جعلت شركات التكنولوجيا العملاقة مثل Tesla و Google من السيارات ذاتية القيادة محل الحديث كثيرًا بين عشاق التكنولوجيا. تعمل العديد من الشركات في جميع أنحاء العالم على تطوير مركبات القيادة الذاتية لمختلف التضاريس.
لجعل تكنولوجيا القيادة الذاتية المتصلة في المتناول ، وبأسعار معقولة ، ومتاحة للجميع ، انضمت Swaayatt Robots ومقرها بوبال إلى العربة. ومع ذلك ، مع المعرفة الهائلة لجميع التقنيات المستخدمة في Autonomous Robotics ، ترك الرئيس التنفيذي للشركة ، السيد Sanjeev Sharma العديد من شركات التكنولوجيا وراءه في السباق. منذ عام 2009 ، أجرى أبحاثًا كثيرة وخضع لحسابات رياضية متعلقة بالتوصل إلى حلول ذكية للسيارات ذاتية القيادة.
لقد أتيحت لنا الفرصة للتحدث إلى السيد سانجيف ومعرفة كل جزء من التكنولوجيا وراء المركبات ذاتية القيادة والروبوتات التي تعمل عليها Swaayatt Robots وخططها المستقبلية. قفزة لقراءة المحادثة الكاملة التي أجريناها معه. بدلاً من ذلك ، يمكنك أيضًا مشاهدة الفيديو أدناه لسماع المحادثة بين محررنا و Sanjeev نفسه
س: جعل تقنية القيادة الذاتية متاحة للجميع وبأسعار معقولة هي المهمة الرئيسية لروبوتات Swaayatt. كيف بدأت الرحلة؟
لقد كنت أبحث في مجال الملاحة المستقلة منذ 11 عامًا حتى الآن. في عام 2009 ، استلهمت من تحديات DARPA الكبرىالذي حدث في الولايات المتحدة. أصبحت القيادة الذاتية هدفي خلال تلك السنوات. على مدى سنوات عديدة ، واصلت البحث وقمت بالدراسات الذاتية على وجه التحديد حول تخطيط الحركة واتخاذ القرار في ظل عدم اليقين. كان التركيز على الاستخدام الأمثل للتعلم الآلي ، والتعلم المعزز ، والتقنيات المختلفة. لقد بدأت في Swaayatt Robots في عام 2014 ، لكن لم يكن الأمر مجرد تطبيق البحث والدراسات التي قمت بها على مدار السنوات القليلة الماضية. بتطبيق بعض الأفكار في الحركة واتخاذ القرار ، كان علي حل مشكلة التخطيط الإدراكي والتوطين أيضًا. كانت لدي خبرة بحثية فقط في مجال صنع القرار وتخطيط الحركة. لكن مجالات الإدراك والتوطين كانت جديدة إلى حد ما بالنسبة لي. ساعدتني خلفيتي الرياضية الهائلة كثيرًا.
بمجرد أن بدأت في تطوير الأطر الخوارزمية لتمكين القيادة الذاتية في عام 2015 ، أدركت أن هذا يمكن أن يكون شيئًا ضخمًا للغاية ، ويمكننا حقًا حل مشكلة القيادة الذاتية في سيناريوهات حركة المرور المتعارضة العشوائية للغاية. ومنذ عام 2014 ، أعمل بدوام كامل على هذه الشركة الناشئة. يغطي بحثي على وجه الخصوص العديد من الفروع ، ولكن على وجه الخصوص ، فإن معظم تركيز شركتنا هو تطوير خوارزميات صنع القرار وتخطيط الحركة التي تسمح للمركبات المستقلة بالتعامل مع مستويات عالية جدًا من العشوائية في ديناميات حركة المرور. هذا يصل إلى ما يقرب من 65٪ إلى 70٪ من الأبحاث التي تجري في Swaayatt Robots. يذهب حوالي 25 ٪ - 27 ٪ من البحث إلى مجال الإدراك ، والذي يشمل جميع أنواع الخوارزميات التي تعالج بيانات المستشعر من نظام آلي للمركبات ،وبناء تمثيل ثلاثي الأبعاد للعالم من حوله.
