سرنشینان خودروهای خودران دیگر نگران شرایط بد جوی نباشند!
محققان دانشگاه آکسفورد هوش مصنوعی جدیدی را توسعه داده‌اند که وسایل نقلیه خودران را قادر می‌سازد تا در شرایط آب و هوایی چالش برانگیز نیز عملکرد خوبی داشته باشند.
به گزارش آی او، محققان دانشگاه آکسفورد در بیانیه‌ای مطبوعاتی گفتند یک سیستم هوش مصنوعی (AI) جدید ایجاد کرده‌اند تا وسایل نقلیه خودران(AVs) به قابلیت ناوبری ایمن‌تر و مطمئن‌تری در شرایط نامساعد جوی دست یابند.
"یاسین آلمالی اوغلو"(Yasin Almalioglu) محقق اصلی این مطالعه گفت: دلیل اصلی دشواری وسایل نقلیه خودران در دستیابی به موقعیت دقیق در طول آب و هوای نامساعد، می‌تواند این امر باشد که تاکنون آزمایشات نسبتا کمی برای بررسی عملکرد آنها در چنین موقعیتی انجام شده است. به عنوان مثال یک وسایل نقلیه خودران در شرایط آب و هوایی مانند باران، مه یا برف ممکن است مسیر اشتباهی را در پیش گیرد یا به دلیل موقعیت‌یابی غیر دقیق خیلی دیر در یک تقاطع توقف کند.
برای غلبه بر این مشکل، آلمالی اوغلو و همکارانش یک مدل یادگیری عمیق جدید و تحت نظارت بر خود را برای تخمین حرکت دوربین(ego-motion) این وسایل نقلیه ایجاد کردند. حرکت دوربین یک جزء حیاتی در سیستم رانندگی وسایل نقلیه خودران است که موقعیت حرکت خودرو را نسبت به اجسام مشاهده شده در اطراف خودرو تخمین می‌زند. این مدل جدید، اطلاعات بسیار دقیقی را از حسگرهای بصری(که می‌تواند در شرایط نامطلوب مختل شود) با داده‌های ابزارهای مصون از آب و هوای نامساعد(مانند رادار) جمع‌آوری می‌کند. به طوری که می‌توان از مزایای هر یک از این ابزارها در شرایط آب و هوایی مختلف استفاده کرد.
این مدل با استفاده از چندین مجموعه داده وسایل نقلیه خودران عمومی آموزش داده شده است که این موارد شامل داده‌های چندین حسگر مانند دوربین‌ها، لیدار و رادار تحت تنظیمات مختلف از جمله نور/تاریکی متغیر و بارندگی می‌شد. در این مطالعه از این ابزارها برای تولید الگوریتم‌هایی برای بازسازی هندسه صحنه و محاسبه موقعیت خودرو استفاده شدند. محققان نشان دادند در موقعیت‌های آزمایشی مختلف این مدل عملکرد دقیقی را در تمام شرایط آب و هوایی از جمله باران، مه و برف و همچنین روز و شب نشان می‌دهد. محققان این مطالعه پیش‌بینی می‌کنند که این فناوری جدید، وسایل نقلیه خودران را یک قدم به رانندگی مستقل در تمام شرایط آب و هوایی در حالتی ایمن و روان‌تر و در نهایت استفاده گسترده‌تر در جوامع نزدیک‌تر می‌کند.
یافته‌های این مطالعه در مجله "Nature Machine Intelligence" منتشر شده است.