Beidou'ya Giriş: Akıllı kokpitler ile navigasyon ve eğlence sistemlerinin geliştirilmesi ve yönetiminde 10 yıllık deneyim, otonom sürüşün ürünleştirilmesinde 3 yıllık deneyim ve otonom sürüş simülasyonu test ortamı oluşturmada 5 yıllık deneyim.
Son yıllarda politikaların ve pazarların güçlenmesiyle otonom sürüş endüstrisinin uygulanması hızlandı ve temel destekleyici endüstri zinciri ve pazar gelişimi giderek olgunlaştı. 2020 yılından bu yana otonom sürüş sektörü resmi olarak "altın on yıl"a girdi. 2030 yılına kadar ülkemde insansız araçların pazar payının %50'yi aşacağı, insansız araç hizmetlerinin pazar büyüklüğünün ise 2020 yılına kadar artacağı tahmin ediliyor. 1,3 trilyona ulaştı. Teknolojik gelişim trendleri açısından bakıldığında, ülkemin otonom sürüş teknolojisi sektörü şu anda tek araç zekasından araç-yol iş birliği çağına doğru evriliyor ve bu evrimi destekleyen de yapay zeka (yapay zeka) teknolojisi. Derin öğrenmenin neden olduğu üçüncü yapay zeka patlaması, yapay zeka çağının gelişini teşvik etti.
**Bu makale, yapay zeka çağında otonom sürüş alanında yapay zeka teknolojisinin uygulanmasının evrimsel tanıtımını analiz etmeye ve tanıtmaya odaklanmaktadır. **
Şekil 1 Otonom sürüş evrimi içeriğinin zihin haritası
Otomatik Pilot Sisteminin Gelişimi
1. Otonom sürüş görüntü analizinde yapay zeka
Otonom sürüş sisteminde araç, kamera, milimetre dalga radarı, lidar vb. çeşitli algılama sensörleriyle donatılıyor. Sistem, algılama yoluyla elde edilen verileri analiz edecek ve yapay zeka verilerine dayanarak araç kontrol kararları verecek. analiz sonuçları.
Otomatik sürüş sistemi, kamera gibi algı sensörleri tarafından elde edilen ham verilere doğrudan karar veremiyor çünkü sistemin bebek gibi şeyleri erken aşamada sınıflandırma yeteneği yok. Bu nedenle öncelikle verileri tek tek sınıflandırmamız ve sınıflandırmamız gerekir.Bu çalışma veri açıklamasıdır. Çeşitli trafik tesislerinin (şerit çizgileri, yol işaretleri, trafik ışıkları vb.), çeşitli trafik katılımcılarının (yayalar, bisikletler, binek arabalar, ticari araçlar, özel araçlar vb.) trafik ve yolla ilgili tüm unsurlarını sınıflandırın ve işaretleyin.
Şekil 2 Gerçek trafik sahnesinin veri açıklama haritası
Otonom sürüş sisteminin işlem birimi bu açıklama ve sınıflandırma sonuçlarını temel olarak kullanacak ve yapay zeka, çeşitli sınıflandırılmış nesnelerin özelliklerini öğrenecek. Temel veriler ne kadar fazla olursa, özellikler o kadar belirgin olur ve nesne ayrımının doğruluğu da o kadar yüksek olur. Yapay zeka, otonom sürüş sisteminin beyni gibi, her bir nesnenin özelliklerini analiz ederek, nesnenin görünüm özelliklerini ve hareket alışkanlıklarını parça parça öğreniyor. Yapay zeka beyni, bu tür tekrarlanan öğrenme ve çalışma sayesinde giderek daha akıllı hale geliyor ve görüntüdeki nesnenin türünü tanırken aynı zamanda nesnenin genel durumunu da kavrayabiliyor. Bu, bilgisayarlı görme ile ilgili teknolojiler alanında aşina olduğumuz uygulamadır. Ayrıca yapay zeka ile sınıflandırma ve etiketleme işini otomatikleştirmek de mümkün.
