روش تسلا برای ساخت خودرو خودران با قابلیت فکر کردن مشابه با انسان - شرکت لیزینگ ایران خودرو

سوالی که در ذهن اکثر مردم وجود دارد این است که چگونه یک خودرو خودران می تواند به صورت خودمختار حرکت کرده و نیاز به دخالت انسانی نداشته باشد. برای به وقوع پیوستن این مسئله نیاز به یک خودرو انقلابی داریم که توانایی شناخت در حد و اندازه یک انسان را داشته باشد.

ساختمان سیستم عصبی انسان از نورون تشکیل شده است و میلیون ها نورون در شبکه عصبیِ سیستم عصبی مرکزی بدن قرار گرفته اند.

برای تحقق بخشیدن به رویای خودروهای خودران کاملا خودمختار، دانشمندان کامپیوتر و هوش مصنوعی نیاز به ساخت شبکه عصبی مصنوعی (ANN) دارند که می تواند همانند شبکه عصبی بیولوژیکی انسان کار کند.

با فرض این که دانشمندان توانایی ساخت چنین شبکه عصبی را داشته باشند، مسئله دیگر که یک خودرو را به طور کامل مستقل می کند توانایی دیدن است. این جا همان جایی است که نظرات در صنعت و علم به چند دسته تقسیم می شود.

تا همین اواخر علاوه به بر موارد بالا، سیستم های پیشرفته کمک راننده و کروز کنترل ها به دوربین، رادار و سنسورهای التراسونیک مجهز بوده اند. Lidar ها (تشخیص فاصله به کمک نور) نیز یک ضرورت اساسی در خودروهای کاملا خودارن به شمار می رفتند. Lidar مانند یک رادار با کیفیت بسیار بالا است که از نور لیزر به جای امواج رادیویی برای اسکن صحنه و ایجاد یک تصویر دقیق با کیفیت HD استفاده می کند.

یکی از موانع اساسی استفاده از Lidar هزینه بسیار بالای این سنسورها است. تا همین دو سال پیش برای داشتن چنین سنسورهایی باید ۶۰ هزار پوند هزینه می کردید.

مدل های کم هزینه تر Lidar نیز قیمت را تا ۴۰ هزار پوند کاهش می دهند که باز هم رقم بسیار بالایی برای یک قطعه است. با این وجود همه اعتقاد سفت و سختی به Lidar ندارد. تسلا و دانشمندان دانشگاه کرنل در یک تحقیقات کاملا متسقل به این نتیجه رسیده اند که وجود این قطعه چندان هم ضروری نیست.

محققان کرنل می گویند پردازش های صورت گرفته بر روی تصاویر توسط کامپیوترهای هوش مصنوعی (AL) می تواند باعث تحریف تصاویر دوربین های جلویی شود. اما با تغییر دید نرم افزار و بالا بردن ارتفاع آن همانند دید پرندگان (bird eye view) دانشمندان توانسته اند به تصاویری مشابه با تصاویر بدست آمده از دوربین های Lidar دست پیدا کنند. در واقع دانشمندان با استفاده از دوربین های استریو با قیمت بسیار پایین به موقعیت یابی دقیقی مشابه با Lidar دست یافته اند. این دوربین ها در دو طرف شیشه جلو قرار دارند.

Luminar and Volvo use LiDAR to figure out pedestrian-activity (1)

شرکت تسلا در این زمنیه عنوان می کند که همانطور که چشم انسان برای تشخیص اشیا از چشم لیزری بهره نمی برد، در پروژه هایی که بر اساس شبکه های عصیبی انسان پیاده سازی می شود مثل خودروهای خودران نیز احتیاجی به پروژکتورهای لیزری نیست. این مسأله به خوبی راز نهفته برای درک بهتر نحوه تشخیص اشیا توسط شبکه های عصبی و چگونگی آموزش به این سیستم را توضیح می دهد.

در حالی که انسان می تواند در یک تصویر واحد اشیا را در لحظه تشخیص دهد، آنچه که کامپیوتر می بیند ماتریسی از اعداد برای شناسایی محل و روشنایی هر یک از پیکسل ها درون یک تصویر است.

به همین دلیل یک شبکه عصبی برای یادگیری و تشخیص اشیا نیاز به هزاران تصویر دارد تا با برچسب گذاری بر روی هر کدام بتواند در تمامی شرایط آن ها را شناسایی کند.

خودران

تسلا می گوید تا به حال هیچ چیپی به طور خاص برای شبکه های عصبی و رانندگی خودران تولید نشده است. بنابراین این شرکت سه سال گذشته را صرف طراحی یک چیپست اختصاصی کرده است. کامپیوتر جدید قابلیت یکپارچه سازی با سیستم عامل به کار رفته در مدل های جدید تولید شده تسلا از ماه مارس ۲۰۱۹ را دارد. ناوگان شرکت تسلا در حال حاضر صدها هزار تصویر مورد نیاز برای آموزش "مغز" شبکه عصبی در "حالت سایه" را ثبت کرده اند. در حالت سایه عملگرهای مربوط به سیستم خودران خاموش هستند.

ایلان ماسک انتظار دارد تا مجموعه کامل نرم افزاری رانندگی خودران تسلا در سال جاری میلادی بر روی محصولات این شرکت نصب شود و در حال کار بر روی ناوگان روبوتاکسی ها و فعال سازی آزمایشی آن تا سال ۲۰۲۰ است.

مهندسین تسلا می گویند یک خودرو برای رانندگی کاملا خودران نیاز به یک شبکه عصبی کامپیوتری با قابلیت محاسبه حداقل ۵۰ تریلیون در ثانیه (TOPS 50) را دارد. برای مقایسه، مغز انسان می تواند ۱۰ TOPS در ثانیه انجام دهد. کامپیوتر جدید تسلا تنها ۱۰۰ وات انرژی مصرف می کند.

بوش و انویدیا نیز در حال ایجاد یک "شبه مغز" مشابه برای خودروهای خودران تا سال ۲۰۲۰ هستند. شرکت بوش این شبه مغر را "سیستم کاملا خودارن کامپیوتری بوش" نام گذاری کرده است.

پیش از این در مطلبی به معرفی کامل چیپ جدید تسلا پرداختیم که می توانید در اینجا مطالعه کنید.

  • تاریخ انتشار : 02 September 2019
  •   اشتراک گذاری در شبکه های اجتماعی :