بقلم جون ديزموند ، محرر اتجاهات الذكاء الاصطناعى
لمساعدة السيارات ذاتية القيادة على التنقل بأمان في المطر والطقس العاصف ، يبحث الباحثون في نوع جديد من الرادار.
يمكن أن تواجه المركبات ذاتية القيادة مشكلة في "الرؤية" في المطر أو الضباب ، حيث يحتمل أن تكون أجهزة الاستشعار في السيارة مسدودة بسبب الثلوج أو الجليد أو الأمطار الغزيرة ، وقدرتها على "قراءة" لافتات الطريق وعلامات الطريق ضعيفة.
تعتمد العديد من المركبات ذاتية القيادة على تقنية رادار الليدار ، والتي تعمل عن طريق ارتداد أشعة الليزر عن الأجسام المحيطة لإعطاء صورة ثلاثية الأبعاد عالية الدقة في يوم صافٍ ، ولكنها لا تعمل بشكل جيد في الضباب أو الغبار أو المطر أو الثلج ، وفقًا لآخر تقرير من abc10 ساكرامنتو ، كاليفورنيا.
صرح Kshitiz Bansal ، دكتوراه في علوم وهندسة الكمبيوتر: "تستخدم الكثير من المركبات الأوتوماتيكية هذه الأيام الليدار ، وهذه هي في الأساس أشعة ليزر تنطلق وتستمر في الدوران لإنشاء نقاط لجسم معين". طالب في جامعة كاليفورنيا سان دييغو ، في مقابلة.
يعمل فريق أبحاث القيادة المستقل في الجامعة على طريقة جديدة لتحسين قدرة التصوير لأجهزة استشعار الرادار الحالية ، بحيث يتنبأون بشكل أكثر دقة بشكل وحجم الأشياء في عرض السيارة المستقلة.
قال دينيش بهارديا ، أستاذ الهندسة الكهربائية وهندسة الكمبيوتر في كلية الهندسة بجامعة كاليفورنيا في سان دييغو جاكوبس ، "إنه رادار يشبه الليدار" ، مضيفًا أنه نهج غير مكلف. "دمج الليدار والرادار يمكن أيضًا أن يتم من خلال تقنياتنا ، لكن الرادارات رخيصة. بهذه الطريقة ، لا نحتاج إلى استخدام ليدار باهظ الثمن ".
يضع الفريق جهازي استشعار رادار على غطاء السيارة ، مما يتيح للنظام رؤية المزيد من المساحة والتفاصيل أكثر من مستشعر الرادار الفردي. أجرى الفريق اختبارات لمقارنة أداء نظامهم في الأيام والليالي الصافية ، ثم مع محاكاة الطقس الضبابي ، مع نظام قائم على الليدار. وكانت النتيجة أن أداء نظام الرادار بالإضافة إلى الليدار كان أفضل من نظام الليدار وحده.
"لذلك ، على سبيل المثال ، سيارة بها ليدار ، إذا كانت تسير في بيئة يسودها الكثير من الضباب ، فلن تتمكن من رؤية أي شيء من خلال ذلك الضباب ،" قال بان سعيد. وصرح قائلاً: "يمكن أن يمر رادارنا خلال هذه الظروف الجوية السيئة ويمكنه حتى الرؤية من خلال الضباب أو الثلج".
Tيستخدمه الفريق رادار ملليمتر، وهو إصدار من الرادار يستخدم موجات كهرومغناطيسية قصيرة الموجة لاكتشاف مدى الأجسام وسرعتها وزاويتها.
20 شريكًا يعملون على AI-SEE في أوروبا لتطبيق الذكاء الاصطناعي على رؤية السيارة
الرؤية المحسنة للمركبة المستقلة هي أيضًا هدف مشروع في أوروبا - يسمى AI-SEE - يتضمن بدء التشغيل الجولوكس، والتي تتعاون مع 20 شريكًا على مدار فترة ثلاث سنوات للعمل من أجل تحقيق المستوى 4 من الاستقلالية لمركبات السوق الشامل. تأسست شركة Algolux في عام 2014 ، ويقع المقر الرئيسي لها في مونتريال وقد جمعت 31.8 مليون دولار حتى الآن ، وفقًا لـ Crunchbase.
القصد من ذلك هو بناء نظام مستشعر قوي جديد مدعوم بالذكاء الاصطناعي لرؤية السيارة المعززة لظروف الرؤية المنخفضة ، لتمكين السفر الآمن في كل ظروف الطقس والإضاءة ذات الصلة مثل الثلج أو الأمطار الغزيرة أو الضباب ، وفقًا لحساب حديث من برنامج AutoMobilSport.
