Otonom Araçların Nesneleri Tanımlama Hızı İyileştiriliyor
Otonom araçların yolu paylaşmış olduğu öteki otomobilleri yada yayaları süratli bir halde algılaması mühim. Carnegie Mellon Üniversitesi’ndeki araştırmacılar, aracın görmediği nesneleri de fark etmesine destek olarak ‘idrak etme doğruluğunu’ mühim seviyede artırabileceklerini gösterdiler.
Görüş alanınızın içinde yer edinen nesneler, arkasındaki şeyleri ya da daha ileriyi görmenizi naturel olarak engeller fakat CMU Robotik Enstitüsü’nden doktora talebesi Peiyun Hu, bu durumun niçin otonom araçlar için geçerli olmadığını deklare etti.
Bir insanoğlunun aksine otonom araçların çevresinde nesneler bulunması, onun daha doğru çalışmasına imkân verir. Araçlar, LIDAR sensörlerinden gelen verileri kullanarak nesneleri birer ‘bulut’ olarak tanımlar, ondan sonra bu bulutları 3D veri kütüphanesindeki nesnelerle karşılaştırarak eşleştirmeye çalışır sadece Hu’nun dikkat çekmek istediği kısım; sensörlerden gelen 3 boyutlu verilerin hakikaten 3 boyutlu olmayabileceği. Doktora öğrencisinin açıklamasına nazaran aracın sensörü, bir nesnenin görüş alanı dışındaki cephelerini göremeyebilir ve mevcut algoritmalar bu tür durumlarda akıl yürütemiyor.
‘Idrak etme sistemleri kendi bilinmeyenlerini öğrenmeli’
Hu’nun çalışmasına nazaran otonom bir otomobilin idrak etme sistemi, ‘görünürlük’ merkezli çalışıyor. Aslen bu emek verme prensibi, firmalar tarafınca dijital haritalar oluşturmak için de kullanılmıştı. CMU Argo Suni Zekâ Merkezi’nden Profesör Ilaç Ramanan, “Harita oluşturma prensibi, temel olarak boş alan ve dolu alan üstüne kuruludur sadece trafiğin hızına bağlı olarak hareket eden engellerin anında işlenmesi devamlı mümkün olmaz” ifadelerini kullandı.
Hu ve meslektaşları, sistemin görünürlük ile ilgili emek verme prensibinde nesneleri tanımlama aşamasını iyileştirmeye destek olmak için harita yapımında kullanılan tekniklerden yararlandılar. Ekip, projesini 13-19 Haziran tarihleri içinde gerçekleşecek Computer Vision and Pattern Recognition (CVPR) adlı konferansta sunacak.
Geliştirilen yeni CMU yöntemi, standart bir değerlendirmeye karşı kontrol edildiğinde, önceki en iyi performans gösteren teknikten daha iyi performans ortaya koydu. Yöntem; idrak etme becerisini otomobiller için %10,7, yayalar için %5,3, kamyonlar için %7,4, otobüsler için %18,4 ve römorklar için %16,7 oranında iyileştirdi.
Önceki sistemlerin görünürlüğü dikkate almamış olmasının sebebi, hesaplama süresiyle ilgili duyulan kaygı olabilir sadece Hu ve ekibi, bunun artık bir mesele olmaktan çıktığını söylüyor zira şekillerinin emek harcaması yalnız 24 milisaniye sürüyor. LIDAR’ın her bir taramasıysa 100 milisaniye sürüyordu.
