Razlozi zbog kojih će autonomna vozila biti sigurnija u vožnji

Autoproizvođači i razvojne kompanije započele su utrku u plasiranju prvoih autonomnih vozila na komercijalnom tržištu. Proizvođači poput Forda, GMa, Tesle, Lyfta, Googla kao i mnogi drugi imaju u svojim razvojnim planovima prioritet plasiranja komercijalne proizvodnje  autonomnih vozila u roku idućih pet godina. Procjenjuje se  da bi do 2030. godine autonomna vozila sačinjavala nevjerojatnih 60 % američkog autotržišta.

Uzevši u obzir da svi navedeni proizvođači investiraju u tehnologiju autonomnih vozila iz različitih strateških agendi, svi oni se slažu da je jedan od prednosti autonomnih vozila njihova zajamčena sigurnost u vožnji.

Sigurno se pitate kako vozilo bez vozača, bez upravljačkog mehanizma i bez kočionih papučica može biti sigurniji od vozila koja trenutno koristimo? Sve se svodi na tehnologiju koja omogućava autonomnu vožnju.

Senzori

Autonomna vozila dizajnirana su sa nadljudskim sposobnostima prepoznavanja i percipiranja svijeta u kojem se nalaze. Korištenjem natprirodno velikog broja sennzora vozila prikupljaju ogromnu količinu podataka iz okoline kako bi nesmetano djelovali u dinamičkom okruženju prometnog sustava.

Proizvođači autonimnih vozila u krajnjem slučaju žele replicirati ljudske sposobnosti vožnje korištenjem senzora.

Ljudski mozak koristi osjetila kao receptore odnosno naše oči, uši a u nemalo slučajeva i osjetilo dodira pri upravljanja vozilom na cesti. Na taj način ljudski mozak obrađuje podatke koje osjetila prikupljaju kako bi donio odluku o upravljanju našim ekstremitetima odnosno rukama na upravljaču i nogama na papučicama. Princip rada autonomnih vozila mora na superiorniji način nadomjestiti ljudska osjetila.

Neki od senzora korištenih u autonomnim vozilima uključuju kamere, radar, laserske i ultrazvučne senzore kao i GPS i tehnologiju mapiranja  koja pomaže vozilu u određivanju svoje pozicije u prostoru.

Količina podataka prikupljena tehnologijom senzora ima svoje prednosti i nedostatke ali u konačnici omogućuje vozilima cirkulaciju velike količine podataka kroz računalni sustav.

Mozak

Svi prikupljeni podaci pohranjuju se u računlni sustav autonomnog vozila, kako bi računalo donjelo odluku obradom prikupljenih podataka.

Nvidia je jedan od vodećih proizvođača računalnih sustava autonomnih vozila te je za potrebe sustava automatskog navođenja (autopilot sustava) modela Tesla korištena najnovijia računalna inačica Nvidia Drive PX2.

Računalna platforma Drive PX2  nadmoćan je računalni sustav koji koristi  sva tehnološka  postignuća proizvođača kako bi prikupio i obradio podatke sa senzora autonomnog vozila prilikom izgradnje trodimenzionalnog modela okruženja  vozila.

Izgradnja modela okruženja nalikuje na video igricu. Platforma sustava izgrađuje svijet u 3D virtualnom prostoru. U razvoju ovakvog pristupa proizvođači autonomne tehnologije koristili su se  takozvanom metodom  „strojnog učenja“.

Izvor: nvidia.com

Metoda učenja

Strojno učenje je način na koji se „uče“ odnosno stvaraju algoritmi zasnovani na iskustvu ili primjeru. Primjena ovakvog načina nadogradnje strojeva nalazi primjenu u sve većem broju proizvoda. Na primjer Netflix i Amazon koriste strojno učenje kako bi korisniku ponudili preporuke na temelju videosadržaja koji je korisnik gledao ili kupio.

Kako bi „istrenirali” autonomno vozilo prethodno bi bilo potrebno izvesti niz vožnji kako bi se prikupila dovoljna količina podataka iz okoline. Prilikom obrade podataka cilj je precizno definirati sve objekte iz okoline odnosno svaku situaciju prilikom vožnje.

U početku računalo nema potrebne podatke kako bi bilo autonomno. Razvojni inženjeri moraju unjeti znanje u računalo odnosno moraju ga naučiti. Način na koji se to postiže jest definiranjem skupa situacija u prometu koje vozilo mora prepoznati. Na primjer ukoliko se želi postignuti da vozilo prepozna pješake analizirati će slike pješaka koje će se vozilu predočiti. Ali najuspješniji način na koji će vozilo postati autonomno jest da sakupi dovoljan broj slika pješaka koji se razlikuju po visini, odjeći, brzini itd, i nakon čije će obrade samostalno početi prepoznavati pješake u prometu.

Što više podataka zaprimi vozilo ima veći „vokabular“ i veći skup situacija koje prepoznaje, kao u prijašnjem slučaju prepoznavanja pješaka. Na istom principu vozilu se predstavljaju biciklisti, automobili, kamioni, vrijeme u danu i vremenske prilike i neprilike koje ga mogu zateći u prometu. Sve se to implementira u računalo kroz svo vrijeme koje vozilo provede u vožnji.  Autonomna vozila imaju prednost beskonačnog zaprimanja podataka i stvaranja memorije koja im pomaže u znatno boljem i detaljnijem analiziranju i prepoznavanju svega što se događa oko njih i koje mogu susresti.

Možda zvuči komplicirano ali ako se malo bolje promotri dolazi se do zaključka da autonomna vozila ne razmišljaju ništa drugačije od ljudskih vozača.

Kada se rodimo ništa ne znamo. Sva naša okolina je nepoznanica. S vremenom naši roditelji nas uče definirati stvari koje nas okružuju u smislu razlikovanja različitih ljudi, objekata i svega što nas okružuje.

Nadljudske sposobnosti vožnje

Jednom kada je računalni model stvoren, implementira se u računalni sustav vozila i spaja sa ostatkom senzora kako bi se omogućio daljnji proces percipiranja i prepoznavanja okoline.

Autonomna vozila koriste ovaj model kako bi donosila odluke o tome kao reagirati na postavljenu situaciju. Ako uzmemo u obzir činjenicu da vozilo posjeduje senzore, kojima potkrepljuje odluku sa više aspekata nego li je to moguće ljudima, isti mu omogućuju da donosi ispravnije odluke od ljudskih vozača.

Faktori koje vozila ubrajaju u odluku često se previde ali imaju značajnu ulogu u krajnjem rezultatu. Na primjer ako vozite u pravcu i  ispred vas se nalazi parkirano vozilo bez vozača  autonomno vozilo će nastaviti vožnju u pravcu. Ali ako su vrata nadilazećeg vozila djelomice otvorena i u vozilu se nalaze osobe, u tom slučaju vozilo prepoznaje situaciju u kojoj netko može naglo otvoriti vrata i pokušati izići iz vozila. U tom slučaju, kada vozilo prepozna nadolazeću situaciju adekvatno smanjuje brzinu i prelazi u drugu traku ako je to opcija i nastavlja voziti s oprezom. S obzirom da vozilo percipira okolinu pod kutom od 360 stupnjeva otvara mu se mogućnost praćenja opasnih objekata sa mnogo većom pažnjom i usredotočenošću u usporedbi sa ljudskim vozačima.

Izvor: businessinsider.com

Close