İçeriğe geçmek için "Enter"a basın

2040’da satılan 2 araçtan 1’i otonom araba olacak

Sürücüsüz araba yani otonom araç, çevrelerini sensörler aracılığıyla algılayabilen ve insan müdahalesi olmadan yol alabilen araçlar. 2040 yılında satılan araçların yüzde 50’sinin otonom araba olması bekleniyor.

TÜBİTAK Bilişim Teknolojileri Enstitüsü (BİLGEM/BTE) Uzman Araştırmacı Halis Yılboğa ve Araştırmacılar Şükrü Okul ile Ahmet Karabaş, “Otonom Araçlarda Yapay Zekâ Yapay Zekâ Uygulamaları” başlıklı bir rapor hazırladı. Raporda, yapay zeka uygulamalarının sürücüsüz araçlarda (otonom araba) nasıl uygulanacağını detaylı bir şekilde ele alındı.

Otonom Araç Nedir?

Çevresini algılayabilen ve çok az insan girdisi veya hiç girdi olmadan hareket edebilen otomobil türü olan otonom araç genellikle sürücüsüz araba ve robot araba olarak anılır. Otonom araçlarda çevreyi algılamak ve çevresindekileri saptamak için şu teknikleri kullanılıyor;

  • Radar
  • Işık Algılama ve Menzil Saptam
  • GPS
  • Odometri
  • Ataletsel Ölçüm Birimi
  • Bilgisayarla görme
  • Şerit takibi
  • Kameralar
  • Diğer sensörler

Gelişmiş kontrol sistemleri, engellerin ve ilgili tabelaların yanı sıra, uygun gezinme yollarını tanımlamak için duyusal bilgiyi yorumlar; yorumlanan verileri mevcut durumda yapılacak en iyi işlemi yapmak için kullanarak hareketin devamını sağlar. Otonom araçlar, sivil ve askeri alanlar başta olmak üzere birçok farklı alanda kullanılabiliyor. Kullanım alanları taşımacılıktan taktiksel saldırıya, mühimmat taşımadan, tehlikeli görevler gerçekleştirmeye kadar birçok alanı kapsıyor.

Otonom araba, yazılımı çalıştırmak için sensörlere, aktüatörlere, karmaşık algoritmalara, makine öğrenimi sistemlerine ve güçlü işlemcilere ihtiyaç duyar.

Otonom araçların potansiyel faydaları şu şekilde sıralanabilir;

  • Hareket ve altyapı maliyetlerinin azalması
  • Hata ve suç oranının düşürülmesi
  • Güvenli mobilitenin ve yolcu memnuniyetinin artırılması
  • Askeri alanlarda can kayıplarının minimize edilmesi
  • Trafik kazalarında azalma, buna bağlı yaralanmaların ve sağlık giderlerinin azalması
  • Otonom araçların trafik akışını hızlandırması
  • Çocuklar, yaşlılar, engelliler ve yoksullar için gelişmiş mobilite sağlaması
  • Yolcuları sürüş ve yolculuk hatalarından kurtarması
  • Daha düşük yakıt tüketimi
  • İnsana bağımlı olmayan operasyonel işlemlerin yapılmasının can kayıplarının azaltılmasını sağlayacak

Otonom Araba Teknolojisinin Geleceği

İçinde bulunduğumuz yüzyılın ortalarının otonom araç pazarının olgunluk yılları olması bekleniyor. Önceki akıllı araç teknolojilerinin (otomatik şanzıman ve hibrit elektrikli araçlar gibi) devreye alınması ve benimsenmesiyle, 2040 yılı itibarıyla tahmin edilen araç satışlarının yaklaşık yüzde 50’sini otonom araç satışlarının sağlayacağı öngörülüyor.

Otonom araçlar daha güvenli bir ulaşım sistemi, daha düşük bir ulaştırma maliyeti gibi olumlu toplumsal etkileri sayesinde, düşük gelirli hane halklarının yanı sıra, ayak fonksiyonlarını yitirmiş engellilere de bir hareketlilik olanağı sağlayacak. Oluşturulacak doğrudan toplumsal değerin 2025 yılına kadar yılda 0,2 ila 1,9 trilyon dolar arasında olacağı tahmin ediliyor. Bu olumlu etkiler, otonom araç teknolojisinin ortaya çıkışının ardındaki itici güç olmasının yanında, gelecekte uygulanabilir, ekonomik bir model haline gelmesini de sağlayacak.

Otonom araçlarla ilgili çalışmalar yapan şirketlere bakıldığında; Waymo’nun 10 milyon mile ulaştığı görülüyor. Tesla Otopilot’u ise 1 milyar mile ulaştı; ancak sürüş tam otonom değil yarı otonom.

Genel olarak, otonom araçlar, birçok robotik sistemde de kullanılan 

  • Algıla
  • Planla
  • Hareket et (sense-plan-act) olarak bilinen üç evreli bir tasarıma göre çalışır.

Otonom Araçlarda Kaç Düzey Bulunur?

