بعدی-آشوک سوامی، مدیر برنامه رانندگی خودمختار تسلا، اخیرا چندین دستاورد تیم سیستم اتوپایلوت تسلا را در سال گذشته در کنفرانس CVPR 2022 ارائه کرد.
به گزارش فردا؛ وی در این مراسم اشاره کرد که برخی از روش‌های سنتی سیستم‌های رانندگی خودران مشکلات زیادی دارند. به گفته آشوک، این وسیله نقلیه می تواند بدون نیاز به تشخیص مانع، اقدام گریزان را انجام دهد. او در یک پست توییتری به شوخی گفت که یک تسلا حتی می تواند از یوفوها دوری کند.
به طور خلاصه، اشغال شبکه تا حد زیادی قابلیت های خودران تسلا را افزایش می دهد. به گفته تسلا، سیستم Autopilot 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 پدال گاز را در زمان نامناسبی فشار دهد، در این صورت خودرو از شتاب گیری باز می ایستد و به طور خودکار ترمز می کند.
به گفته آشوک، سیستم اتوپایلوت تسلا می تواند به خودرو کمک کند مسیر را حفظ کند، خودرو را دنبال کند، سرعت را کاهش دهد، بپیچد و غیره. علاوه بر این، این سیستم از ویژگی‌های ایمنی استاندارد نیز پشتیبانی می‌کند و می‌تواند با پشتیبانی از ترمز اضطراری و جلوگیری از موانع، از برخوردهای متعدد جلوگیری کند. از سال 2019، حدود 1 میلیون خودروی تسلا می‌توانند از سیستم ناوبری پیشرفته‌تر بزرگراه‌ها استفاده کنند، اطلاعات خطوط مجاور را برای تغییر خطوط بررسی کنند و ورودی‌ها و خروجی‌های بزرگراه را تعیین کنند.
با استفاده از خلبان خودکار، خودروهای تسلا می توانند به طور خودکار در پارکینگ ها پارک کنند، ترافیک و چراغ های خیابان را تشخیص دهند و برای جلوگیری از موانعی مانند اتومبیل به راست بپیچند. این ویژگی ها قبلاً توسط صدها هزار مالک تسلا تأیید شده است. به گفته آشوک، تسلا از هشت دوربین 1.2 مگاپیکسلی استفاده می کند که قادر به گرفتن عکس های 360 درجه از محیط اطراف هستند و می تواند تصاویری با سرعت 36 فریم بر ثانیه تولید کند.
سپس خودرو این اطلاعات را پردازش کرده و 144 تریلیون عملیات در ثانیه انجام می دهد. همه این فرآیندها بر اساس الگوریتم های بصری بدون استفاده از رادار لیدار، اولتراسوند و نقشه های دقیق انجام می شود. آشوک ادعا می کند که این سیستم هنگام برخورد با موانع عمومی از تقسیم بندی فضایی استفاده می کند. هنگام استفاده از روش تقسیم بندی فضا، سیستم هر پیکسل در فضا را به عنوان “تقسیم ناپذیر” برچسب گذاری می کند و تراشه درایو خودکار را کنترل می کند.
با این حال، این روش نیز مشکلاتی را ایجاد می کند. اول از همه، پیکسل های شی تعریف شده توسط این سیستم در یک فضای دو بعدی قرار می گیرند و برای جهت دهی خودرو در یک فضای سه بعدی، پیکسل ها باید به مقادیر مورد انتظار مربوطه در یک فضای سه بعدی تبدیل شوند. . بنابراین، سیستم تسلا به راحتی می تواند یک مدل فیزیکی تعاملی ایجاد کند و وظایف ناوبری را انجام دهد.
هنگامی که سیستم پیکسل های یک شی را از یک تصویر دو بعدی به یک تصویر سه بعدی تبدیل می کند، تقسیم بندی معنایی تصویر 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 یک تصویر سه بعدی داشته باشد و تسلا قصد دارد از آن اجتناب کند.
هر بار که ماشین تسلا در حین رانندگی حرکت می کند، این سیستم مساحت اجسام اطراف را محاسبه می کند و نه تنها مقدار فضای اشغال شده توسط برخی از اجسام ساکن مانند درختان و دیوارها را محاسبه می کند، بلکه می تواند فضای اشغال شده توسط اجسام پویا را نیز تشخیص دهد. مانند ماشین های متحرک شبکه سپس تصویر را به عنوان یک تصویر سه بعدی خروجی می دهد و همچنین می تواند اشیاء مبهم را پیش بینی کند. بنابراین، حتی اگر وسیله نقلیه فقط یک طرح کلی شی را حمل می کرد، کاربر می تواند به وضوح شی را شناسایی کند.
منبع: JIZCHINA
