டெஸ்லாவின் தன்னியக்க ஓட்டுநர் தொழில்நுட்பம் உருவாகிறது மற்றும் குறுகிய சாலைகளில் வாகனங்கள் தலைகீழாகத் தொடங்குகின்றன

மிகவும் சிக்கலான நகர்ப்புற மற்றும் கிராமப்புற சூழ்நிலைகளைக் கையாளும் போது வட அமெரிக்க வாகன உற்பத்தியாளரின் உதவி ஓட்டுநர் தொழில்நுட்பம் தொழில்நுட்ப நுட்பத்தின் புதிய நிலையை எட்டியுள்ளது. உரிமையாளர்கள் மற்றும் மென்பொருள் பகுப்பாய்வுகளின் சமீபத்திய அறிக்கைகள், கணினியின் தற்போதைய பதிப்பைக் கொண்ட வாகனங்கள் இப்போது ஒற்றை-வழிச் சாலைகளில் வரவிருக்கும் போக்குவரத்தை அடையாளம் கண்டு, தலைகீழ் சூழ்ச்சிகளை தன்னாட்சி முறையில் செய்ய முடியும் என்பதைக் காட்டுகின்றன. இந்த திறன், நேரடி மனித தலையீடு அல்லது தன்னியக்க பைலட்டை செயலிழக்கச் செய்யாமல், இடத்தை விட்டுக் கொடுப்பதையும், போக்குவரத்தின் தொடர்ச்சியான ஓட்டத்தை உறுதி செய்வதையும் சாத்தியமாக்குகிறது.

வாகன செயற்கை நுண்ணறிவில் முன்னேற்றம்

செயல்படுத்தப்பட்ட மேம்பாடுகள் நிகழ்நேரத்தில் பாதைகளைக் கணக்கிட மேம்பட்ட நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துகின்றன, முந்தைய பதிப்புகளின் வரம்புகளைக் கடந்து, இறுக்கமான சாலைகளில் அடைப்புகள் அல்லது போக்குவரத்து நெரிசல்களின் சூழ்நிலைகளில் இயக்கி கைமுறையாகக் கட்டுப்படுத்த வேண்டும். கேமராக்கள் மற்றும் சென்சார்கள் இணைந்து சுற்றுச்சூழலை முப்பரிமாணத்தில் வரைபடமாக்குகின்றன, இதன் மூலம் கார் அதன் அசல் பாதையை மீண்டும் தொடங்குவதற்கு முன்பு மற்ற ஓட்டுநர்கள் கடந்து செல்லும் வரை பாதுகாப்பாகக் காத்திருக்க, அகதிகள், கேரேஜ் நுழைவாயில்கள் அல்லது தோளில் பரந்த பகுதிகளைக் கண்டறிய அனுமதிக்கிறது.

தன்னியக்க பைலட்டை உருவாக்குவதற்குப் பொறுப்பான பொறியாளர்கள், சாலையில் உள்ள மற்ற முகவர்களின் நடத்தையை கணிக்கும் அமைப்பின் திறனில் கவனம் செலுத்தினர். மென்பொருள் உடனடி தடைக்கு எதிர்வினையாற்றுவது மட்டுமல்லாமல், எதிரெதிர் வாகனத்தின் வேகத்தையும் நோக்கத்தையும் கணக்கிடுகிறது, அதன் சொந்த நிலையை பக்கவாட்டாக சரிசெய்கிறது அல்லது தேவையான தூரத்தை நகர்த்துகிறது. இந்த பரிணாமம் முழு சுயாட்சிக்கான ஒரு முக்கியமான படியை பிரதிபலிக்கிறது, பழைய அல்லது தரமற்ற உள்கட்டமைப்பில் ரோபோ ஓட்டுதலின் மிகவும் தொடர்ச்சியான பிரச்சனைகளில் ஒன்றை தீர்க்கிறது.

