Αυτοκίνητα άνευ οδηγού...

Η μεγάλη δεξαμενή γνώσης σχετικά με τα αυτόματα συστήματα που λαμβάνουν αποφάσεις ανάλογα με τα δεδομένα της στιγμής συμπεριλαμβάνει και τα...
πειραματικά αυτοκίνητα άνευ οδηγού, που βελτιώνονται συνεχώς για αυξημένη οδική ασφάλεια.

Eρευνητές από το πανεπιστήμιο της Καλιφόρνια στο Σαν Ντιέγκο (USCD) ήδη έχουν μια σημαντική πρόταση που βασίζεται στην μηχανική όραση των υπολογιστών και τα νευρωνικά δίκτυα για ακριβή εντοπισμό πεζών σε σχέση με άλλα παρόμοιας εμφάνισης αντικείμενα.

Τα σημερινά συστήματα για την αποφυγή σύγκρουσης ή πρόκλησης ατυχήματος με πεζούς βασίζονται σε συγκριτικά περισσότερο συμβατικές λύσεις που είναι περίπου δεδομένο ότι θα δώσουν την θέση τους σε πολύ πιο εξελιγμένα αλλά και φθηνότερα.

Βέβαια στην πραγματικότητα το πλέον ρεαλιστικό σενάριο θέλει εξελιγμένα συστήματα αποφυγής σύγκρουσης και οδηγούς να συνυπάρχουν στα μελλοντικά οχήματα με επιλλεκτικές μόνον περιπτώσεις πλήρους αυτοματισμού. Άλλωστε όπως θα επεσήμεναν και οι πιλότοι αεροπλάνων το πρώτο και τον τελευταίο λόγο πάντα πρέπει να έχει ο άνθρωπος

Αυτοελεγχόμενα αυτοκίνητα

Οι Αμερικάνοι επιστήμονες προχωρώντας ένα βήμα προτείνουν το σύστημα ανίχνευσης των πεζών να βασίζεται στην αναγνώριση και επεξεργασία οπτικών ερεθισμάτων σε πραγματικό χρόνο (real time), δηλαδή πρακτικά χωρίς οποιαδήποτε καθυστέρηση.

Η νέα αυτή τεχνολογία βασίζεται σε ειδικούς «αυτοεκπαιδευόμενους» αλγόριθμους που θα αναγνωρίζουν μόνον τους πεζούς σε σχέση με άλλα παρόμοιας εμφάνισης αντικείμενα καθιστώντας έτσι το αυτοκίνητο ασφαλέστερο.

Με τα σημερινά δεδομένα τα λιγότερο εξελιγμένα συστήματα αποφυγής σύγκρουσης στα συγκεκριμένα αυτοκίνητα βασίζονται στην συνδυασμένη λειτουργία ραντάρ και αισθητήρων που μετρούν την απόσταση από συμπορευόμενα αυτοκίνητα και σταθερά σημεία αναφοράς.

Σε μια περισσότερο εξελιγμένη εκδοχή ο υπολογιστής με ειδικό πρόγραμμα βλέπει μεν εικόνες από το περιβάλλον αλλά καθώς τις αναλύει δυσκολεύεται να καταλήξει σε αποφάσεις σχετικά με το είδος των αντικειμένων και πως πρέπει με αποτέλεσμα να καθυστερεί υπερβολικά.

Δηλαδή μέσα από την διαδοχική σειρά του εντοπισμού το πρόγραμμα μηχανικής όρασης του υπολογιστή εντοπίζει μεν τους πεζούς στις εικόνες που λαμβάνει αλλά δεν έχει την δυνατότητα να τους διαχωρίσει με ακρίβεια από άλλα αντικείμενα που τους μοιάζουν.