Video kameralar trafik ışıklarını algılar, yol işaretlerini okur, diğer araçları takip eder ve yayaları arar. Lidar algılayıcıları mesafeleri ölçmek, yol kenarlarını saptamak ve şerit işaretlerini tanımlamak için otomobilin çevresindeki ışık atımlarını yansıtır. Tekerleklerdeki ultrasonik algılayıcılar park ederken bordürleri ve diğer araçları algılar.

Daha sonra yazılım tüm bu duyusal girdiyi işler, bir yol çizer ve aracın aktüatörlerine hızlanmayı, direksiyon kontrolünü ve frenlemeyi kontrol eden talimatlar gönderir. Sabit kodlanmış kurallar, engellerden kaçınma algoritmaları, tahmini modelleme ve nesne tanıma, yazılımın trafik kurallarına uymasına ve engelleri aşmasına yardımcı olur.

Otonom araçlar için aşılması gereken en önemli engel karmaşık ve dinamik sürüş ortamının anlamlandırılmasıdır. Bu amaçla otonom araçlar çevreden gelen ham verileri ve bilgileri alan çeşitli sensör, kamera, radar vb. donanımlar ile donatıldı. Bu veriler daha sonra hızlandırma, şerit değiştirme ve sollama gibi uygun eylem yollarını öneren yazılım için girdi olarak hizmet etmekte. Böyle zorlu bir iş ile başa çıkmak için algılama teknolojileri bir arada kullanılıyor. Tipik olarak, bu görev radar, lidar ve mono veya stereo kamera sistemlerinin bir kombinasyonu ile çözülür.

Otonom araçlarda 6 düzey bulunuyor;

  • Otonom olmayan
  • Sürücü desteği
  • Kısmi otonom
  • Şartlı otonom
  • Yüksek otonom
  • Tam otonom.
Otonom araçlar, farklı bölümlerinde bulunan çeşitli sensörlerle çevrenin bir haritasını oluşturur. Radar sensörleri yakındaki araçların konumunu izler.

Ayrıca, bu araçlar yapay zekâ sistemine göre de “insan merkezli otonom” ve “tam otonom” olarak ikiye ayrılıyor. İnsan merkezli otonomda yapay zekâ tamamen sorumlu değildir; teleoperasyon (makinenin uzaktan elektronik olarak kontrolü) desteği vardır. Tam otonomda ise, aksine, yapay zekâ tamamen sorumludur ve teleoperasyon desteği yoktur.

Problemlerin Tanımlanması ve Çözüm Yöntemleri
  • Derin Öğrenme Tabanlı Görsel Odometri: Kameralardan okunan görüntülerdeki nesnelerin bir sonraki karedeki (frame) yerleri dikkate alınarak otonom aracın konumunun tespit edilmesini kapsar. Böylece aracın üç boyutlu uzayda konumlandırılması sağlanmış olur. Sensörlerden gelen veriler oluşturulacak ağ yardımı ile hassas yapılandırılarak, aracın üç boyutlu uzayda konumu ve yönü tespit ediliyor.
  • Nesne Tanıma: Görüntü sınıflandırma probleminde, önceden tanımlanmış etiketler arasında bir görüntünün etiketi tahmin edilir. Bu algoritmalar görüntüde tek bir ilgi nesnesi olduğunu ve görüntünün önemli bir bölümünü kapsadığını varsayılıyor.
  • Nesne Tanıma probleminde ise yalnızca nesnenin sınıfı bulunmakla kalınmaz, aynı zamanda resimdeki bir nesnenin kapsamını da yerelleştirmeye yoğunlaşılır. Nesne, resimdeki herhangi bir yerde ve herhangi bir boyutta (ölçekte) olabilir. Burada kullanılan derin öğrenme yöntemleri ile çevredeki nesneleri/insanları algılama, sınıflandırma ve tanıma işlevlerini yerine getirecek ağlar geliştirilerek, sistemin kararları, tanınan nesnelere göre verilmektedir.
  • Yol Durum Tespiti Araç yolculuğu boyunca elde edilen ses verisinden yolun durumu saptanabiliyor. Araçtaki ses kayıt sensörleri çevreden gelen sesleri alarak (korna gibi) yapılacak işleme karar vermekle birlikte, zeminden gelen ses ile de yolun durumu hakkında bilgilendirme yapabiliyor.
  • Araç Sürüş Alanı Ayrımı Araçtaki kamera ve diğer sensörler kullanılarak çevredeki nesneler fark edilmektedir. Böylece kullanılacak yol, yoldaki çizgiler ve diğer araçlar saptanarak sistemin akıllı bir şekilde hareket etmesi sağlanmış olur.
  • Araçlarda Derin Öğrenme Tabanlı Sürücü Gözlem Modülü Otonom olmayan veya yarı otonom araçlar için geliştirilen bu modül sürücünün uyanıklık, yorgunluk gibi durumlarını kontrol ederek sürücünün hatalarını minimize etmeye odaklanmaktadır. Derin ağlar ile algılanan vücudun duruşu, kafanın duruşu, göz kırpma sıklığı, gözün pozu, bakıştaki değişiklikler gibi durumlar yine derin ağlar ile bir karar mekanizmasına dönüştürülür. Böylece sürücünün toplam durumu hakkında araca bilgi verilir, gerekirse sisteme müdahale edilir.

İlk yorum yapan siz olun

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir