Razvoj autonomnih vozila jedan je od najmodernijih i najpopularnijih pravaca u svetu veštačke inteligencije i mašinskog učenja. Dve hiljade dvadesete smo bili svedoci uspeha kompanija (Waymo) koje omogućavaju klijentima da pozovu taksije koji se sami voze. Sa današnjim grafičkim karticama visokih performansi, procesorima i ogromnim količinama podataka, samostalna vožnja je dostigla visoke performanse. Kao mejnstrim u problemima saobraćaja, smanjiće gužve, povećati bezbednost i dati nezavisnost onima koji ne mogu da voze.
Sa aspekta mašinskog učenja, autonomna vozila predstavljaju spektar istraživačkih problema sa velikim uticajem na zajednicu mašinskog učenja, uključujući percepciju, procenu stanja, probabilističko modeliranje, predviđanje vremenskih serija, prepoznavanje pokreta, garancije robusnosti, ograničenja u realnom vremenu, komunikaciju između korisnika i mašine, planiranje sa više agenata i inteligentnu infrastrukturu. Modeliranje problema autonomnih vozila se postiže kroz fuziju mnogih algoritama koji se preklapaju kako bi se minimizirale greške i osigurala sigurnost. Ovi algoritmi tumače putne znakove, identifikuju trake i prepoznaju raskrsnice. Tri glavna senzora koje koriste samovozeći automobili rade zajedno kao ljudske oči i mozak. Ovi senzori su kamere, radari i lidari. Zajedno daju automobilu jasan pogled na okolinu. Oni pomažu automobilu da identifikuje lokaciju, brzinu i 3D oblike objekata koji su mu blizu. Pored toga, samovozeći automobili se sada grade sa inercijskim mernim jedinicama koje prate i kontrolišu i ubrzanje i lokaciju. Automobili bez vozača mogu da identifikuju objekte, tumače situacije i donose odluke na osnovu detekcije objekata i algoritama za klasifikaciju objekata. Duboko učenje kao danas najpopoluarnija oblast mašinskog učenja je, zahvaljujući svojim moćnim algoritmima, tehnologija u pozadini samostalne vožnje. Dodatno, automobili koji se sami voze imaju brojne kamere iz svakog ugla za savršen pogled na okolinu. Dok neke kamere imaju šire vidno polje od oko 120 stepeni, druge imaju uži pogled za dalekovidnost. Kamere ribljeg oka pružaju opsežan vizuelni prikaz za svrhe parkiranja. Radar detektori podržavaju napore senzora kamere noću ili kad god je vidljivost loša. Oni šalju impulse radio talasa da lociraju objekat i šalju povratne signale o brzini i lokaciji tog objekta. Lidar senzori izračunavaju rastojanje pomoću impulsnih lasera, tako što omogućavaju automobilima bez vozača 3D vizuelni prikaz njihovog okruženja, dodajući bogatije informacije o obliku i dubini. U osnovi, lidar senzori šalju impulse svetlosti koji se odbijaju od objekta i vraćaju se nazad do senzora koji određuje njegovu udaljenost. Lidar daje 3D oblak tačaka koji je digitalni prikaz načina na koji automobil vidi fizički svet.
Iako je obećavajuće, još uvek ima mnogo prostora za poboljšanje autonomne vožnje. Na primer, trenutni samovozeći automobili su na nivou 2 od nivoa 5 napredovanja, što znači da još uvek mora da postoji čovek spreman da interveniše. O nekoliko stvari treba voditi računa: algoritmi još nisu dovoljno optimalni za percepciju puteva i traka jer na nekim putevima nedostaju oznake i drugi znakovi, optimalni modalitet osećaja za lokalizaciju, mapiranje i percepciju još uvek nema dovoljnu tačnost i efikasnost, komunikacija vozilo-vozilo je još uvek san, polje interakcije čovek-mašina ima još uvek mnogo otvorenih, nerešenih problema. Ipak, tehnologija koja je do sada razvijena je neverovatna i sa orkestriranim naporima, može se osigurati da autonomna vozila budu sigurna, robusna i revolucionarna.
Literatura: Alzubaidi, L., Zhang, J., Humaidi, A.J. et al. Review of deep learning: concepts, CNN architectures, challenges, applications, future directions, (2021), J Big Data.
Autor teksta:
dr Miroslava Jordović Pavlović, profesor strukovnih studija
Akademija strukovnih studija Zapadna Srbija-Odsek Užice