2. Otonom sürüşte karar verme ve muhakemede yapay zeka
Bilgisayarlı görme sayesinde sistem, algılama sensörleri tarafından elde edilen verilerin genel durumunu anlayabilir ve buna dayanarak araç kontrolüne ilişkin değerlendirmeler ve kararlar verebilir. Yapay zeka, otonom sürüş teknolojisinin gelişimini tam olarak bu şekilde ilerletiyor.
Yapay zeka, duyusal verilere dayanarak mümkün olan en kısa sürede insanın sürüş alışkanlıklarıyla aynı kararı verecek. Görüntü işlemenin gerçek zamanlı performansını ve anlık değerlendirme ve karar verme sürecini gerçekleştirmek için, sahada güçlü veri işleme yeteneklerine dayanan yüksek hassasiyetli yapay zekanın geliştirilmesine yönelik güçlü bir talep var.
3. Otomatik sürüş tahmin kontrolünde yapay zeka
Yargı kararının unsurlarından biri de "tahmin"dir. Önde giden araç veya yaya bundan sonra nasıl hareket edecek? Yapay zekanın trafik ortamındaki tüm nesnelerin olası eylemlerini önceden tahmin etmesi ve bu tahmine dayalı olarak araç kontrolünü uygulaması gerekiyor.
Yapay zekanın gözünde "tramvay sorunu"
Diyelim ki sürücüsüz bir araç, iki tarafı ağaçlı, tek şeritli bir yolda gidiyor ve aniden frenleri bozuluyor, önünde yolda yürüyen yaşlı bir adam var ve yolun karşısına geçen bir bebek var. Bir karar vermeliyiz, bu aslında "Tramvay Sorunu" deforme olmuş bir sahne. Sistemin öngörü yetenekleri aşıldığında, otonom araçlar ekstrem durumlarda karar verememekte ve karar verme çatışma durumu sistemin güvenliği açısından Aşil'in topuğu haline gelecektir. Sağduyulu muhakeme mantığına dayanarak, personelin güvenliğini tehlikeye atmamak için yalnızca keskin bir dönüş yaparak sürücüsüz aracı ağaca çarpabilir. Sistem, araba kullanmaktan veya yolcuları yaralamaktan kaçınamayacak nihai bir seçim yapmak zorunda kaldığında, yapay zekanın hangi kararı vermesi gerektiği, kendi arabası dışındaki insanları mı yoksa kendi arabasının sürücüsünü mü koruyacağı gibi aslında geliştiricinin niyetinin bir kısmını yansıtır. kendi arabası Peki ya mürettebat? Ya da kişi sayısına göre değerlendirme yapılmalı ya da frene basıp doğanın kendi yoluna gitmesine izin vermek için elinizden gelenin en iyisini yapmalısınız.
Şekil 3 "Tramvay Sorunu"nun deforme olmuş halinin karikatürü
Aslında bu konu her zaman tartışmalı olmuştur ve doğru sonuçlara varmak insanlar için bile kolay değildir. Ancak bazı bölgelerde hükümet benzer konuları öngören yasalar çıkarmıştır. Örneğin Almanya'da kabul edilen ve uygulamaya konulan "Otomatik Sürüş Kanunu (Revize Edilmiş Karayolu Trafik Kanunu)" şunu şart koşuyor: "Kaza önleme sistemi, kaçınılmaz kişisel yaralanma riskleri durumunda, insan hayatını ağırlaştırmayan karar verme yeteneğine sahip olmalıdır." Bu aynı zamanda yapay zekaya bu tür problemler için net bir karar verme yönü sağlar.
Otomatik sürüş sistemi için yol planlamanın gelişimi
Rota ve varış yerinin kapsamlı bir şekilde değerlendirilmesi ve en uygun yolun planlanması otonom araçlar için temel becerilerden biridir. Rota planlarken sadece trafik sıkışıklığı tahminleri ve destinasyonlar arası yol yapımını dikkate almak değil, aynı zamanda en uygun şerit seviyesinde rota planlamasının seçilmesi ve birden fazla yolcu için rota kolaylığı sağlanırken sistemin sıralamayı Anında belirlemesi gerekmektedir. En etkili ve en kısa yol planlamasına ulaşmak için yolun hangi alanda yürütüleceği.