في التصور ، نحن واحدة من الشركات القليلة جدًا في العالم التي يمكنها السماح للمركبات ذاتية القيادة بإدراك البيئة باستخدام الكاميرات الجاهزة فقط التي تعمل أثناء النهار والليل أيضًا. هكذا كانت الرحلة تقريبًا حتى الآن.
س: لقد بدأت في عام 2014 للتحقق من صحة أفكارك ، ثم بدأت المسار بالكامل بحلول عام 2015. فماذا يجب أن نفعل في هذا العام؟ كيف اختبرت أن القيادة الذاتية يمكن أن تتم في الهند؟
القيادة المستقلة هي مزيج من ثلاثة خطوط أنابيب خوارزمية مجمعة معًا. الإدراك والتخطيط والتوطين. تأخذ الخوارزميات البيانات الحسية وتعالجها وتبني تمثيلًا ثلاثي الأبعاد حول السيارة. نسميها خوارزميات الإدراك. تحاول خوارزميات التوطين تحديد موقع السيارة على الطريق بدقة على مستوى العالم. هذه هي الطريقة التي تستخدم بها الروبوتات للعمل في الأوساط الأكاديمية. في عام 2009 ، ابتكرت شركة Google هذا النموذج من القيادة الذاتية. قبل أن تنتقل مركبة ذاتية القيادة على طريق معين ، يجب رسم خريطة الطريق بالكامل بتفاصيل عالية جدًا بتقنية ثلاثية الأبعاد. نسمي هذه الخرائط خرائط عالية الدقة. تخزن هذه الخرائط عالية الدقة بعض المعلومات الأساسية للغاية حول البيئة. عادة ما يقومون بتخزين جميع الأنواع المختلفة من المحددات في البيئة.
قبل أن تتحرك المركبة المستقلة في بيئة ما ، يتم تعيين البيئة بأكملها بطريقة دقيقة للغاية. يتم تخزين جميع علامات الممرات وحدود الطرق وأي نوع من المحددات في البيئة فعليًا في هذه الأنواع من الخرائط عالية الدقة.
عندما تتنقل السيارة عبر بيئة لديك بالفعل خرائط عالية الدقة ، فإنك تلتقط البيانات مرة أخرى من أجهزة استشعار مختلفة على السيارة وتحاول مطابقة البيانات بخريطة مرجعية قمت بإنشائها. تمنحك عملية المطابقة هذه متجهًا للوقوف يخبرك بمكان وجود السيارة على كوكب الأرض وما هو تكوين السيارة. بمجرد معرفة موقع السيارة على الطريق وتكوينها ، يتم عرض المعلومات الكاملة التي قمت بتخزينها في الخرائط عالية الدقة أعلى التكوين الحالي للسيارة. عند عرض هذه المعلومات مثل علامات الطريق وعلامات الحارات وأي نوع من محددات الطريق أو محدد البيئة ؛ تعرف السيارة المستقلة مكانها الآن فيما يتعلق بمحدد معين أو من علامة حارة معينة. وبالتالي،هذا ما تفعله خوارزميات التوطين.
المجال الأخير للقيادة الذاتية هو التخطيط واتخاذ القرار. كلما كانت خوارزميات التخطيط واتخاذ القرار لديك أكثر تعقيدًا وأفضل خوارزميات ، ستصبح سيارتك المستقلة أكثر قدرة. على سبيل المثال ، ستميز خوارزميات التخطيط واتخاذ القرار الشركات عن كونها في المستوى الثاني والمستوى الثالث والمستوى الرابع والمستوى الخامس. أي خوارزمية مسؤولة عن اتخاذ القرار أو التخطيط لحركة وسلوك السيارة هي خوارزمية تخطيط.
