मिशिगन विश्वविद्यालय के शोधकर्ताओं ने ऑटोपायलट कारों के परीक्षण के लिए एक नया तरीका विकसित किया है, जिसके साथ आप ऑपरेशन में प्रवेश के लिए आवश्यक अरबों किलोमीटर के सड़क परीक्षणों को पारित नहीं कर सकते हैं।
वास्तविक दुनिया में 40 मिलियन किलोमीटर से अधिक के डेटा का उपयोग करके विकसित की गई प्रक्रिया, संभावित खतरनाक परिस्थितियों में रोबोट वाहनों के मूल्यांकन के लिए आवश्यक समय को 300 हजार से 100 मिलियन गुना तक कम कर सकती है। शोधकर्ताओं ने ध्यान दिया कि यह समय और परीक्षण लागत का 99.9% बचा सकता है।
मिशिगन विश्वविद्यालय में इंजीनियरिंग के प्रोफेसर रोजर एल। मैकार्थी का तर्क है कि आज भी ऑटोपायलट कारों का परीक्षण करने के लिए सबसे उन्नत और बड़े पैमाने पर प्रयास कारों के कठोर परीक्षण की आवश्यकता को उचित नहीं ठहराते हैं। एक एकीकृत दृष्टिकोण के बजाय जो सब कुछ एक बार में मापता है, नई विधि प्रक्रिया को अलग-अलग घटकों में तोड़ती है जो सिमुलेशन में पुनर्प्राप्त किए जा सकते हैं, सबसे कठिन यातायात स्थितियों के संकुचित सेट के साथ स्वचालित रूप से नियंत्रित वाहन प्रदान करते हैं। यदि, उदाहरण के लिए, आपको एक अप्रत्याशित बाधा के लिए एक रोबोमोबाइल की प्रतिक्रिया पर डेटा प्राप्त करने की आवश्यकता है, तो प्रयासों को इस स्थिति पर केंद्रित किया जाना चाहिए। मानव रहित वाहन "उबाऊ" क्षणों में कैसे व्यवहार करेंगे, यह सांख्यिकीय विश्लेषण द्वारा भी प्राप्त किया जा सकता है।
शोधकर्ता एक सरल तुलना देते हैं: वास्तविक दुनिया में कुल 1,000 मील (1.6 हजार किमी) परीक्षण 300 हजार - 100 मिलियन मील (482.8 हजार किलोमीटर - 161 मिलियन किमी) के बराबर हैं। और जबकि 100 मिलियन मील की दूरी पर एक लंबी दूरी की तरह लगता है, यह पर्याप्त नहीं है। ड्राइवर रहित सुरक्षा को प्रमाणित करने के लिए शोधकर्ताओं को पर्याप्त डेटा प्राप्त करने के लिए, जटिल और अत्यंत दुर्लभ सड़क परिदृश्यों की आवश्यकता होती है। उदाहरण के लिए, हर 100 मिलियन मील पर एक बार एक घातक दुर्घटना होती है।
उपभोक्ताओं को ड्राइवर के बिना कार में जाने के लिए सहमत होने के लिए, 80% निश्चितता के साथ यह साबित करना आवश्यक है कि यह मानव-चालित की तुलना में 90% सुरक्षित है। इसके लिए, कारों को वास्तविक दुनिया में या सिमुलेशन में 17.7 मिलियन किमी (11 मिलियन मील) की यात्रा करनी होगी। यहां तक कि ठेठ शहरी परिस्थितियों में एक दशक के दौर के परीक्षण के लिए, 3 मिलियन किमी (2 मिलियन मील) से थोड़ा अधिक टाइप किया जाएगा।
इसके अलावा, पूरी तरह से स्वचालित वाहनों के लिए आज की कारों के लिए उपयोग किए जाने वाले परीक्षण की तुलना में पूरी तरह से अलग प्रकार की आवश्यकता होती है। यहां तक कि शोधकर्ताओं द्वारा पूछे गए प्रश्न अधिक जटिल हैं। एक दुर्घटना में क्या होता है, यह पता लगाने के बजाय, उन्हें यह निर्धारित करना चाहिए कि कार सफलतापूर्वक होने से कैसे रोक सकती है।
डॉक्टरों की नियुक्ति के साथ वैज्ञानिकों ने कार के परीक्षण के लिए एक सादृश्य बनाया है। मानव नियंत्रण वाली कारों के लिए परीक्षण के तरीके - यह रक्तचाप या हृदय गति को माप रहा है, मानव रहित वाहनों का परीक्षण कर रहा है - रोगी के आईक्यू की जांच कर रहा है।
चार-चरण त्वरित दृष्टिकोण विकसित करने के लिए, शोधकर्ताओं ने मिशिगन विश्वविद्यालय के इंस्टीट्यूट ऑफ ट्रांसपोर्ट स्टडीज की दो परियोजनाओं द्वारा एकत्र किए गए 40.6 मिलियन वास्तविक किलोमीटर (25.2 मिलियन मील) से डेटा का विश्लेषण किया। दो वर्षों के दौरान, उन्होंने लगभग 3,000 कारों और स्वयंसेवकों को तैनात किया।
उन्होंने तब घटनाओं की पहचान की जिसमें स्वचालित वाहन और चालित व्यक्ति के बीच "सार्थक इंटरैक्शन" हो सकता है, और एक सिमुलेशन बनाया जिसने इन सार्थक इंटरैक्शन के साथ पूरी सवारी को घटना के बिना बदल दिया। उसके बाद, उन्होंने सिमुलेशन को प्रोग्राम किया ताकि मानवरहित वाहनों ने सड़कों पर मानव चालकों को मुख्य खतरे के रूप में देखा, और लोगों को संचालित कारों को हर जगह बेतरतीब ढंग से रखा।
चोटों, दुर्घटनाओं और दुर्घटना के करीब क्षणों सहित कुछ परिणामों के जोखिम और संभावना का आकलन करने के लिए गणितीय परीक्षणों के बाद प्रोग्रामिंग चरण का पालन किया गया था। निष्कर्ष में, शोधकर्ताओं ने त्वरित परीक्षण के परिणामों की व्याख्या की,
महत्व द्वारा नमूना विधि का उपयोग करते हुए, यह पता लगाने के लिए कि सड़क पर रोजमर्रा की स्थितियों के लिए स्वचालित रूप से संचालित कारें सांख्यिकीय रूप से कैसे प्रतिक्रिया देंगी।
एक संभावित मूल्यांकन प्रक्रिया विभिन्न संभावित खतरनाक युद्धाभ्यासों के लिए की जा सकती है। शोध दल ने अब तक केवल दो सबसे सामान्य स्थितियों का आकलन किया है जिनसे गंभीर दुर्घटनाओं की आशंका थी: मानव चालक के बाद एक मानव रहित वाहन, और, इसके विपरीत, कार में एक व्यक्ति जो स्वायत्त परिवहन का अनुसरण करता है। मूल्यांकन की सटीकता त्वरित और वास्तविक सिमुलेशन के संचालन और तुलना द्वारा निर्धारित की गई थी। टीम नोट करती है कि अनुसंधान जारी रखना और सड़क पर अन्य स्थितियों पर विचार करना आवश्यक है।