سیستم خلبان خودکار تسلا چگونه کار می کند؟

فرارو-«اشوک الوسامی» مدیر نرم افزار خودران تسلا اخیراً در کنفرانس CVPR 2022 بسیاری از دستاوردهای تیم سیستم خلبان خودکار تسلا را در سال گذشته معرفی کرد.

لطفا فرار کنید وی در این مراسم اشاره کرد که در برخی روش های سنتی سیستم های خودران مشکلات زیادی وجود دارد. به گفته اشوک، این وسیله نقلیه می تواند بدون نیاز به تشخیص خاص، اقدام گریزان را انجام دهد. و در یکی از پست های توییتر به شوخی گفت که ماشین تسلا حتی می تواند از یوفوها (پرندگان ناشناس) جلوگیری کند.

به طور خلاصه، عملکرد شبکه به طور قابل توجهی قابلیت های وسایل نقلیه خودران را افزایش می دهد. به گفته تسلا، سیستم خلبان خودکار این شرکت از 40 تصادف در روز به دلیل خطای راننده جلوگیری می کند. با استفاده از قابلیت تشخیص محیط خارجی و سیستم عامل راننده، خودرو می تواند عملکرد نادرست راننده را تشخیص دهد. به عنوان مثال، راننده ممکن است در زمان نامناسبی روی پدال گاز پا بگذارد، در چنین شرایطی خودرو از شتاب گرفتن متوقف می شود و به طور خودکار ترمز می کند.

تسلا

به گفته آشوک، سیستم اتوپایلوت تسلا می تواند با صرفه جویی در خطوط، دنبال کردن خودرو، کاهش سرعت، دور زدن و… به خودرو کمک کند. علاوه بر این، این سیستم از ویژگی های ایمنی استاندارد نیز پشتیبانی می کند و با پشتیبانی از ترمز اضطراری و اجتناب از موانع می تواند از برخوردهای متعدد جلوگیری کند. از سال 2019، حدود 1 میلیون خودروی تسلا می‌توانند از ناوبری پیشرفته‌تر در بزرگراه‌ها استفاده کنند، اطلاعات خطوط همسایه را برای تغییر خطوط بررسی کنند و ورودی‌ها و خروجی‌های بزرگراه را شناسایی کنند.

با استفاده از سیستم اتوپایلوت، خودروهای تسلا می‌توانند به‌طور خودکار در پارکینگ‌ها پارک کنند، چراغ‌های راهنمایی و علائم خیابان‌ها را تشخیص دهند و در جهت درست بپیچند تا از موانعی مانند خودروها جلوگیری کنند. این ویژگی ها در حال حاضر توسط صدها هزار مالک تسلا تایید شده است. به گفته آشوک، تسلا از هشت دوربین 1.2 مگاپیکسلی استفاده می کند که می تواند تصاویر 360 درجه از محیط اطراف را ثبت کند و می تواند تصاویری با میانگین 36 فریم در ثانیه تولید کند.

تسلا

پس از آن، خودرو این اطلاعات را پردازش کرده و 144 تریلیون عملیات در ثانیه انجام می دهد. این فرآیندها همگی مبتنی بر الگوریتم های بصری و بدون استفاده از رادار، لیدار، اولتراسونیک و نقشه های دقیق هستند. آشوک ادعا می کند که این سیستم از یک رویکرد پارتیشن بندی فضایی هنگام برخورد با موانع رایج استفاده می کند. هنگام استفاده از روش تقسیم بندی فضا، سیستم هر پیکسل در فضا را با عنوان “undriveable” برچسب گذاری می کند و تراشه رانندگی خودکار را پردازش می کند.

اما این روش با مشکلاتی نیز همراه است. ابتدا پیکسل های جسم مشخص شده توسط این سیستم در فضای دو بعدی قرار دارند و برای راندن خودرو در فضای سه بعدی، پیکسل های بدنه باید به مقادیر پیش بینی شده مربوطه تبدیل شوند. فضای سه بعدی بنابراین، سیستم به راحتی می تواند یک مدل فیزیکی تعاملی ایجاد کند و به راحتی وظایف ناوبری را انجام دهد.

تسلا

هنگامی که سیستم پیکسل های یک شی را از یک تصویر دو بعدی به یک تصویر سه بعدی تبدیل می کند، قطعه بندی تصویر معنایی نیز باید انجام شود. این فرآیند تعدادی تصویر یا پیکسل غیر ضروری ایجاد می کند. چند پیکسل غیر ضروری می تواند تاثیر زیادی بر نحوه تبدیل یک تصویر دو بعدی به سه بعدی داشته باشد و تسلا قصد دارد از این امر جلوگیری کند.

هر بار که خودروی تسلا در حین رانندگی حرکت می کند، این سیستم فضای اجسام اطراف را محاسبه می کند و نه تنها فضای اشغال شده توسط برخی اجسام ثابت مانند درختان و دیوارها را محاسبه می کند، بلکه می تواند فضای اشغال شده توسط اجسام دینامیکی مانند اتومبیل های متحرک را نیز تشخیص دهد. دادن پس از آن، این شبکه تصویر را به صورت یک تصویر سه بعدی خروجی می دهد و می تواند اشیاء مسدود شده را نیز پیش بینی کند. بنابراین، حتی اگر خودرو فقط یک تصویر از شی را آپلود کند، کاربر می تواند به وضوح شی را شناسایی کند.

منبع: gizchina


تمامی اخبار به صورت تصادفی و رندومایز شده پس از بازنویسی رباتیک در این سایت منتشر شده و هیچ مسئولتی در قبال صحت آنها نداریم