تستخدم تقنية Algolux نهج دمج البيانات متعدد الحواس ، حيث سيتم دمج بيانات المستشعر التي تم الحصول عليها ومحاكاتها عن طريق خوارزميات الذكاء الاصطناعي المتطورة المصممة لاحتياجات الإدراك السيئ للطقس. تخطط Algolux لتوفير التكنولوجيا والخبرة في المجال في مجالات خوارزميات التعلم العميق للذكاء الاصطناعي ، ودمج البيانات من أنواع أجهزة الاستشعار المتميزة ، والاستشعار المجسم بعيد المدى ، ومعالجة إشارات الرادار.
الدكتور فيرنر ريتر ، رئيس اتحاد شركات Mercedes Benz AG: "تعد شركة Algolux واحدة من الشركات القليلة في العالم التي تتمتع بخبرة واسعة في الشبكات العصبية العميقة الشاملة اللازمة لفصل الأجهزة الأساسية عن تطبيقنا ،" صرح الدكتور فيرنر ريتر ، رئيس اتحاد الشركات ، من شركة Mercedes Benz AG. "هذا ، جنبًا إلى جنب مع معرفة الشركة المتعمقة بتطبيق شبكاتهم للحصول على تصور قوي في الأحوال الجوية السيئة ، يدعم بشكل مباشر مجال التطبيق الخاص بنا في AI-SEE."
سيتم تمويل المشروع بشكل مشترك من قبل المجلس الوطني للبحوث التابع لبرنامج مساعدة البحوث الصناعية الكندية (NRC IRAP) ، ووكالة تعزيز البحوث النمساوية (FFG) ، و Business Finland ، ووزارة التعليم والبحث الفيدرالية الألمانية BMBF تحت علامة PENTA EURIPIDES أقرتها EUREKA.
Nvidia تبحث عن أشياء ثابتة في مختبر القيادة الخاص بها
تعد قدرة السيارة المستقلة على اكتشاف ما يدور حولها أمرًا بالغ الأهمية ، بغض النظر عن الظروف الجوية ، كما أن قدرة السيارة على معرفة العناصر الثابتة حولها أمر مهم أيضًا ، كما يشير إلى حديث بلوق وظيفة في سلسلة Drive Lab من نفيديا، نظرة هندسية على تحديات المركبات المستقلة الفردية. Nvidia هي شركة تصنيع شرائح تشتهر بوحدات معالجة الرسوم الخاصة بها ، وتستخدم على نطاق واسع لتطوير ونشر التطبيقات التي تستخدم تقنيات الذكاء الاصطناعي.
يعمل مختبر Nvidia على استخدام الذكاء الاصطناعي لمعالجة أوجه القصور في معالجة إشارة الرادار في التمييز بين الأجسام المتحركة والثابتة ، بهدف تحسين إدراك المركبات المستقلة.
"لقد دربنا شبكة DNN [الشبكة العصبية العميقة] لاكتشاف الأجسام المتحركة والثابتة ، بالإضافة إلى التمييز الدقيق بين الأنواع المختلفة من العوائق الثابتة ، باستخدام البيانات من أجهزة استشعار الرادار ،" Neda Cvijetic ، التي تعمل على المركبات ذاتية القيادة والرؤية الحاسوبية لشركة Nvidia ؛ مؤلف منشور المدونة. في منصبها لمدة أربع سنوات ، عملت سابقًا كمهندسة أنظمة في برنامج الطيار الآلي في Tesla.
ترتد معالجة الرادار العادية إشارات الرادار عن الأجسام الموجودة في البيئة وتحلل قوة وكثافة الانعكاسات التي تعود. إذا عادت مجموعة قوية وكثيفة من الانعكاسات ، يمكن أن تحدد معالجة الرادار الكلاسيكية أن هذا من المحتمل أن يكون نوعًا من الأجسام الكبيرة. إذا حدث أيضًا أن هذا التجمع يتحرك بمرور الوقت ، فمن المحتمل أن يكون هذا الكائن عبارة عن سيارة ، كما يوضح المنشور.
في حين أن هذا النهج يمكن أن يعمل بشكل جيد لاستنتاج مركبة متحركة ، فقد لا يكون الأمر كذلك بالنسبة للسيارة الثابتة. في هذه الحالة ، ينتج الكائن مجموعة كثيفة من الانعكاسات التي لا تتحرك. قد تفسر معالجة الرادار الكلاسيكية الكائن على أنه حديدي ، أو سيارة معطلة ، أو ممر علوي للطريق السريع أو أي شيء آخر. يقول المؤلف: "لا توجد طريقة في كثير من الأحيان للتمييز بين النهج".
الشبكة العصبية العميقة هي شبكة عصبية اصطناعية ذات طبقات متعددة بين طبقات الإدخال والإخراج ، وفقًا لويكيبيديا. قام فريق Nvidia بتدريب DNN على اكتشاف الأجسام المتحركة والثابتة ، بالإضافة إلى التمييز بين الأنواع المختلفة من الأجسام الثابتة ، باستخدام البيانات من أجهزة استشعار الرادار.