Sistem yeteneklerinin sürekli iyileştirilmesi için planlanan güzergahın gerçek kaza oranına ilişkin risk analizi yapılması, trafik koşulları, dönüş sayısı, trafik ışığı sayısı ve geçen yolların diğer bilgilerine göre veri analizi yapılması gerekmektedir. Planlanan rota boyunca rota planlama stratejisini kademeli olarak optimize edin ve sonuçta sistem planlama yeteneklerini geliştirin.
Şekil 4 Otonom sürüş için çok yönlü nokta yol planlamasının şematik diyagramı
Sürücüsüz taksiler kullanıldığında aynı bölgede faaliyet gösteren birden fazla araç aynı anda araç talebinde bulunabiliyor.Araç sevki aynı zamanda sürücüsüz sistemin tüm taksiler için en uygun güzergahı planlamasını da gerektiriyor. Üstelik araç talebinin ne zaman ve nerede gerçekleşeceğinin tahmini de daha sonraki otonom sürüş sistemlerinin araç sevkıyatında uygulaması gereken temel bir işlevdir. Karmaşık uygulama senaryolarına gelecekteki taleplere ilişkin tahminler ekleyen ve ilgili karar verme sonuçlarını anında sağlayabilen teknoloji, şu anda yalnızca yapay zekayı kullanabiliyor.
Otonom sürüş sistemlerinde insan-bilgisayar etkileşiminin evrimi
Sürücüsü veya güvenlik görevlisi olmayan otonom araçlarda en önemli şey yolcuların durum ve ihtiyaçlarını doğru kavramaktır. Daha sonra sistem, mevcut araç sürüş durumu bilgilerinin yanıtını veya raporunu tamamlamak için sürücünün yerini alacak ve sürüş süreci sırasında yolcularla gerekli iletişimi tamamlayacaktır. Bu gereksinimler tam olarak yapay zekanın iyi olduğu konulardır.
Şekil 5 Otonom araçlar ve yolcular arasındaki etkileşimin şematik diyagramı
Yolcular ve sürücüsüz araçlar arasındaki iletişimde şu anda cep telefonları ve tabletlerde yaygın olarak kullanılan konuşma tanıma teknolojisi de kullanılacak. Her ne kadar insan dili sıklıkla yüzeydeki anlama ek olarak anlaşılması daha zor olan genişletilmiş anlamlara sahip olsa da, yapay zekanın müdahalesi nedeniyle sistemin anlama yeteneği, "Otele gitmek istiyorum" şeklindeki temel açık talimattan, "Otele gitmek istiyorum"a kadar kademeli olarak gelişecektir. yolcuların daha fazla bilgi sahibi olması gerektiğini anlamak Gerçek ihtiyaçların belirsiz talimatı "Lezzetli yemekler yemek istiyorum" aslında yapay zekanın iyi olduğu şeydir.
Yapay zeka, yolculardan gelen çeşitli talimatları anlamanın yanı sıra, arabadaki kameralar gibi sensörler tarafından toplanan bilgilere dayanarak yolcuların durumunu da analiz ederek bağımsız düşünmelerine ve ilgili önlemleri bağımsız olarak uygulamalarına olanak tanıyor. Örneğin yapay zeka, yolcunun uyuduğunu tespit ettiğinde arabanın ışıklarının parlaklığını kısmayı ve uykuya yardımcı olmak için rahatlatıcı müzik çalmayı düşünebilir. Yolcuların sürekli öksürmesi ve vücut ısısının yükselmesi durumunda proaktif olarak rota üzerindeki yakındaki eczane ve kliniklere hatırlatma yapın.
Gelecekteki sürücüsüz araçlarda yapay zeka, yolculara seçkin VIP müşteriler gibi davranacak ve titiz bir hizmet sunacak. Özellikle 2023'te ChatGPT'nin piyasaya sürülmesi, yeni bir yapay zeka çılgınlığı dalgasını başlattı. Otonom araçlarda yapay zekanın diğer insanların sorularını sesle yanıtlaması kaçınılmaz bir işlevsel evrimdir.
