الروبوتات لديها مشاكل مع راكبي الدراجات

تتبع Robomobiles سيارات أخرى تمامًا ، وهي أفضل في ملاحظة المشاة والسناجب والطيور. لا تزال المشكلة الرئيسية هي فقط وسائل النقل الأخف وزناً والأكثر هدوءاً وحيوية.

قال مهندس البحث ستيفن شلادوفر من جامعة كاليفورنيا في بيركلي: "ربما يكون التحدي المتمثل في العثور على الدراجات هو أصعب التحديات التي تواجهها أنظمة تطوير المركبات الآلية".

يقول نونو فاسكونسيلوس ، خبير رؤية الكمبيوتر في جامعة كاليفورنيا ، سان دييغو ، إن العثور على الدراجات أمر صعب بسبب صغر حجمها نسبيًا وسرعتها وتنوعها. "الآلة هي في الأساس كتلة كبيرة من المادة. كتلة الدراجات أصغر بكثير ، ويمكن أن تبدو مختلفة - لديهم العديد من الأشكال والألوان ، ويحدث أن يعلقها الناس بالخردة. "

لذلك ، تجاوزت دقة الكشف عن السيارات في السنوات الأخيرة دقة الكشف عن الدراجات. حدثت معظم التحسينات في تدريب الأنظمة التي درسوا فيها الآلاف من الصور الفوتوغرافية بأشياء مميزة. وركز معظم التدريب على صور السيارات وليس الدراجات.

خذ خوارزمية Deep3DBox التي قدمها مؤخرًا باحثون من الجامعة. جورج ميسون ومطور Robotaxi Zoox من Menlo Park. في اختبار النظام المعياري للصناعة ، الذي يحاول فيه تحليل الصور ثنائية الأبعاد ، حدد Deep3DBox 89٪ من السيارات. قبل عدة سنوات ، تعاملت هذه الأنظمة مع ما لا يزيد عن 70 ٪.

يتعامل Deep3DBox أيضًا بشكل جيد مع مهمة أكثر تعقيدًا: من خلال التنبؤ بالاتجاه الذي يسير فيه النقل وتوليد حاوية ثلاثية الأبعاد للكائنات في صورة ثنائية الأبعاد. "يستخدم التعلم العميق عادة لاكتشاف التسلسلات بالبكسل بسهولة. "لقد توصلنا إلى طريقة فعالة لاستخدام هذه التكنولوجيا لتحديد الخصائص الهندسية للأشياء" ، قالت مشاركة المشروع يانا كوشيكا ، مبرمج في الجامعة. جورج ميسون.

لكن النظام أسوأ بكثير في اكتشاف وتوجيه الدراجات وراكبي الدراجات. Deep3DBox هو أحد أفضل الأنظمة ، ولكن في الاختبارات يتعرف على 74٪ فقط من الدراجات. وعلى الرغم من أنها تستطيع توجيه أكثر من 88٪ من السيارات في الصور بشكل صحيح ، إلا أنها في حالة الدراجات ، تقوم بذلك فقط في 59٪ من الحالات.

يقول Koschecka أن الأنظمة التجارية تقوم بعمل أفضل عندما يتمكن المطورون من الوصول إلى مجموعات ضخمة من الصور الملتقطة على الطريق والتي يمكنها تدريب جهاز كمبيوتر. وفقا لها ، فإن غالبية الروبوتات التجريبية تكمل معالجة الصور بالمسح بالليزر ( ليدار ) والرادارات التي تساعد على التعرف على الدراجات وموقعها بالنسبة إلى الروبوت ، حتى إذا لم يبلغوا عن أي شيء عن اتجاهها.

تساعد الخرائط عالية الدقة ، على سبيل المثال ، إدارة تجربة الطريق من قبل شركة Mobileye ، وهي شركة إسرائيلية ، على كسر اختراقات تكنولوجية جديدة. تمنح هذه البطاقات الكمبيوتر ميزة للتعرف على الدراجات ، لأن هذه الدراجات تبدو وكأنها حالات شاذة في صور الطريق المسجلة مسبقًا. تقول شركة Ford Motor أن الخرائط ثلاثية الأبعاد والمفصلة للغاية هي في صميم 70 روبوتًا تجريبيًا تعتزم إطلاقها على الطريق هذا العام.