على وجه التحديد ، قمنا بتدريب DNN على اكتشاف الأجسام المتحركة والثابتة ، وكذلك التمييز بدقة بين الأنواع المختلفة من العوائق الثابتة ، باستخدام بيانات من أجهزة استشعار الرادار.
يتطلب تدريب DNN أولاً التغلب على مشاكل تناثر بيانات الرادار. نظرًا لأن انعكاسات الرادار يمكن أن تكون قليلة جدًا ، فمن غير المجدي عمليًا على البشر تحديد المركبات بصريًا وتسميتها من بيانات الرادار وحدها. ومع ذلك ، فإن بيانات Lidar ، التي يمكنها إنشاء صورة ثلاثية الأبعاد للكائنات المحيطة باستخدام نبضات الليزر ، يمكن أن تكمل بيانات الرادار. يقول المؤلف: "بهذه الطريقة ، يتم نقل قدرة المصمم البشري على التعرف البصري على السيارات وتسميتها من بيانات الليدار بشكل فعال إلى مجال الرادار".
النهج يؤدي إلى نتائج أفضل. صرح المؤلف: "باستخدام هذه المعلومات الإضافية ، يكون الرادار DNN قادرًا على التمييز بين أنواع مختلفة من العوائق - حتى لو كانت ثابتة - مما يزيد الثقة في الاكتشافات الإيجابية الحقيقية ، ويقلل من الاكتشافات الإيجابية الكاذبة".
يجد العديد من أصحاب المصلحة المشاركين في مجال المركبات ذاتية القيادة الآمنة أنفسهم يعملون على حل مشاكل مماثلة من وجهة نظرهم الفردية. من المحتمل أن تؤدي بعض هذه الجهود إلى إتاحة البرامج ذات الصلة كمصدر مفتوح ، في محاولة للتحسين المستمر لأنظمة القيادة الذاتية ، وهي مصلحة مشتركة.
اقرأ المقالات والمعلومات المصدر تبدأ من abc10 ساكرامنتو ، كاليفورنيا ، تبدأ من برنامج AutoMobilSport وفي بلوق وظيفة في سلسلة Drive Lab من Nvidia.
- 3d
- حسابي
- إضافي
- AI
- خوارزميات
- تطبيق
- التطبيقات
- حول
- مقالات
- الذكاء الاصطناعي
- السيارات
- مستقل
- سيارة مستقلة
- سيارات مستقلة
- سيارة مستقلة
- المركبات المستقلة
- الطيار الآلي
- أفضل
- المدونة
- نساعدك في بناء
- الأعمال
- كاليفورنيا
- كندا
- سيارة
- cars
- الشركات
- علوم الكمبيوتر
- رؤية الكمبيوتر
- الثقة
- مجلس
- ائتمان
- CrunchBase
- البيانات
- يوم
- التعلم العميق
- الشبكة العصبية العميقة
- الشبكات العصبية العميقة
- التفاصيل
- التطوير التجاري
- قيادة
- التعليم
- الهندسة
- البيئة
- أوروبا
- اتحادي
- الاسم الأول
- أجهزة التبخير
- HTTPS
- البشر
- ICE
- تحديد
- صورة
- التصوير
- صناعي
- معلومات
- رؤيتنا
- نية
- مصلحة
- المقابلة الشخصية
- المشاركة
- IT
- المعرفة
- كبير
- الليزر
- الليزر
- قيادة
- تعلم
- مستوى
- مستوى 4
- تعامل
- مليون
- مونتريال
- شبكة
- الشبكات
- عصبي
- الشبكة العصبية
- الشبكات العصبية
- أخبار
- NVIDIA
- جاكيت
- المصدر المفتوح
- تعمل
- أخرى
- شركاء
- خماسي
- أداء
- صورة
- البرنامج
- تنفيذ المشاريع
- ترقية
- رادار
- نطاق
- تخفيض
- تأملات
- تقرير
- بحث
- النتائج
- خزنة
- سان
- سان دييغو
- المدرسة
- علوم
- أجهزة الاستشعار
- مسلسلات
- شاركت
- لوحات
- محاكاة
- مقاس
- ثلج
- So
- تطبيقات الكمبيوتر
- الفضاء
- المدعومة
- المحافظة
- طالب
- ملحق
- مدعومة
- الدعم
- نظام
- أنظمة
- تكنولوجيا
- اختبارات
- المصدر
- الوقت
- سفر
- جديد الموضة
- جامعة
- جامعة كاليفورنيا
- المثالية
- السيارات
- ● السرعة
- المزيد
- رؤية
- رؤيتنا
- أمواج
- ما هي تفاصيل
- منهجنا
- من الذى
- ويكيبيديا
- للعمل
- أعمال
- العالم
- سنوات