Otonom sürüş sistemlerinde bulut ve uç bilişimin evrimi
Sürücüsüz araçların işlenmesi gereken veriler artmaya devam ettikçe, salt araç terminalleri veri işleme için gereken bilgi işlem gücü gereksinimlerini yavaş yavaş karşılayamaz hale geliyor. İşleme ihtiyaçlarını karşılamak için veriler buluta gönderilir ve veriler bulut yapay zekasında işlenip analiz edilir.Yapay zeka analiz sonuçları istenildiği zaman otonom araç terminaline geri gönderilebilir. Yapay zeka sayesinde bu veri işleme yöntemi otonom sürüş için bir standart haline geldi.Standart mimarilerden biri.
Şekil 5 Bulut öğrenimi ve uç bilişim tahmininin şematik diyagramı
Tüm veri iletim süreci boyunca mutlaka veri uzantısı olacak ve verinin gerçek zamanlı niteliği bozulabilecektir. Bu sorunu çözmek için bir yandan kablosuz iletişimin iletişim hızını ve iletişim veri hacmini optimize etmek ve iyileştirmek gerekirken, diğer yandan yapay zeka, otonom sürüşlü araçlarda uç bilişim teknolojisinin geliştirilmesini ve uygulanmasını da teşvik etti. Araçların veri ön işleme yeteneklerini derinleştiren evrim.
Özetle
Genel olarak konuşursak, dijital çağa girdiğinden beri yapay zeka hayatın her kesimini derinden güçlendirdi. "Büyük model" çağının gelişi, yapay zeka endüstrisinin otomobiller de dahil olmak üzere daha geleneksel endüstrilerle kesişmesine ve onları geliştirmesine olanak tanıdı. Promosyon etkisi. Yapay zeka yavaş yavaş sürücülerin yerini alarak sürüş ortamı algısı, yol planlama, araç kontrolü ve yolcu etkileşimi gibi birçok açıdan güvenliği, doğruluğu ve konforu iyileştiriyor ve geliştiriyor. Yapay zeka çağında otonom sürüş teknolojisinin hızlı gelişimini sürdürmesi ve otonom araçların kapsamlı uygulamasını teşvik etmesi bekleniyor.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Yapay zeka çağında otonom sürüş teknolojisi hızla gelişiyor
Kaynak: Otomotiv Test Ağı
Yazar: Beidou
Beidou'ya Giriş: Akıllı kokpitler ile navigasyon ve eğlence sistemlerinin geliştirilmesi ve yönetiminde 10 yıllık deneyim, otonom sürüşün ürünleştirilmesinde 3 yıllık deneyim ve otonom sürüş simülasyonu test ortamı oluşturmada 5 yıllık deneyim.
Son yıllarda politikaların ve pazarların güçlenmesiyle otonom sürüş endüstrisinin uygulanması hızlandı ve temel destekleyici endüstri zinciri ve pazar gelişimi giderek olgunlaştı. 2020 yılından bu yana otonom sürüş sektörü resmi olarak "altın on yıl"a girdi. 2030 yılına kadar ülkemde insansız araçların pazar payının %50'yi aşacağı, insansız araç hizmetlerinin pazar büyüklüğünün ise 2020 yılına kadar artacağı tahmin ediliyor. 1,3 trilyona ulaştı. Teknolojik gelişim trendleri açısından bakıldığında, ülkemin otonom sürüş teknolojisi sektörü şu anda tek araç zekasından araç-yol iş birliği çağına doğru evriliyor ve bu evrimi destekleyen de yapay zeka (yapay zeka) teknolojisi. Derin öğrenmenin neden olduğu üçüncü yapay zeka patlaması, yapay zeka çağının gelişini teşvik etti. **Bu makale, yapay zeka çağında otonom sürüş alanında yapay zeka teknolojisinin uygulanmasının evrimsel tanıtımını analiz etmeye ve tanıtmaya odaklanmaktadır. **
Otomatik Pilot Sisteminin Gelişimi
1. Otonom sürüş görüntü analizinde yapay zeka
Otonom sürüş sisteminde araç, kamera, milimetre dalga radarı, lidar vb. çeşitli algılama sensörleriyle donatılıyor. Sistem, algılama yoluyla elde edilen verileri analiz edecek ve yapay zeka verilerine dayanarak araç kontrol kararları verecek. analiz sonuçları.
