रोबम्बाइल्स को साइकिल चलाने वालों से समस्या है

रोबम्बाइल्स पूरी तरह से अन्य कारों को ट्रैक करते हैं, और वे पैदल चलने वालों, गिलहरियों और पक्षियों को नोटिस करने में बेहतर हैं। मुख्य समस्या परिवहन का सबसे हल्का, सबसे शांत और तेज साधन है।

बर्कले में कैलिफोर्निया विश्वविद्यालय के अनुसंधान अभियंता स्टीफन श्लादोवर ने कहा, "साइकिलों को खोजने का काम संभवतः रोबोटिक वाहनों के लिए सिस्टम के विकास में आने वाली चुनौतियों का सबसे कठिन है।"

कैलिफोर्निया विश्वविद्यालय, सैन डिएगो के एक कंप्यूटर विज़न विशेषज्ञ नूनो वास्केलसोस का कहना है कि अपेक्षाकृत छोटे आकार, गति और विविधता के कारण बाइक खोजने की समस्या कठिन है। “एक मशीन अनिवार्य रूप से पदार्थ का एक बड़ा ब्लॉक है। साइकिल का द्रव्यमान बहुत छोटा है, और वे अलग दिख सकते हैं - उनके पास कई आकार, रंग हैं, और ऐसा होता है कि लोग उन्हें कबाड़ के साथ लटकाते हैं। "

इसलिए, हाल के वर्षों में कारों का पता लगाने की सटीकता ने साइकिल का पता लगाने की सटीकता को पार कर लिया है। अधिकांश सुधार प्रणालियों के प्रशिक्षण में हुए जिसमें उन्होंने चिह्नित वस्तुओं के साथ हजारों तस्वीरों का अध्ययन किया। और अधिकांश प्रशिक्षण कारों की छवियों पर केंद्रित थे, न कि साइकिलों पर।

हाल ही में विश्वविद्यालय के शोधकर्ताओं द्वारा पेश किया गया Deep3DBox एल्गोरिथ्म लें। मेनलो पार्क से जॉर्ज मेसन और रोबोटाक्सी डेवलपर ज़ोक्स । उद्योग-मानक प्रणाली परीक्षण में, जिसमें यह दो आयामी छवियों को पार्स करने की कोशिश करता है, डीप 3 डीबॉक्स ने 89% कारों की पहचान की। कई साल पहले, इस तरह के सिस्टम 70% से अधिक नहीं थे।

डीप 3 डीबॉक्स एक अधिक जटिल कार्य के साथ भी अच्छी तरह से मुकाबला करता है: यह भविष्यवाणी करने के साथ कि परिवहन किस दिशा में जा रहा है और दो आयामी तस्वीर में वस्तुओं के लिए तीन आयामी कंटेनर की पीढ़ी के साथ। “डीप लर्निंग आमतौर पर पिक्सल में अनुक्रमों का आसानी से पता लगाने के लिए उपयोग किया जाता है। हम वस्तुओं के ज्यामितीय गुणों को निर्धारित करने के लिए इस तकनीक का उपयोग करने के लिए एक प्रभावी तरीका के साथ आए हैं, ”परियोजना के प्रतिभागी जनाना कोएकेका ने कहा, विश्वविद्यालय में एक प्रोग्रामर। जॉर्ज मेसन।

लेकिन साइकिल और साइकिल चालकों का पता लगाने और उन्हें उन्मुख करने के लिए प्रणाली बहुत खराब है। Deep3DBox सर्वश्रेष्ठ प्रणालियों में से एक है, लेकिन परीक्षणों में यह केवल 74% साइकिलों को पहचानती है। और यद्यपि वह चित्रों में 88% से अधिक कारों को सही ढंग से उन्मुख कर सकती है, साइकिल के मामले में, वह केवल 59% मामलों में ऐसा करती है।

Koschecka का कहना है कि वाणिज्यिक सिस्टम एक बेहतर काम करते हैं जब डेवलपर्स को सड़क पर कैप्चर की गई छवियों के विशाल सेट तक पहुंच मिलती है जो कंप्यूटर को प्रशिक्षित कर सकते हैं। उनके अनुसार, लेज़र स्कैनिंग (लिडार) और राडार के साथ ट्रायल बराबरी के अधिकांश परीक्षण, इमेज प्रोसेसिंग का काम करते हैं, जो कि रोबोट के सापेक्ष साइकिल और उनकी स्थिति को पहचानने में मदद करते हैं, भले ही वे इसके अभिविन्यास के बारे में कुछ भी रिपोर्ट न करें।

उच्च-रिज़ॉल्यूशन के नक्शे, उदाहरण के लिए, इज़राइली कंपनी, Mobileye द्वारा रोड एक्सपीरियंस मैनेजमेंट , नई तकनीकी सफलताओं को तोड़ने में मदद करता है। इस तरह के कार्ड कंप्यूटर को साइकिल को पहचानने का एक फायदा देते हैं, क्योंकि ये साइकिल पूर्व-दर्ज सड़क छवियों में विसंगतियों की तरह दिखती हैं। फोर्ड मोटर का कहना है कि इस साल सड़क पर लॉन्च करने की योजना बना रहे 70 ट्रायल रोबोट के दिल में तीन विस्तृत नक्शे हैं।

