेटा का उपयोग करता है। 

अब, इसका मॉडल आसपास के वाहनों और पैदल यात्रियों का विश्लेषण करता है ताकि विविध शहरी स्थितियों में उनकी संभावित क्रियाओं की सटीक भविष्यवाणी कर सके, और उस आधार पर AV के लिए सबसे कुशल और सुरक्षित मार्ग उत्पन्न कर सके। कंपनी का प्लेटफ़ॉर्म विभिन्न हार्डवेयर कॉन्फ़िगरेशन के साथ सहजता से काम करता है और कुशल प्रशिक्षण और वैधता को सक्षम बनाता है।

“हमारा सॉफ़्टवेयर प्लेटफ़ॉर्म शहरी वातावरण की महत्वपूर्ण धारणा चुनौतियों को संबोधित करता है, AI-संचालित इरादा भविष्यवाणी और मार्ग योजना के स्केलेबल विकास और वैधता के लिए मार्ग प्रशस्त करता है।” 

– व्लादिस्लाव वरोनिंस्की, Helm.ai के सीईओ

इस वर्ष, इलेक्ट्रिक वाहन पायनियर टेस्ला ने अपने फुल सेल्फ-ड्राइविंग (FSD) सॉफ़्टवेयर में भी प्रगति की। इसका नवीनतम संस्करण, 12 (v12), कंपनी को अपने कारों के साथ लेवल 4 या लेवल 5 स्वायत्तता प्राप्त करने के एक कदम और करीब ले जाता है।

अगस्त में, मस्क ने FSD v12 को स्वायत्त रूप से वाहन चलाते हुए और समानांतर पार्किंग, ट्रैफ़िक लाइट का पालन, और गोल चक्करों को नेविगेट करने जैसे कार्य करते हुए प्रदर्शित किया। इस संस्करण को उसके पूर्व संस्करणों से अलग करने वाली बात यह है कि यह AI-संचालित स्व-प्रशिक्षण न्यूरल नेटवर्क पर भारी निर्भर है।

इसका मतलब यह है कि मानव प्रोग्रामरों को विभिन्न ड्राइविंग परिदृश्यों के लिए प्रतिक्रियाएँ हार्ड-कोड करने की आवश्यकता नहीं है; AI टेस्ला के वाहनों से एकत्रित विशाल डेटा का विश्लेषण करता है और फिर सबसे उपयुक्त प्रतिक्रिया चुनता है।

यह विकास टेस्ला को अपने व्यापक रोबोटैक्सी व्यवसाय के लक्ष्य के एक कदम और करीब ले जाता है, जो,Ark Invest के अनुसार, यहाँ तक कि मंदी के परिदृश्य में भी, वार्षिक राजस्व $200 बिलियन (सबसे आशावादी प्रक्षेपण के अनुसार $600 बिलियन से अधिक) उत्पन्न करता है।

इस वर्ष की शुरुआत में, AV के लिए एक और प्रगति कैमरा इमेजिंग सिस्टम के रूप में आई,HADAR, या ‘हीट-असिस्टेड डिटेक्शन एंड रेंजिंग’। मिशिगन स्टेट यूनिवर्सिटी और पुड्यू विश्वविद्यालय के शोधकर्ताओं ने AI का उपयोग करके HADAR विकसित किया, जो गर्मी संकेतों को व्याख्या करके विस्तृत और स्पष्ट छवियां प्रदान करता है, जबकि ऑप्टिकल अव्यवस्था को काटता है।

उनके AI मॉडल ने मशीन लर्निंग एल्गोरिद्म का उपयोग किया जो वाणिज्यिक इन्फ्रारेड कैमरों से डेटा एकत्र करके वस्तुओं और उनके परिवेश की भौतिक विशेषताओं को पहचानते हैं, जिससे HADAR रात के समय स्पष्ट दृश्यों को पुनर्निर्मित कर सकता है।

चूंकि यह प्रणाली थर्मल रेडिएशन पैटर्न, सामग्री निर्माण, और तापमान को बड़ी सफलता के साथ पहचान सकती है, इसके पास व्यापक संभावनाएं हैं, जिसमें संपर्क रहित सार्वजनिक सुरक्षा जांच और अंधेरे का भय दूर करना शामिल है। हालांकि, HADAR को उपकरण लागत और रीयल-टाइम कैलिब्रेशन की आवश्यकता जैसी चुनौतियों का सामना करना पड़ता है।

Ford Motor Company (F ) ने एक पूर्ण स्वामित्व वाली सहायक कंपनी भी बनाईजिसे Latitude AI कहा जाता है हाथ-रहित, आँखों-से-रोड हटाकर स्वचालित ड्राइविंग सिस्टम विकसित करने के लिए। ऑटोमोबाइल दिग्गज ने अपने Ford BlueCruise में पहले ही 50 मिलियन मील से अधिक हाथ-रहित ड्राइविंग हासिल कर ली है। 

अब, Latitude के साथ, विचार यह है कि ड्राइविंग को थकाऊ, तनावपूर्ण और अप्रिय समय जैसे लंबी हाईवे यात्रा या बम्पर-टू-बम्पर ट्रैफ़िक को स्वचालित किया जाए। स्वचालित ड्राइविंग पर बात करते हुए, Ford के मुख्य तकनीकी अधिकारी, डग फील्ड ने कहा:

“हम स्वचालित ड्राइविंग तकनीक को लोगों और उनके वाहनों के बीच संबंध को पुनः परिभाषित करने का अवसर मानते हैं।”

निष्कर्ष

तो, जैसा कि हमने देखा, आवश्यक मानव सहायता के स्तर के आधार पर, स्वायत्त वाहन विभिन्न श्रेणियों में आते हैं, अर्थात ड्राइवर सहायता के लिए स्वचालन, आंशिक स्वचालित ड्राइविंग, उच्च स्वचालित ड्राइविंग, पूर्ण स्वचालित ड्राइविंग, और पूरी तरह स्वचालित वाहन। AI के आगमन के साथ, AV के अंततः अपने अंतिम चरणों तक पहुंचने की संभावना पहले से अधिक निकट आ गई है।

ऑटोमोटिव उद्योग में AI बाजार का भविष्य स्पष्ट रूप से आशाजनक है। यह 2022 में $6 बिलियन से अधिक था और 2032 तक 55% की CAGR के साथ बढ़ने की संभावना है। 

सेंसर तकनीकों, कंप्यूटिंग शक्ति, और भविष्यवाणी रखरखाव समाधान जैसी AI एल्गोरिद्म में प्रगति स्वायत्त वाहनों को उनकी चुनौतियों को दूर करने और मुख्यधारा में अपनाने में और मदद करेगी!

कृत्रिम बुद्धिमत्ता में निवेश के बारे में सब कुछ जानने के लिए यहाँ क्लिक करें।