ایده خودروهای خودران که زمانی به داستان‌های علمی-تخیلی محدود می‌شد، به سرعت به واقعیت تبدیل می‌شود؛ این تحول با نیروی هوش مصنوعی (AI) تغذیه می‌شود، شاخه‌ای از علوم کامپیوتر که بر ایجاد ماشین‌های هوشمند تمرکز دارد، در حوزه وسایل نقلیه خودران، هوش مصنوعی نقش مهمی در درک محیط، تصمیم‌گیری و کنترل ایفا می‌کند و راه را در آینده برای تحول گسترده در حمل و نقل هموار می‌کند.
درک جهان: سمفونی حسی
هوش مصنوعی خودروهای خودران برای ساختن تصویری جامع از محیط اطراف خود به انبوهی از حسگرها متکی هستند. این حسگرها به عنوان چشم و گوش خودرو عمل کرده و داده‌هایی را در مورد محیط جمع‌آوری می‌کنند. در اینجا به برخی از ابزارهای کلیدی اشاره می‌کنیم:
- دوربین‌ها: دوربین‌های با رزولوشن بالا اطلاعات بصری مانند چراغ‌های راهنمایی و رانندگی، خطوط مسیر، عابران پیاده و سایر وسایل نقلیه را ضبط می‌کنند.
- لیدار (تشخیص نور و مسافت‌سنج): این فناوری با استفاده از لیزر، نقشه‌ای سه بعدی از محیط با دقت بالا ایجاد می‌کند. لیدار در تشخیص اشیاء با فواصل مختلف عملکرد فوق العاده‌ای دارد.
- رادار: رادار مشابه لیدار، امواج رادیویی ساطع کرده و بازتاب آن‌ها را تجزیه و تحلیل می‌کند تا موقعیت و سرعت اشیاء نزدیک را به خصوص در شرایط دید کم تعیین کند.
- حسگرهای فراصوت: این حسگرها امواج صوتی با فرکانس بالا ساطع کرده و با اندازه‌گیری پژواک آن‌ها، اشیاء نزدیک را تشخیص می‌دهند که برای تشخیص در برد کوتاه در موقعیت‌های پارک ایده‌آل هستند.
داده‌های جمع‌آوری شده از این حسگرها، حجیم و پیچیده هستند. در اینجاست که هوش مصنوعی خودروهای خودران وارد عمل می‌شوند.
خواندن مقالات زیر شاید برای شما جالب باشد:
کاربردهای هوش مصنوعی در خودروسازی
خودروهای خودران: انقلاب در حمل و نقل
موتور هوش مصنوعی: پردازش داده‌های حسی
الگوریتم‌های هوش مصنوعی، به طور خاص الگوریتم‌های یادگیری عمیق، روی حجم عظیمی از داده‌های رانندگی در دنیای واقعی آموزش داده می‌شوند. این داده‌ها شامل تصاویر، ویدیوها و قرائت حسگرهایی است که از وسایل نقلیه آزمایشی طی میلیون‌ها کیلومتر جمع‌آوری شده است. از طریق این آموزش، هوش مصنوعی یاد می‌گیرد:
- تشخیص اشیاء: اشیاء موجود در محیط مانند عابران پیاده، وسایل نقلیه، علائم راهنمایی و رانندگی و علائم جاده را شناسایی و طبقه‌بندی کند.
- ردیابی اشیاء: حرکت این اشیاء را کنترل کرده و مسیر حرکت آن‌ها را پیش‌بینی کند.
- تشخیص خطوط: خطوط مسیر را تشخیص داده و موقعیت خودرو را درون خط حفظ کند.
- تشخیص و تفسیر چراغ راهنمایی و رانندگی: علائم راهنمایی و رانندگی را شناسایی کرده و معنای آن‌ها (قرمز، زرد، سبز) را درک کند.
با پردازش این اطلاعات در زمان واقعی، موتور هوش مصنوعی درکی پویا از محیط اطراف خودرو ایجاد می‌کند که پایه‌ای برای تصمیم‌گیری‌های حیاتی است.
تصمیم‌گیری: از داده تا عمل
پس از اینکه هوش مصنوعی تصویری واضح از محیط داشته باشد، باید در مورد چگونگی پیمایش آن به روشی ایمن و کارآمد تصمیم‌گیری کند. این شامل موارد زیر می‌شود:
- برنامه‌ریزی مسیر: تعیین مسیر بهینه بر اساس شرایط ترافیک، مقصد و به‌روزرسانی‌های لحظه‌ای.
- برنامه‌ریزی مسیر حرکتی: تعیین مسیر خاص داخل خط، با در نظر گرفتن عواملی مانند وسایل نقلیه اطراف و موانع احتمالی.
- کنترل سرعت: تنظیم سرعت بر اساس قوانین راهنمایی و رانندگی، شرایط جاده و ملاحظات ایمنی.
- برنامه‌ریزی مانور: آغاز اقداماتی مانند تغییر خط، سبقت و ادغام در ترافیک، تضمین مانورهای روان و ایمن.
این تصمیمات در کسری از ثانیه گرفته می‌شوند و نیازمند الگوریتم‌های پیشرفته هوش مصنوعی هستند که بتوانند موقعیت را تحلیل کنند، گزینه‌های مختلف را در نظر بگیرند و مطمئن‌ترین مسیر عمل را انتخاب کنند.
نویسنده: فرحناز طهرانی فر