यह सब एक साथ रखो और आप बहुत प्रभावशाली परिणाम प्राप्त कर सकते हैं - और उन्हें पिछले साल Google के उपकरणों द्वारा प्रदर्शित किया गया था । Google के रोबोमोबाइल्स विभाग से नाता तोड़ने वाली कंपनी वायमो ने अपनी स्वयं की सेंसर तकनीक का प्रदर्शन किया है जो साइकिल को पहचानने की प्रणाली की क्षमता में सुधार करती है।



Vasconcelos को संदेह है कि ऑब्जेक्ट मान्यता और स्वचालन के लिए मौजूदा सिस्टम मानव चालकों को बदल सकते हैं, लेकिन उनका मानना ​​है कि वे पहले से ही विकसित किए गए हैं ताकि लोगों को दुर्घटनाओं से बचने में मदद मिल सके। साइकिल चालकों की मान्यता पहले से ही सामान्य कारों पर स्थापित वाणिज्यिक स्वचालित ब्रेकिंग सिस्टम (AEB) के पूरक के रूप में शुरू की जा रही है, और न केवल कारों, बल्कि साइकिल चालकों के साथ पैदल चलने वालों को भी पहचानने में सक्षम है।

वोल्वो द्वारा 2013 में वोल्वो की पहली AEB मान्यता प्रणाली शुरू की गई थी। यह संभावित टकरावों की भविष्यवाणी करते हुए, कैमरा और रडार से डेटा संसाधित करता है। इस साल इसी तरह की तकनीक का यूरोपीय बसों में परीक्षण किया जाएगा। इसके बाद अन्य वाहन निर्माताओं को पकड़ने की उम्मीद है, क्योंकि यूरोपीय नियामक अगले साल साइकिल चालकों की मान्यता की गुणवत्ता के लिए एईबी सिस्टम का मूल्यांकन करना शुरू करते हैं।

लेकिन ऐसी प्रणालियां अभी भी गंभीर सीमाओं से ग्रस्त हैं, जिसमें से डेवलपर्स के लिए अगला मुश्किल काम निम्न है: चलती वस्तुओं की गति की दिशा का अनुमान लगाना। यह विशेष रूप से AEB सिस्टम से अधिक डेटा खींचने में मुश्किल होगा, जो साइकिल चालकों को पहचानते हैं - ओलाफ ओप डेन कैंप, नीदरलैंड्स इंस्टीट्यूट फॉर एप्लाइड रिसर्च के वरिष्ठ सलाहकार कहते हैं। साइकिल की मान्यता के साथ AEB सिस्टम के लिए यूरोपीय परीक्षण के विकास का नेतृत्व करने वाले ओप्पेन काम्प का कहना है कि साइकिल चालकों के आंदोलनों की भविष्यवाणी करना सबसे कठिन है।

कोसोचेका उससे सहमत हैं: "साइकिल चालक कारों की तुलना में बहुत कम पूर्वानुमानित हैं, क्योंकि उनके लिए अचानक मोड़ बनाना या कहीं से बाहर कूदना बहुत आसान है।"

इसका मतलब यह है कि इससे पहले कि साइकिल चालकों को मानवीय गलतियों से बचने में बहुत समय लग सकता है, जो कि 94% दुर्घटनाओं से जुड़े हैं, अमेरिकी नियामकों के अनुसार। "सभी साइकिल चालक इस क्षण की प्रतीक्षा कर रहे हैं," ब्रायन विडेनमियर ने कहा, सैन फ्रांसिस्को साइकिल चालक साइकिल के कार्यकारी निदेशक। लेकिन वह कहते हैं कि स्वचालन प्रौद्योगिकियों के परिपक्व होने तक इंतजार करना सही होगा।

दिसंबर में, वेडेनमेयर ने चेतावनी दी कि उबेर टेक्नोलॉजीज-प्रायोजित रोबोट कैलिफ़ोर्निया ट्रैफ़िक नियमों को तोड़ रहे थे जो विशेष रूप से कार और ट्रक से निर्दिष्ट बाइक लेन को पार करने वाले साइकिल चालकों को बचाने के लिए डिज़ाइन किए गए थे। कंपनी द्वारा उनके लिए परमिट प्राप्त करने से इनकार करने के बाद उन्होंने ऐसी कारों के पंजीकरण को रद्द करने का समर्थन किया। उबेर अभी भी एरिज़ोना और पिट्सबर्ग में अपनी रोबोट कारों का परीक्षण कर रहा है, और हाल ही में सैन फ्रांसिस्को की सड़कों पर कुछ कारों को वापस करने की अनुमति मिली है, लेकिन केवल अंकन मशीनों के रूप में, जो निश्चित रूप से ड्राइवरों द्वारा संचालित होगी।

वेडेनमेयर का कहना है कि उबेर बाजार में प्रवेश करने की जल्दी में है, और यह गलत है। वह कहता है: "किसी भी नई तकनीक की तरह, इसे बहुत सावधानी से जांचना चाहिए।"