40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 الگوریتم جدید و عبور خودروی بی‌سرنشین از خیابان های باریک و شلوغ

الگوریتم جدید و عبور خودروی بی‌سرنشین از خیابان های باریک و شلوغ

تمام افرادی که در خیابان های باریک و شلوغ رانندگی کرده‌اند با این سناریو آشنا هستند: اتومبیل‌ها در دو طرف خیابان پارک شده‌اند و فضای کافی برای حرکت خودروها، در جهت مخالف یکدیگر، وجود ندارد. یکی باید به فضای خالی بین اتومبیل‌های پارک شده برسد، یا آهسته حرکت کند و تا جایی که ممکن است کنار بکشد تا اتومبیل دیگر بتواند از کنار او عبور کند.رانندگان راهی برای عبور از این تنگنا پیدا می‌کنند، راهی که ممکن است همراه با ترس و مخاطره باشد.

برنامه‌ریزی وسیله نقلیه خودران  برای عبور از این شرایط، یعنی زمانی که هیچکس پشت فرمان نیست و یا خودرو از تصمیم راننده مقابل اطلاع ندارد، چالش منحصربه‌فردی پیش روی محققان مرکز تحقیقات خودروهای بدون سرنشین Argo AI در دانشگاه کارنگی ملون قرار داده است.کریستف کیلینگ، استاد مدعو که سابق بر این در موسسه رباتیکِ دانشکده علوم کامپیوتر و در حال حاضر در آزمایشگاه سیستم‌های هوایی خودرانِ دانشگاه فنی مونیخ مشغول به تحقیق است.

وی اینچنین توضیح می‌دهد که: «در حال حاضر، تحقیق درباره قوانین نانوشته حمل و نقل جاده‌ای در دستور کار است. کار دشواری است. اتومیبل باید یادبگیرد بدون اطلاع از تصمیم راننده مقابل برای توقف یا حرکت خودرو، از این تنگنا بیرون بیاید».

کیلینگ در دانشگاه کارنگی ملون با دانشمندِ محقق، جان دولان، و دانشجوی دکتری، آدام ویلافلور، برای حل این مشکل همکاری می‌کند. این تیم نتایج تحقیقات خود را در مقاله‌ای با عنوان «تلاش فناوری هوش مصنوعی برای تصمیم‌گیری موثر در خصوص حق تقدم رانندگان برای عبور از خیابان های باریک دوطرفه در شرایط پرتنش » در کنفرانس بین‌المللی رباتیک و اتوماسیون ارائه کردند.‌

بررسی علمی رانندگی در خیابان های باریک

محققان بر این باورند که موضوع رانندگی در خیابان‌های شلوغ و باریک را برای نخستین بار مورد بررسی علمی قرار داده‌اند. شرایطی که لازم است رانندگان، اعم از انسان یا ماشین، با یکدیگر همکاری کنند تا بتوانند تنها با حدس زدنِ تصمیم راننده مقابل، بدون برخورد از کنار هم عبور کنند. رانندگان باید بین میل به تعرض و سازش تعادل برقرار کنند. راننده بیش از حد متعرض، یعنی کسی که بدون توجه به سایر خودروها سعی در باز کردن راه خود دارد، ممکن است خودش و دیگران را به خطر بیاندازد. از طرفی، راننده‌ی بیش از حد سازش‌کار که همیشه در مواجهه با خودروهایی که از روبه‌رو می‌آیند توقف می‌کند، ممکن است هرگز از خیابان عبور نکند.

دولان می‌گوید: «از نظر من یکی از جنبه‌های هیجان‌انگیز و البته دشوار رانندگی در پیتزبرگ، گیرافتادن در خیابان های باریک و شلوغ است».

امروزه خبرهایی از بکارگیری اتومبیل‌های خودران در حمل و نقل، به ویژه در گام آخر تحویل کالا، شنیده می‌شود. اما برای اینکه خودروی خودران بتواند مرسوله، پیتزا، یا شخص را به مقصد برساند، باید از خیابان‌های تنگ و از کنار رانندگانی عبور کند که از تصمیم آن‌ها بی‌اطلاع است.

آموزش الگوریتم مسیریابی خودروهای خودران

این تیم، روشی برای مدل‌سازی میزان همکاری رانندگان ابداع کرده است. منظور از میزان همکاری راننده، سنجش احتمال کنار کشیدن راننده مقابل و دادنِ اجازه عبور به خودرو است. محققان از این مدل‌ها برای آموزش الگوریتمِ مسیریابی خودروهای بدون سرنشین استفاده کردند. الگوریتم موفق شد اتومبیل خودران را سالم و به بهترین نحوه ممکن از آن شرایط عبور دهد. این آزمایش تنها در محیط شبیه‌سازی شده اجرا شده و هنوز الگوریتم در دنیای واقعی آزمایش نشده است. با این حال، نتایج امیدوار کننده است. این تیم تحقیقاتی نشان دادند که الگوریتم نسبت به مدل‌های فعلی عملکرد بهتری دارد.

رانندگان با انواعی از سناریوهای پیچیده در حین رانندگی روبرو می‌شوند و محققان همزمان با تلاش برای عبوردادن خودروی بدون‌سرنشین از این سناریوها، به دنبال راهی هستند تا مدل‌ها و الگورتیم‌های تک کاربردی، مثلاً الگوریتم پیوستن به بزرگراه، عبور از سناریوهای دیگر، مانند عوض‌کردن لاین یا گردش به چپ در سر تقاطع، را نیز یادبگیرد.به گفته دولان: «آزمایش‌های گسترده آخرین موارد حل نشده را مشخص می‌کند. به کندوکاو در این موارد ادامه می‌دهیم و راهکاری برای رسیدگی به آن‌ها پیدا می‌کنیم».

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]