تشریح سیستم رانندگی خودران

نگاهی به نحوه تفکر خودروهای هوشمند

همگام با نام‌های بزرگ صنعت خودروسازی، بازیگران کوچک‌تر در حال تلاش برای دستیابی به فرمولی هستند که بتوانند با استفاده از کیت‌های خود، خودروهای فعلی را به انواع خودران تبدیل کنند. یکی از این شرکت‌ها اِی‌آی ‌موتیو (AI motive) است. برای این‌که بدانیم خودروهای خودران چگونه جهان اطراف خود را می‌بینند، می‌فهمند و به آن واکنش نشان می‌دهند، گفتگویی با لورانت پوکسوایلر یکی از اعضای ارشد این شرکت در دفتر AImotive واقع در مانتین ویو کالیفرنیا انجام شده است.

چشمان خود را باز کنید

دقیقا مثل یک راننده، خودروهای خودران نیاز دارند که ببینند در اطرافشان چه می‌گذرد. تیم AImotive اعتقاد دارد به دلیل این‌که جاده‌ها برای انسان‌ها طراحی شده‌اند، لازم است خودروهای خودران اولیه، بینایی‌محور باشند.

لورانت پوکسوایلر می‌گوید: «ما اینجا از یک روش مبتنی بر دوربین‌ استفاده می‌کنیم. ما فکر می‌کنیم در محیطی مشابه وضعیت کنونی جاده‌ها که برای انسان‌هایی آشنا با علایم تصویری طراحی شده‌اند، روش مبتنی بر دوربین از بهترین شانس برای تشخیص اشیاء برخوردار است. این منبعی بسیار غنی از اطلاعات است».

دوربین‌های نصب‌شده روی سقف، جلو و عقب خودرو (به همراه رادارهایی به‌عنوان پشتیبان) تصویری از آن‌چه در اطراف خودرو می‌گذرد، می‌سازند و اساسا همچون مجموعه‌ای از چشم‌ها و گوش‌ها عمل می‌کنند. بازیگران مختلف عرصه‌ی سیستم‌های خودران در حال استفاده از روش‌های متفاوتی هستند که بسیاری از آن‌ها از سیستم گران‌قیمت لیدار استفاده می‌کنند. اما تیم AImotive در حال طراحی سیستمی است که بتواند با هر سنسوری که از دستورالعمل‌های پایه‌ی رزولوشن آن پیروی کند، کار کند. این اقدام باعث می‌شود مطابقت دادن این نرم‌افزار با سخت‌افزار مورد استفاده توسط تولیدکنندگان، ساده‌تر شود.

درک محیطی که می‌بیند

توانایی دیدن آن‌چه در اطراف خودرو رخ می‌دهد، یک مسئله است و توانایی تفسیر این تصاویر مسئله‌ای دیگر. در خودروی AImotive، موتور شناسایی، داده‌های خام به‌دست‌آمده از سنسورها را تجزیه می‌کند و آن را به نرم‌افزار بخش‌بندی ویژه می‌دهد که وظیفه‌ی آن شناسایی اشیاء مختلف است. با وجود این‌که این سیستم توانایی کنترل بیش از ۱۰۰ رده‌ی مختلف از اشیاء را دارد، در حال حاضر تنها از ۲۵ مورد استفاده می‌کند.

این نرم‌افزار قادر است برای هر فریم گرفته‌شده توسط دوربین، لیستی از آن‌چه می‌بیند به همراه جزئیاتی در مورد اندازه، فاصله و زاویه در ارتباط با خودرو ایجاد کند. این تصاویر روی نمایشگر داخل خودرو به نمایش درمی‌آید که به هر رده‌ی متفاوت، یک رنگ منحصربه‌فرد اختصاص می‌دهد. داده‌های حاصل از دوربین‌ها و سنسورها با داده‌های موتور موقعیت‌یابی تکمیل می‌شوند که از داده‌های معمولی GPS برای ایجاد تصویری واضح‌تر از محل خودرو استفاده می‌کند.

پوکسوایلر می‌گوید:

نقش اصلی موتور موقعیت‌یابی این است که بفهمد خودرو «الان» در کجا قرار دارد. ما نیاز داریم از محل دقیق خودرو مطلع باشیم. GPS نقطه‌ی شروع این کار است، هرچند شاید GPS به اندازه‌ی کافی دقیق نباشد… به منظور بهبود بخشیدن به داده‌های موقعیت‌یابی، ما از نقاط نشانه‌ی برجسته نیز استفاده می‌کنیم. آن‌چه باید انجام دهیم، برجسته‌سازی محل دقیق علایم و نشانه‌های خاص ترافیکی است. ما می‌دانیم یک علامت ترافیکی خاص در کجا باید باشد، محل دقیق آن کجاست، سپس ما محل خودرو را با استفاده از فاصله و جهت خودرو نسبت به آن شیء به دست می‌آوریم. این کار باعث می‌شود دقت موقعیت‌یابی خودرو افزایش یابد.

همان‌طور که ما به آنچه چشمانمان از نقشه‌ی کوچک روی داشبورد درک می‌کنند، اعتماد می‌کنیم؛ AImotive در حال ساختن یک سیستم مبتنی بر بینایی است. یعنی داده‌های موقعیت‌یابی برای تأیید آن‌چه دوربین‌ها می‌بینند، مورد استفاده قرار می‌گیرند. همچنین، بی‌تردید این مسئله که خودرو بداند هنگام برنامه‌ریزی یک مقصد توسط کاربر، چه جاده‌ای را انتخاب کند، مهم است.