பாதுகாப்பு மற்றும் நம்பகத்தன்மை புள்ளிவிவரங்கள்

பிரத்தியேகமாக கைமுறையாக வாகனம் ஓட்டுவதை ஒப்பிடும்போது, ​​முழு கண்காணிப்பு மென்பொருளை இயக்கும் போது, ​​சம்பவ விகிதத்தில் கடுமையான குறைப்பை நிறுவனம் வெளியிட்டுள்ள தரவு சுட்டிக்காட்டுகிறது. தேசிய சராசரி விபத்துக்கள் ஒரு குறிப்பிட்ட புள்ளிவிவர அதிர்வெண்ணுடன் நிகழும்போது, ​​ஒவ்வொரு ஐந்து மில்லியன் மைல்களுக்கு ஒரு நிகழ்வை மட்டுமே தன்னியக்க பைலட் பதிவு செய்கிறது என்று எண்கள் தெரிவிக்கின்றன. வெவ்வேறு ஓட்டுநர் மற்றும் லைட்டிங் நிலைகளில் மனித ஓட்டுநர்களுக்கு சராசரியை விட சிறந்த நம்பகத்தன்மையை இது நிரூபிக்கிறது.

உலகளாவிய கடற்படையில் இருந்து பெருமளவிலான தரவு சேகரிப்பு செயற்கை நுண்ணறிவு வழிமுறைகளின் தொடர்ச்சியான பயிற்சிக்கு உணவளிக்கிறது. ஒரு மனித இயக்கி செய்யும் ஒவ்வொரு தலையீடும் கணினிக்கான கற்றல் பொருளாக செயல்படுகிறது, இது எதிர்கால புதுப்பிப்புகளுக்கு அதன் முடிவுகளை செம்மைப்படுத்துகிறது. பீட்டா பயனர்களால் தினமும் மில்லியன் கணக்கான கிலோமீட்டர்கள் இயக்கப்படுவதால், மென்பொருள் மேம்பாட்டின் வேகம் துரிதப்படுத்தப்பட்டுள்ளது, இது குறுகிய தெருக்களில் பத்தியில் பேச்சுவார்த்தை போன்ற சிக்கலான அம்சங்களை அறிமுகப்படுத்த அனுமதிக்கிறது.

போட்டி வேறுபாடுகள் மற்றும் வன்பொருள்

தடைசெய்யப்பட்ட புவியியல் பகுதிகளில் செயல்படும் மற்றும் மில்லிமீட்டருக்கு வரையப்பட்ட மற்ற ரோபோட்டிக் டாக்ஸி முன்முயற்சிகளைப் போலல்லாமல், தற்போதைய அணுகுமுறை கிரகத்தில் எங்கும் வேலை செய்ய முயல்கிறது. இந்த அமைப்பு பிரத்தியேகமாக முன் ஏற்றப்பட்ட உயர்-வரையறை வரைபடங்களை அடிப்படையாகக் கொண்டிருக்கவில்லை, மாறாக உண்மையான நேரத்தில் சுற்றுச்சூழலின் காட்சி விளக்கத்தை அடிப்படையாகக் கொண்டது. இது குறிக்கப்படாத கிராமப்புறப் பாதைகள், அறிமுகமில்லாத நகர்ப்புறப் பகுதிகள் அல்லது சாலைப் பலகைகள் மோசமாக இருக்கும் அல்லது இல்லாத இடங்களில் இதைப் பயன்படுத்த அனுமதிக்கிறது.

புதிய உற்பத்தித் தலைமுறைகளில் வேகமான செயலிகள் மற்றும் உயர் தெளிவுத்திறன் கொண்ட கேமராக்கள் உள்ளிட்ட வாகன வன்பொருளுக்கான நிலையான புதுப்பிப்புகளால் இந்த திறன்களை செயல்படுத்துவது ஆதரிக்கப்படுகிறது. செயற்கை நுண்ணறிவு மென்பொருள் மற்றும் காரின் இயற்பியல் கூறுகளுக்கு இடையேயான செங்குத்து ஒருங்கிணைப்பு மில்லி விநாடிகளில் எதிர்வினைகளை அனுமதிக்கிறது, இது பக்க மோதல்கள் அல்லது தேவையற்ற லேன் புறப்பாடுகளைத் தவிர்க்க துல்லியம் அவசியமான வரையறுக்கப்பட்ட இடங்களில் நுட்பமான சூழ்ச்சிகளுக்கு அவசியம்.