كلما كان لديك المزيد من التطور في خوارزميات التخطيط ، كانت سيارتك أفضل. يساعد العديد من مخططي الحركة وصناع القرار في تقييم سلامة السيارة والبيئة ، والسرعة التي تتنقل بها ، ومحيط السيارة ، وجميع المعلمات التي يمكنك حسابها من بيئتك. هذا ما تفعله خوارزميات التخطيط.
لقد كنت أبحث في مجال التخطيط. إذا كان لديك نوع الخوارزميات التي يمكنها التعامل مع العشوائية في ديناميكيات المرور في الهند. إذا كان بإمكانك التعامل مع ذلك وإذا كان لديك خوارزميات ، فأنت بذلك قد أثبتت أنه إذا كان بإمكانك فقط بناء الإدراك والتوطين ، فلديك تقنية قيادة مستقلة كاملة.
لا تحتاج إلى تطوير جميع الخوارزميات المختلفة للتحقق من الأفضل. كل ما تحتاجه هو بناء ثلاث أو أربع خوارزميات مختلفة تعلم أنها ستحل المشكلة الرئيسية في القيادة الذاتية. السلامة هي القضية الأساسية التي تجعلك لا ترى المركبات التجارية ذاتية القيادة على الطريق. التكلفة وجميع القضايا الأخرى ثانوية. كان بإمكاني بناء بدء التشغيل بالكامل على خوارزميات واحدة أو خوارزميتين فقط مثل تحديد موقع ورسم الخرائط للقيادة الذاتية. لكن هدفي كان تطوير مركبة ذاتية القيادة كاملة وليس خوارزميات واحدة أو اثنتين هنا وهناك. بعد أن أثبتت الجانب الرئيسي في مجال التخطيط واتخاذ القرار ، أعطاني الثقة لمعالجة مشكلة القيادة الذاتية بشكل عام.
ما هو مستوى القيادة الذاتية الذي تعمل عليه Swaayatt Robots؟ وما هو المستوى الذي تعتقد أنه ممكن في الهند؟
هدفنا هو تحقيق مستوى 5 من الاستقلالية والتأكد من أن التكنولوجيا آمنة في هذه الأنواع من البيئات. نحن في مكان ما بين المستوى الثالث والمستوى الرابع. بعض الأبحاث الخوارزمية التي نقوم بها هي في التخطيط الحركي واتخاذ القرار الذي يستهدف المستوى الخامس.
نحن نعمل أيضًا على تمكين المركبات ذاتية القيادة من عبور التقاطع في ساعات الذروة المرورية بدون إشارات المرور. نحن نهدف إلى تحقيق الاستقلال الذاتي من المستوى الخامس من خلال تمكين المركبات المستقلة من التعامل مع المساحات الضيقة مع حركة مرور عشوائية للغاية لقد قمنا بالقيادة الذاتية في بيئة ضيقة للغاية عندما كانت السيارة أو الدراجة قادمة من الطرف المقابل أيضًا. على مستوى POC ، حققنا ما بين ثلاثة وأربعة مستويات. لقد قمنا بالفعل بتحويل نقاط الوصول إلى الحكم الذاتي من المستوى الرابع من خلال إجراء تجارب في حركة مرور عشوائية للغاية مع مساحات ضيقة. هدفنا الحالي هو تحقيق 101 كيلومترًا في الساعة من القيادة الذاتية على الطرق الهندية.
بمجرد إثبات سلامة السيارة في هذه الأنواع من البيئات ، يمكنك أخذ التكنولوجيا الخاصة بك وتطبيقها في أي مكان آخر مثل أمريكا الشمالية وأوروبا حيث تكون حركة المرور أكثر تنظيمًا ، حيث تكون البيئات أيضًا أكثر صرامة مقارنة بالهنود البيئات. لذا ، تعد الهند حتى الآن ساحة اختبار بالنسبة لنا لإثبات أن لدينا شيئًا لم يفعله أي شخص آخر في الوقت الحالي.