Otomatik sürüş sistemi, kamera gibi algı sensörleri tarafından elde edilen ham verilere doğrudan karar veremiyor çünkü sistemin bebek gibi şeyleri erken aşamada sınıflandırma yeteneği yok. Bu nedenle öncelikle verileri tek tek sınıflandırmamız ve sınıflandırmamız gerekir.Bu çalışma veri açıklamasıdır. Çeşitli trafik tesislerinin (şerit çizgileri, yol işaretleri, trafik ışıkları vb.), çeşitli trafik katılımcılarının (yayalar, bisikletler, binek arabalar, ticari araçlar, özel araçlar vb.) trafik ve yolla ilgili tüm unsurlarını sınıflandırın ve işaretleyin.
Otonom sürüş sisteminin işlem birimi bu açıklama ve sınıflandırma sonuçlarını temel olarak kullanacak ve yapay zeka, çeşitli sınıflandırılmış nesnelerin özelliklerini öğrenecek. Temel veriler ne kadar fazla olursa, özellikler o kadar belirgin olur ve nesne ayrımının doğruluğu da o kadar yüksek olur. Yapay zeka, otonom sürüş sisteminin beyni gibi, her bir nesnenin özelliklerini analiz ederek, nesnenin görünüm özelliklerini ve hareket alışkanlıklarını parça parça öğreniyor. Yapay zeka beyni, bu tür tekrarlanan öğrenme ve çalışma sayesinde giderek daha akıllı hale geliyor ve görüntüdeki nesnenin türünü tanırken aynı zamanda nesnenin genel durumunu da kavrayabiliyor. Bu, bilgisayarlı görme ile ilgili teknolojiler alanında aşina olduğumuz uygulamadır. Ayrıca yapay zeka ile sınıflandırma ve etiketleme işini otomatikleştirmek de mümkün.
2. Otonom sürüşte karar verme ve muhakemede yapay zeka
Bilgisayarlı görme sayesinde sistem, algılama sensörleri tarafından elde edilen verilerin genel durumunu anlayabilir ve buna dayanarak araç kontrolüne ilişkin değerlendirmeler ve kararlar verebilir. Yapay zeka, otonom sürüş teknolojisinin gelişimini tam olarak bu şekilde ilerletiyor.
Yapay zeka, duyusal verilere dayanarak mümkün olan en kısa sürede insanın sürüş alışkanlıklarıyla aynı kararı verecek. Görüntü işlemenin gerçek zamanlı performansını ve anlık değerlendirme ve karar verme sürecini gerçekleştirmek için, sahada güçlü veri işleme yeteneklerine dayanan yüksek hassasiyetli yapay zekanın geliştirilmesine yönelik güçlü bir talep var.
3. Otomatik sürüş tahmin kontrolünde yapay zeka
Yargı kararının unsurlarından biri de "tahmin"dir. Önde giden araç veya yaya bundan sonra nasıl hareket edecek? Yapay zekanın trafik ortamındaki tüm nesnelerin olası eylemlerini önceden tahmin etmesi ve bu tahmine dayalı olarak araç kontrolünü uygulaması gerekiyor.