Για να γίνει αυτό αντιληπτό με απλουστευμένο τρόπο αξίζει να φέρετε στο μυαλό σας την αναγνώριση και το «κλείδωμα» της αυτόματης εστίασης στα πρόσωπα που κάνουν οι σύγχρονες ψηφιακές φωτογραφικές μηχανές (face detection). Τα φωτεινά πλαίσια που εμφανίζονται στην οθόνη ή στο σκόπευτρο της περιλαμβάνουν πάντα ένα πρόσωπο στην εικόνα που βλέπει ο φακός.

Η λύση φαίνεται να βρίσκεται σε μια περίπλοκη διαδικασία με αλγορίθμους που «εκπαιδεύονται» από τα δεδομένα που λαμβάνουν αλλά με ιδιαίτερα σύνθετο τρόπο που παραπέμπει στον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος.

Και εδώ τα τεχνητά νευρωνικά δίκτυα, που εκπαιδεύονται σε επάλληλα επίπεδα, έχουν κυρίαρχο ρόλο (deep neural networks-DNN). Όμως στην περίπτωση αυτή η αναγνώριση πολύπλοκων μοτίβων πετυχαίνει μεν αλλά παραμένει αργή στην επεξεργασία αναγνώρισης πεζών όπως είναι το ζητούμενο για να αποτραπεί ατύχημα. Επομένως έπρεπε να βρεθεί μια κατά κάποιο τρόπο κοινή τομή.

Το νέο πρόγραμμα

Οι ερευνητές του πανεπιστημίου της Καλιφόρνια στο Σαν Ντιέγκο αναφέρουν ότι ο αλγόριθμος που ανέπτυξαν έχει την δυνατότητα να αναλύει δυο έως τέσσερις εικόνες ανά δευτερόλεπτο.

Αν και προς το παρόν δεν έχει την αναγκαία ταχύτητα επεξεργασίας που απαιτεί μια πλήρης λειτουργία σε πραγματικές συνθήκες κίνησης του αυτοκίνητου θεωρείται ένα σοβαρό βήμα. Το οποίο όπως διαπιστώθηκε πειραματικά κάνει τα μισά λάθη συγκριτικά με τα σημερινά ολιγότερο εξελιγμένα συστήματα.

Σύμφωνα με μια απλουστευμένη περιγραφή που ο αλγόριθμος στα αρχικά στάδια λειτουργεί κατά τέτοιο τρόπο ώστε να φιλτράρει και να απορρίπτει στην εικόνα περιοχές όπου δεν εμφανίζονται πεζοί όπως για παράδειγμα τον ουρανό.

Στην συνέχεια σταδιακά προχωρεί εκπαιδευόμενο ολοένα και πιο πυκνά και στο τέλος του κύκλου είναι ικανό να εξισορροπήσει ανάμεσα στην ακρίβεια εντοπισμού και την πολυπλοκότητα. Ετσι θεωρείται ότι μπορεί να λαμβάνει με ακρίβεια γρήγορες αποφάσεις αναλύοντας εικόνες που είναι γεμάτες με ετερόκλητα δεδομένα όπως κτίρια, ακίνητα αντικείμενα, πεζοί κλπ.

Το πειραματικό όχημα της Google

Είναι ενδιαφέρον ότι η Google από την πλευρά της έχει αναπτύξει το δικό της σύστημα αναγνώρισης πεζών μέσω των στοιχείων που αντλούνται από την ανάλυση βίντεο εικόνων. Αν και το σύστημα της λειτουργία βασίζεται λίγο πολύ στην ίδια φιλοσοφία διαφοροποιείται σε ορισμένα σημεία σε σχέση με όσα αναφέρθηκαν.

Ερευνητές της Google αναφέρουν ότι το 2015 το σύστημα της ήταν ικανό να αναγνωρίσει πεζούς εντός 250 χιλιοστών του δευτερολέπτου. Στο αμέσως επόμενο βήμα η προοπτική είναι ο χρόνος αναγνώρισης να πέσει στα 70 χιλιοστά του δευτερολέπτου που θεωρείται ότι ουσιαστικώς δεν καθυστερεί (real time).

efsyn.gr