Автономные транспортные средства

Автономные транспортные средства (АТС), часто называемые самоуправляемыми автомобилями, представляют собой интеллектуальные транспортные системы, способные ощущать свое окружение и работать без участия человека. Эти системы представляют собой вершину искусственного интеллекта в автомобильной инновации, сочетая в себе сложное оборудование с передовыми программными алгоритмами для интерпретации сложной обстановки. Основная цель технологии AV — повысить безопасность дорожного движения за счет минимизации аварий, вызванных человеческим фактором, а также оптимизировать эффективность дорожного движения и обеспечить мобильность для тех, кто не может водить автомобиль. В своей основе эти транспортные средства полагаются на искусственный интеллект (ИИ) для восприятия стимулов, обработки информации и принятия мгновенных решений во время вождения.

Технологии восприятия и сенсорики

Для безопасного перемещения автономного транспортного средства необходимо полное понимание окружающей обстановки. Это достигается за счет уровня восприятия, который агрегирует данные с набора датчиков.

• Компьютерное зрение (CV): Камеры служат в качестве основных визуальных датчиков, имитируя человеческое зрение. Алгоритмы обрабатывают видеопоток для распознавания разметкой полос движения, светофорами и дорожными знаками
• Технология LiDAR: система обнаружения и измерения расстояния с помощью света (LiDAR) использует лазерные импульсы для создания точных трехмерных карт окружающей среды с высоким разрешением , необходимых для восприятия глубины.
• Обнаружение объектов: Модели глубокого обучения идентифицируют и локализуют динамические препятствия. Высокоскоростные модели, такие как YOLO26, имеют решающее значение для обнаружения пешеходов и других транспортных средств с низкой задержкой.
• Сенсорная фьюжн: Ни один отдельный датчик не является идеальным во всех условиях (например, камеры в тумане). Алгоритмы фьюжн объединяют данные с камер, радаров и LiDAR для формирования надежной модели окружающей среды.
• Семантическая сегментация: эта техника классифицирует каждый пиксель в изображении, помогая транспортному средству различать проезжую часть дороги , тротуары и растительность

Уровни автономии

Возможности автономных систем классифицируются по уровням автоматизации вождения SAE J3016, которые определяют степень компьютерного управления по сравнению с вмешательством человека.

• Усовершенствованные системы помощи водителю (ADAS): охватывая уровни 1 и 2, эти системы помогают с управлением или ускорением (например, адаптивный круиз-контроль), но требуют от водителя постоянного внимания.
• Условная автоматизация: На уровне 3 автомобиль может выполнять большинство задач вождения в определенных условиях, например в пробках на шоссе, но человек должен быть готов взять управление на себя при получении предупреждения.
• Высокая и полная автоматизация: Уровни 4 и 5 представляют транспортные средства, которые могут работать без участия человека. Уровень 4 ограничен геозонами, тогда как уровень 5 нацелен на полную автономность на любой дороге, что часто требует мощного аппаратного обеспечения Edge AI

Применение ИИ в реальном мире

Технологии автономных транспортных средств в настоящее время внедряются в различных секторах и опираются на мощные вычисления в области машинного обучения (ML) для решения сложных задач реального мира.

1. Роботакси: такие компании, как Waymo, используют парки полностью автономных транспортных средств для перевозки пассажиров в городских условиях. Эти транспортные средства используют прогнозное моделирование для предсказания поведения пешеходов и других водителей в сложных городских условиях.
2. Автономные грузоперевозки: логистика дальних перевозок выигрывает от автоматизации на предсказуемых трассах. Такие инноваторы, как Aurora, разрабатывают самоуправляемые грузовики, которые используют дальнобойное восприятие для повышения топливной эффективности и безопасности.
3. Доставка «последней мили»: небольшие автономные роботы используют отслеживание объектов для перемещения по тротуарам и доставки посылок, снижая затраты и углеродный след логистики.

Различение смежных понятий

Важно различать автономные транспортные средства и связанные с ними термины в области робототехники и автомобилестроения.

• Vs. Робототехника: Хотя автономные транспортные средства (АТС) технически являются мобильными роботами, область робототехники шире и включает в себя стационарные промышленные манипуляторы и человекоподобных помощников. АТС специально специализируются на логике транспортировки.
• Vs. Подключенные транспортные средства (V2X): подключенные транспортные средства обмениваются данными друг с другом (V2V) и с инфраструктурой (V2I), например, информацией о скорости и местоположении. Транспортное средство может быть подключено, не будучи автономным, хотя подключение часто повышает безопасность автономных транспортных средств.
• Vs. Дистанционное управление: Дистанционное управление предполагает удаленное управление транспортным средством человеком. В отличие от этого, настоящие автономные транспортные средства полагаются на бортовые нейронные сети для принятия решений на местном уровне.

Реализация восприятия с помощью YOLO26

Важным компонентом любой автономной системы является способность track во времени. В следующем примере показано, как использовать Платформа Ultralytics совместимый ultralytics библиотека для отслеживания объектов на видео, имитирующая систему восприятия транспортного средства.

from ultralytics import YOLO

# Load the YOLO26 model, optimized for speed and accuracy
model = YOLO("yolo26n.pt")

# Track vehicles and pedestrians in a video stream
# This simulates the continuous perception required by an AV
results = model.track(
    source="https://www.ultralytics.com/blog/ultralytics-yolov8-for-speed-estimation-in-computer-vision-projects",
    show=True,
)

# Process results (e.g., counting objects or estimating speed)
for r in results:
    print(r.boxes.xywh)  # Print bounding box coordinates