Yapay zekanın gözünde "tramvay sorunu"
Diyelim ki sürücüsüz bir araç, iki tarafı ağaçlı, tek şeritli bir yolda gidiyor ve aniden frenleri bozuluyor, önünde yolda yürüyen yaşlı bir adam var ve yolun karşısına geçen bir bebek var. Bir karar vermeliyiz, bu aslında "Tramvay Sorunu" deforme olmuş bir sahne. Sistemin öngörü yetenekleri aşıldığında, otonom araçlar ekstrem durumlarda karar verememekte ve karar verme çatışma durumu sistemin güvenliği açısından Aşil'in topuğu haline gelecektir. Sağduyulu muhakeme mantığına dayanarak, personelin güvenliğini tehlikeye atmamak için yalnızca keskin bir dönüş yaparak sürücüsüz aracı ağaca çarpabilir. Sistem, araba kullanmaktan veya yolcuları yaralamaktan kaçınamayacak nihai bir seçim yapmak zorunda kaldığında, yapay zekanın hangi kararı vermesi gerektiği, kendi arabası dışındaki insanları mı yoksa kendi arabasının sürücüsünü mü koruyacağı gibi aslında geliştiricinin niyetinin bir kısmını yansıtır. kendi arabası Peki ya mürettebat? Ya da kişi sayısına göre değerlendirme yapılmalı ya da frene basıp doğanın kendi yoluna gitmesine izin vermek için elinizden gelenin en iyisini yapmalısınız.
Aslında bu konu her zaman tartışmalı olmuştur ve doğru sonuçlara varmak insanlar için bile kolay değildir. Ancak bazı bölgelerde hükümet benzer konuları öngören yasalar çıkarmıştır. Örneğin Almanya'da kabul edilen ve uygulamaya konulan "Otomatik Sürüş Kanunu (Revize Edilmiş Karayolu Trafik Kanunu)" şunu şart koşuyor: "Kaza önleme sistemi, kaçınılmaz kişisel yaralanma riskleri durumunda, insan hayatını ağırlaştırmayan karar verme yeteneğine sahip olmalıdır." Bu aynı zamanda yapay zekaya bu tür problemler için net bir karar verme yönü sağlar.
Otomatik sürüş sistemi için yol planlamanın gelişimi
Rota ve varış yerinin kapsamlı bir şekilde değerlendirilmesi ve en uygun yolun planlanması otonom araçlar için temel becerilerden biridir. Rota planlarken sadece trafik sıkışıklığı tahminleri ve destinasyonlar arası yol yapımını dikkate almak değil, aynı zamanda en uygun şerit seviyesinde rota planlamasının seçilmesi ve birden fazla yolcu için rota kolaylığı sağlanırken sistemin sıralamayı Anında belirlemesi gerekmektedir. En etkili ve en kısa yol planlamasına ulaşmak için yolun hangi alanda yürütüleceği.
Sistem yeteneklerinin sürekli iyileştirilmesi için planlanan güzergahın gerçek kaza oranına ilişkin risk analizi yapılması, trafik koşulları, dönüş sayısı, trafik ışığı sayısı ve geçen yolların diğer bilgilerine göre veri analizi yapılması gerekmektedir. Planlanan rota boyunca rota planlama stratejisini kademeli olarak optimize edin ve sonuçta sistem planlama yeteneklerini geliştirin.
Sürücüsüz taksiler kullanıldığında aynı bölgede faaliyet gösteren birden fazla araç aynı anda araç talebinde bulunabiliyor.Araç sevki aynı zamanda sürücüsüz sistemin tüm taksiler için en uygun güzergahı planlamasını da gerektiriyor. Üstelik araç talebinin ne zaman ve nerede gerçekleşeceğinin tahmini de daha sonraki otonom sürüş sistemlerinin araç sevkıyatında uygulaması gereken temel bir işlevdir. Karmaşık uygulama senaryolarına gelecekteki taleplere ilişkin tahminler ekleyen ve ilgili karar verme sonuçlarını anında sağlayabilen teknoloji, şu anda yalnızca yapay zekayı kullanabiliyor.
Otonom sürüş sistemlerinde insan-bilgisayar etkileşiminin evrimi
Sürücüsü veya güvenlik görevlisi olmayan otonom araçlarda en önemli şey yolcuların durum ve ihtiyaçlarını doğru kavramaktır. Daha sonra sistem, mevcut araç sürüş durumu bilgilerinin yanıtını veya raporunu tamamlamak için sürücünün yerini alacak ve sürüş süreci sırasında yolcularla gerekli iletişimi tamamlayacaktır. Bu gereksinimler tam olarak yapay zekanın iyi olduğu konulardır.
