«آشوک الوسوامی» مدیر نرم افزار خودران تسلا، به تازگی در کنفرانس CVPR 2022 به معرفی بسیاری از دستاوردهای تیم سیستم اتوپایلوت تسلا در سال گذشته پرداخته است.
فرارو-«آشوک الوسوامی» مدیر نرم افزار خودران تسلا، به تازگی در کنفرانس CVPR 2022 به معرفی بسیاری از دستاوردهای تیم سیستم اتوپایلوت تسلا در سال گذشته پرداخته است.
به گزارش فرارو، او در این رویداد اشاره کرد که مشکلات زیادی در برخی روشهای سنتی سیستمهای رانندگی خودران وجود دارد. به گفته آشوک وسیله نقلیه میتواند بدون نیاز به تشخیص مانع خاص، اقدام گریزانه انجام دهد. او در یک پست توئیتر به شوخی گفت که ماشین تسلا حتی میتواند از برخورد به یوفوها (اشیاء ناشناس پرنده) نیز جلوگیری کند.
به طور خلاصه، اشغال شبکه به طور قابل توجهی قابلیتهای خودران تسلا را افزایش میدهد. به گفته تسلا، سیستم اتوپایلوت این شرکت از ۴۰ تصادف در روز به دلیل خطای راننده جلوگیری میکند. با استفاده از قابلیت تشخیص محیط خارجی و سیستم عامل راننده، خودرو میتواند عملکرد نادرست راننده را تشخیص دهد. به عنوان مثال ممکن است راننده در زمان نامناسبی روی پدال گاز پا بگذارد، در چنین شرایطی وسیله نقلیه از شتاب گیری متوقف شده و به طور خودکار ترمز میکند.
به گفته آشوک، سیستم اتوپایلوت تسلا میتواند در دستیابی به حفظ خطوط، تعقیب خودرو، کاهش سرعت، پیچیدن و ... به وسیله نقلیه کمک کند. علاوه بر اینها، این سیستم از ویژگیهای ایمنی استاندارد نیز پشتیبانی میکند و میتواند با پشتیبانی از ترمز اضطراری و اجتناب از موانع، از برخوردهای متعدد جلوگیری کند. از سال ۲۰۱۹، حدود ۱ میلیون خودروی تسلا میتوانند از ناوبری پیشرفته تری در بزرگراهها استفاده کنند، اطلاعات خطوط مجاور را برای تغییر لاین حرکت بررسی کنند و ورودیها و خروجیهای بزرگراه را شناسایی کنند.
خودرو های تسلا با استفاده از سیستم اتوپایلوت میتوانند بهطور خودکار در پارکینگها پارک کنند، چراغهای راهنمایی و علائم خیابانها را تشخیص دهند و برای جلوگیری از موانعی مانند اتومبیلها به راست بپیچند. این ویژگیها در حال حاضر توسط صدها هزار مالک تسلا تأیید شده اند. به گفته آشوک، تسلا از هشت دوربین ۱.۲ مگاپیکسلی استفاده میکند که قادر است تصاویر ۳۶۰ درجه از محیط اطراف به ثبت برساند و می تواند به طور متوسط تصاویری با ۳۶ فریم بر ثانیه تولید کند.
پس از آن خودرو این اطلاعات را پردازش کرده و ۱۴۴ تریلیون عملیات در ثانیه انجام میدهد. این فرآیندها همه بر اساس الگوریتمهای بصری و بدون استفاده از رادار لیدار و اولتراسونیک و نقشههای دقیق اتفاق میافتند. آشوک ادعا میکند که این سیستم هنگام برخورد با موانع عمومی از روش تقسیم بندی فضایی استفاده میکند. هنگام استفاده از روش تقسیمبندی فضا، سیستم هر پیکسل در فضا را با عنوان «غیرقابل رانندگی» برچسب گذاری کرده و تراشه، رانندگی خودکار را پردازش میکند.
با این حال، این روش مشکلاتی را نیز به همراه دارد. اول از همه، پیکسلهای شیء مشخص شده توسط این سیستم، در فضای دوبعدی قرار دارند و برای هدایت خودرو در فضای سه بعدی، پیکسلهای جسم باید به مقادیر پیش بینی شده مربوطه در فضای سه بعدی تبدیل شوند. بنابراین، سیستم تسلا میتواند یک مدل فیزیکی تعاملی ایجاد کند و به راحتی وظایف ناوبری را انجام دهد.
هنگامی که سیستم پیکسلهای یک شیء را از یک تصویر دو بعدی به یک تصویر سه بعدی تبدیل میکند، باید تقسیم بندی معنایی تصویر نیز انجام شود. این فرآیند تعدادی تصویر یا پیکسل غیر ضروری ایجاد میکند. چند پیکسل غیر ضروری میتواند تأثیر زیادی در تعیین نحوه تبدیل یک تصویر دو بعدی به تصویر سه بعدی داشته باشد و تسلا قصد دارد از این کار جلوگیری کند.
هر بار که ماشین تسلا در حین رانندگی حرکت میکند، این سیستم فضای اجسام اطراف را محاسبه کرده و نه تنها میزان اشغال فضای برخی از اشیاء ساکن، مانند درختان و دیوارها را محاسبه میکند، بلکه میتواند اشغال فضای اشیاء پویا مانند اتومبیلهای متحرک را نیز تشخیص دهد. پس از آن این شبکه تصویر را به عنوان یک تصویر سه بعدی خروجی میدهد و میتواند اشیاء مسدود شده را نیز پیش بینی کند. بنابراین، حتی اگر خودرو فقط یک طرح کلی از شیء را آپلود کند، کاربر میتواند آن شیء را به وضوح تشخیص دهد.
منبع: gizchina