حرکت در میان خودروها

پس از این‌که خودرو اشیاء اطراف و موقعیت خود را درک کرد، لازم است یک مسیر رسم کند. در AImotive این وظیفه بر دوش موتور حرکت است. او تاریخچه‌ی حرکت اجسام (جایی که قبلا در آن قرار داشتند)، موقعیت فعلی و با استفاده از این داده‌ها، محل بعدی احتمالی  خودرو را محاسبه می‌کند. همان‌طور که می‌توان تصور کرد، این سیستم دائما در حال محاسبه‌ی مجدد آن‌چیزی است که انتظار دارد خودروها و عابران اطراف خودرو انجام دهند؛ همان‌طور که رانندگان عادی همواره در حال مشاهده‌ی ترافیک اطراف خودروی خود برای دیدن علایمی از آن‌چه رخ خواهد داد، هستند.

با مرتب کردن همه‌ی این اطلاعات، خودرو قادر خواهد بود به‌طور واقعی مسیری از میان یک ترافیک شلوغ و پر هرج و مرج رسم کند. بار دیگر، اطلاعات مربوط به محلی که خودرو می‌خواهد به آن‌جا برود، به شکل کامل و به همراه فلش نشان‌دهنده‌ی جهت حرکت، روی نمایشگر داخل خودرو قابل نمایش است.

کنار هم قرار دادن تکه‌ها

پس از این‌که مرحله‌ی تفکر خودرو پایان یافت، خودرو نیاز خواهد داشت تفکرات یا نقشه‌های خود را به اجرا درآورد. به محض این که همه‌ی این اطلاعات مورد پردازش قرار گرفت؛ همه‌ی آنچه AImotive باید انجام دهد، اعمال الکترونیکی ورودی‌ها به فرمان، گاز و ترمز توسط موتور کنترل است.  

هرچند به دلیل این‌که این شرکت هنوز مجوز آزمایش بدون راننده در ایالت کالیفرنیا کسب نکرده است، امکان آزمایش خودروهای خودران این شرکت در معابر عمومی وجود ندارد؛ اما شبیه‌سازی‌های صورت گرفته، نشان‌دهنده‌ی نتایج امیدوارکننده‌ای هستند. در واقع با دیدن این شبیه‌سازی‌ها، شاید اگر کسی به شما نگفته باشد که راننده‌ای پشت فرمان نیست، متوجه آن نشوید.

بی‌تردید رسیدن به مرحله‌ی اجرای کامل بسیار پیچیده است. هرآنچه در مورد نحوه‌ی عملکرد این سیستم توصیف شد، باید صدها یا هزاران مرتبه در هر ثانیه تکرار شود و لازم است به بهترین شکل ممکن عمل کند. وقتی قرار است بین رانندگان عجول کالیفرنیایی رانندگی کند، هیچ جایی برای خطا و مشکلات توسعه‌ی اولیه وجود ندارد. این نرم‌افزار به دوربین‌ها و سنسورهای کاملا کالیبره نیز وابسته است، مسئله‌ای که حالا توسط جزء دیگری از AI کنترل می‌شود. با وجود این، AImotive درباره‌ی پتانسیل این سیستم بسیار مطمئن است.

پوکسوایلر می‌گوید: «می‌توانم بگویم تا انتهای سال جاری، استفاده از این سیستم در سطح تکنولوژیک، در بزرگراه‌ها به مرحله‌ی اجرا خواهد رسید.» به عبارت دیگر، این سیستم ظرف دوازده ماه آینده قادر خواهد بود به‌راحتی در بزرگراه‌ها رانندگی کند. «تا پایان سال آینده، سناریوهای شهری نیز تحت پوشش قرار خواهند گرفت.» به بیان واضح‌تر، این یعنی سیستم در کوتاه‌مدت روی یک خودروی خودران کاربردی نصب نخواهد شد؛ اما ظرفیت این نرم‌افزار اجازه‌ی این کار را به ما می‌دهد.

این پتانسیل و سرعت بالای پیشرفت، نتیجه‌ی آزمایش مداوم، هم در دنیای واقعی و هم با استفاده از شبیه‌سازی است. به جای تمرکز بر پوشش میلیون‌ها کیلومتر تست جاده‌ای مثل آن‌چه Wymo یا اوبر انجام می‌دهند، تیم AImotive از یک سیستم شبیه‌ساز داخلی استفاده می‌کنند که قادر است خودرو را در هر ساعت مورد آزمایش قرار دهد.

مهم‌تر از آن، این‌که هیچ انسانی در حین آزمایش در معرض خطر قرار نمی‌گیرد و تقریبا هر سناریویی را می‌توان شبیه‌سازی کرد. می‌خواهید بدانید اگر یک فیل سرگردان وسط جاده‌ای بین ایالتی سبز شود، ماشین چگونه واکنش نشان خواهد داد؟ می‌توانید آن را به‌راحتی شبیه‌سازی کنید. کنجکاوید بدانید اگر دو خودرو روبروی شما تصادف کنند، چه رخ خواهد داد؟ شبیه‌سازی به شما نشان می‌دهد.

این مرحله‌ی تحقیق و توسعه برای آوردن خودروهای خودران به جاده‌ها، بسیار ضروری و مهم است. اگر رانندگی را مشتاقانه دوست داشته باشید، روزی که این تکنولوژی به جاده‌ها بیاید غمگین خواهید شد؛ اما حداقل حالا می‌دانید چه اتفاقی زیر کاپوت خودروهای خودران می‌افتد.