Yolcular ve sürücüsüz araçlar arasındaki iletişimde şu anda cep telefonları ve tabletlerde yaygın olarak kullanılan konuşma tanıma teknolojisi de kullanılacak. Her ne kadar insan dili sıklıkla yüzeydeki anlama ek olarak anlaşılması daha zor olan genişletilmiş anlamlara sahip olsa da, yapay zekanın müdahalesi nedeniyle sistemin anlama yeteneği, "Otele gitmek istiyorum" şeklindeki temel açık talimattan, "Otele gitmek istiyorum"a kadar kademeli olarak gelişecektir. yolcuların daha fazla bilgi sahibi olması gerektiğini anlamak Gerçek ihtiyaçların belirsiz talimatı "Lezzetli yemekler yemek istiyorum" aslında yapay zekanın iyi olduğu şeydir.
Yapay zeka, yolculardan gelen çeşitli talimatları anlamanın yanı sıra, arabadaki kameralar gibi sensörler tarafından toplanan bilgilere dayanarak yolcuların durumunu da analiz ederek bağımsız düşünmelerine ve ilgili önlemleri bağımsız olarak uygulamalarına olanak tanıyor. Örneğin yapay zeka, yolcunun uyuduğunu tespit ettiğinde arabanın ışıklarının parlaklığını kısmayı ve uykuya yardımcı olmak için rahatlatıcı müzik çalmayı düşünebilir. Yolcuların sürekli öksürmesi ve vücut ısısının yükselmesi durumunda proaktif olarak rota üzerindeki yakındaki eczane ve kliniklere hatırlatma yapın.
Gelecekteki sürücüsüz araçlarda yapay zeka, yolculara seçkin VIP müşteriler gibi davranacak ve titiz bir hizmet sunacak. Özellikle 2023'te ChatGPT'nin piyasaya sürülmesi, yeni bir yapay zeka çılgınlığı dalgasını başlattı. Otonom araçlarda yapay zekanın diğer insanların sorularını sesle yanıtlaması kaçınılmaz bir işlevsel evrimdir.
Otonom sürüş sistemlerinde bulut ve uç bilişimin evrimi
Sürücüsüz araçların işlenmesi gereken veriler artmaya devam ettikçe, salt araç terminalleri veri işleme için gereken bilgi işlem gücü gereksinimlerini yavaş yavaş karşılayamaz hale geliyor. İşleme ihtiyaçlarını karşılamak için veriler buluta gönderilir ve veriler bulut yapay zekasında işlenip analiz edilir.Yapay zeka analiz sonuçları istenildiği zaman otonom araç terminaline geri gönderilebilir. Yapay zeka sayesinde bu veri işleme yöntemi otonom sürüş için bir standart haline geldi.Standart mimarilerden biri.
Tüm veri iletim süreci boyunca mutlaka veri uzantısı olacak ve verinin gerçek zamanlı niteliği bozulabilecektir. Bu sorunu çözmek için bir yandan kablosuz iletişimin iletişim hızını ve iletişim veri hacmini optimize etmek ve iyileştirmek gerekirken, diğer yandan yapay zeka, otonom sürüşlü araçlarda uç bilişim teknolojisinin geliştirilmesini ve uygulanmasını da teşvik etti. Araçların veri ön işleme yeteneklerini derinleştiren evrim.
Özetle
Genel olarak konuşursak, dijital çağa girdiğinden beri yapay zeka hayatın her kesimini derinden güçlendirdi. "Büyük model" çağının gelişi, yapay zeka endüstrisinin otomobiller de dahil olmak üzere daha geleneksel endüstrilerle kesişmesine ve onları geliştirmesine olanak tanıdı. Promosyon etkisi. Yapay zeka yavaş yavaş sürücülerin yerini alarak sürüş ortamı algısı, yol planlama, araç kontrolü ve yolcu etkileşimi gibi birçok açıdan güvenliği, doğruluğu ve konforu iyileştiriyor ve geliştiriyor. Yapay zeka çağında otonom sürüş teknolojisinin hızlı gelişimini sürdürmesi ve otonom araçların kapsamlı uygulamasını teşvik etmesi bekleniyor.