س: ما مدى تقدم روبوتات Swaayatt في تطوير حل القيادة الذاتية؟ ما هو مستوى القيادة الذي تعمل عليه حاليًا؟
حاليًا ، لدينا أسرع خوارزمية لتخطيط الحركة في العالم يمكنها تخطيط المسارات ذات المعلمات الزمنية شبه المثالية لمركبة مستقلة في 500 ميكروثانية. لذا فإن الخوارزمية تعمل تقريبًا عند 2000 هرتز. لدينا التكنولوجيا لتمكين القيادة الذاتية لما يصل إلى 80 كيلومترًا في الساعة على الطرق السريعة الهندية. إن تحقيق هذا النوع من السرعة على الطرق السريعة الهندية يمثل تحديًا كبيرًا. عادةً ، إذا كان بإمكانك فعل ذلك ، فيمكنك أخذه إلى مكان آخر أيضًا. يمكنك تطبيقه في حركة المرور الأجنبية ، وأنت في الأساس قريب جدًا من المستوى الرابع. لإعطائك فكرة ، كنا نعمل على ما نسميه التفاوض والتحليل متعدد الوكلاء. يسمح هذا الإطار لسيارتنا ليس فقط بحساب احتمال نوايا المركبات أو الوكلاء الآخرين على الطريق.يمكنه حساب احتمالات مجموعات المسار بالكامل التي لا يمكن للعوامل أو المركبات أو العوائق الأخرى في البيئة القيام بها. ومع ذلك ، فإن هذه القدرة وحدها ليست كافية. على سبيل المثال ، يمكنك بناء نظام حسابي للغاية يمكنه التنبؤ بمسارات الحركة المستقبلية وربما حساب احتمالات جميع مجموعات المسارات للمركبات المختلفة. هذا هو المكان الذي يجب عليك التركيز فيه على المتطلبات الحسابية أيضًا. سوف ينمو الطلب الحسابي في هذه المشكلة الخاصة بتحليل النوايا متعدد الوكلاء والمفاوضات بشكل كبير إذا لم تكن قد أجريت أي بحث ، أو لم تستخدم الرياضيات بشكل صحيح ، أو إذا لم تقم بتصميمها بشكل صحيح. أقوم بالبحث في بعض المفاهيم من الرياضيات التطبيقية ، وتحديداً في مجال النظرية الطوبولوجية. أنا أستخدم بعض المفاهيم مثل خرائط التماثل ،التي تسمح لتقنيتنا بتوسيع نطاق الحسابات. على الأقل حتى الآن ، إنه خطي فائق من حيث عدد الوكلاء بدلاً من الانفجار الأسي الذي قد تواجهه إذا لم تكن قد عملت على الرياضيات وراء الخوارزميات بشكل صحيح.
ينقسم إطار عمل التفاوض لتحليل النوايا متعدد الوكلاء إلى فرعين مختلفين نعمل عليهما حاليًا. الأول هو TSN (Tight Space Negotiator Framework) والآخر هو نموذج التجاوز. يسمح TSN للمركبات المستقلة بالتفاوض على البيئات الضيقة وحركة المرور العشوائية ، سواء بسرعات منخفضة أو عالية. ستكون السرعة العالية مفيدة جدًا لسيناريوهات حركة المرور العشوائية المزدحمة على الطرق السريعة وستكون السرعة المنخفضة مفيدة جدًا عندما تتحرك السيارة في سيناريو حضري ، حيث غالبًا ما تواجه أضيق الشوارع مع الكثير من حركة المرور والضوضاء في حركة المرور مما يعني أن هناك الكثير من عدم اليقين في ديناميات حركة المرور.
لقد عملنا بالفعل على هذا خلال العامين ونصف العام الماضيين ، وقمنا بالفعل بتطويره في شكل POC. يمكن عرض بعض أجزاء وأجزاء هذه الأطر التي أتحدث عنها في العرض التوضيحي في تجربتنا التالية والتي ستستهدف تحقيق 101 كيلومترًا في الساعة تعمل على الطرق الهندية.