ضع كل ذلك معًا ويمكنك الحصول على نتائج رائعة جدًا - وقد تم عرضها في العام الماضي بواسطة أجهزة من Google . أثبتت شركة Waymo ، الشركة المنفصلة عن قسم الهواتف المحمولة في Google ، تكنولوجيا المستشعر الخاصة بها التي تعمل على تحسين قدرة النظام على التعرف على الدراجات.



يشك Vasconcelos في أن الأنظمة الحالية للتعرف على الأشياء والأتمتة يمكن أن تحل محل السائقين البشريين ، لكنها تعتقد أنها تم تطويرها بالفعل بما يكفي لمساعدة الأشخاص على تجنب الحوادث. بدأ بالفعل التعرف على راكبي الدراجات كإضافة إلى نظام الكبح الأوتوماتيكي التجاري (AEB) ، المثبت على السيارات العادية ، وقادر على التعرف ليس فقط على السيارات ، ولكن أيضًا على المشاة مع راكبي الدراجات.

أدخلت فولفو أول نظام للتعرف على AEB من فولفو في عام 2013. يعالج البيانات من الكاميرا والرادار ، ويتوقع التصادمات المحتملة. سيتم اختبار تقنية مماثلة هذا العام على الحافلات الأوروبية. ومن المتوقع أن تلحق شركات تصنيع سيارات أخرى بعد ذلك ، حيث يبدأ المنظمون الأوروبيون في تقييم أنظمة AEB لجودة التعرف على راكبي الدراجات العام المقبل.

لكن مثل هذه الأنظمة لا تزال تعاني من قيود خطيرة ، والتي تتبعها المهمة الصعبة التالية للمطورين: التنبؤ باتجاه حركة الأجسام المتحركة. سيكون من الصعب بشكل خاص استخراج المزيد من البيانات من أنظمة AEB التي تتعرف على راكبي الدراجات ، وفقًا لـ Olaf Op den Camp ، كبير المستشارين في المنظمة الهولندية للأبحاث التطبيقية. يقول Opden Kamp ، الذي قاد تطوير الاختبار الأوروبي لأنظمة AEB مع التعرف على الدراجات ، أنه من الصعب التنبؤ بحركات راكبي الدراجات.

ويتفق معه كوسشيكا في الرأي قائلاً: "إن راكبي الدراجات أقل توقعًا بكثير من السيارات ، لأنه من الأسهل عليهم القيام بمنعطفات مفاجئة أو القفز من العدم".

وهذا يعني أن الأمر سيستغرق الكثير من الوقت قبل أن يتمكن راكبو الدراجات من تجنب الأخطاء البشرية المرتبطة بـ 94٪ من الحوادث ، وفقًا للمنظمين الأمريكيين. قال بريان ويدنماير ، المدير التنفيذي لتحالف الدراجات في سان فرانسيسكو: "يتطلع جميع راكبي الدراجات إلى هذه اللحظة". لكنه يقول أنه سيكون من الصواب الانتظار حتى تنضج تقنيات الأتمتة.

في ديسمبر ، حذر Weidenmeyer من أن الروبوتات التي ترعاها Uber Technologies تخرق أنظمة المرور في كاليفورنيا التي تم تصميمها خصيصًا لحماية راكبي الدراجات من السيارات والشاحنات التي تعبر ممرات الدراجات المخصصة. أيد إلغاء تسجيل هذه السيارات بعد أن رفضت الشركة الحصول على تصاريح لهم. لا تزال أوبر تختبر سياراتها الآلية في أريزونا وبيتسبرغ ، وقد حصلت مؤخرًا على إذن بإعادة بعض السيارات إلى شوارع سان فرانسيسكو ، ولكن فقط كآلات تمييز ، والتي سيقودها السائقون بالضرورة.

يقول Weidenmeyer أن Uber في عجلة من أمرها لدخول السوق ، وهذا خطأ. ويقول: "مثل أي تقنية جديدة ، يجب التحقق من ذلك بعناية فائقة."