علاوة على ذلك ، لقد أجرينا أيضًا أبحاثًا في فروع مختلفة من الذكاء الاصطناعي. نحن نستخدم بشكل كبير التعلم المهني ، التعلم المعزز العكسي. لذلك ، نحن نعمل حاليًا على تمكين المركبات ذاتية القيادة من التجاوز على الطرق النموذجية ذات المسارين تمامًا كما يفعل السائقون الهنود. نحن نثبت في كل من المحاكاة وكذلك في العالم الحقيقي إلى أقصى حد ممكن بتمويل محدود. هذه بعض مجالات البحث التي أثبتناها بالفعل على أرض الواقع ، وسيتم إثبات بعضها في الأشهر القليلة المقبلة.
بصرف النظر عن ذلك ، نحن واحدة من الشركات الوحيدة في العالم التي يمكنها تمكين القيادة الذاتية في بيئات غير معروفة وغير مرئية تمامًا والتي لا توجد لها خرائط عالية الدقة على الإطلاق. يمكننا تمكين القيادة الذاتية دون استخدام خرائط عالية الدقة. نحن نعمل على القضاء تمامًا على الحاجة إلى خرائط عالية الدقة ويتم تمكين هذا الاستئصال من خلال اثنين من تقنياتنا الرئيسية. تم تصميم إطار TSN الخاص بنا لوضع معيار تنظيمي جديد.
س: بالحديث عن بنية الأجهزة ، ما نوع الأجهزة التي تستخدمها لغرضك الحسابي. أيضًا ، ما نوع المستشعرات والكاميرات التي تستخدمها لرسم خريطة للعالم الحقيقي لسيارتك ذاتية القيادة؟
اعتبارًا من الآن ، نستخدم الكاميرات الجاهزة. إذا رأيت عرضنا التوضيحي لمركبة مستقلة ، فستلاحظ أننا لم نستخدم أكثر من كاميرا 3000 Rs. إذا نظرت إلى بحث التصور الذي يحدث في جميع أنحاء العالم مع الشركات المستقلة أو شركات الروبوتات لهذه المسألة ، فإنهم يستخدمون جميع أجهزة الاستشعار الثلاثة المختلفة مثل الكاميرات والرادارات والرادارات. حاليًا ، أجريت جميع تجارب القيادة الذاتية باستخدام الكاميرات فقط. عندما بدأت الشركة ، كانت لدي خبرة في التخطيط فقط ، ولكن منذ عام 2016 ، أدركت أن الأوراق البحثية الحديثة مهما كانت المعامل في جميع أنحاء العالم تعمل عليها ؛ إنها فقط لا تعمل في العالم الحقيقي. إذا عملوا ، فهم مكثفون للغاية من الناحية الحسابية ، وهم لا يعملون. وبالتالي،أخذت الإدراك كمجال بحثي أساسي أيضًا وكرست حوالي 25٪ - 27٪ من وقتي في إجراء أبحاث الإدراك. الآن ، الهدف البحثي لشركتنا هو تمكين المركبات المستقلة من أن تكون قادرة على الإدراك باستخدام الكاميرات فقط دون الحاجة إلى LiDARs والرادارات. هذا طموح بحثي نريد تحقيقه. أثناء تحقيق ذلك ، تأكدنا أيضًا من أن لدينا أسرع خوارزمية في العالم لأية مهمة مشتركة.
لدينا هدفان في الإدراك. أولاً ، يجب أن تكون الخوارزمية قادرة على تمكين المركبات المستقلة من الإدراك باستخدام الكاميرات فقط أثناء النهار والليل. لقد قمنا بتوسيع قدرة الإدراك هذه ليس فقط في النهار ولكن في الليل أيضًا باستخدام لا شيء سوى المصباح الأمامي للسيارة وكاميرات RGB و NIR العادية الجاهزة ، وهي نوع الكاميرات التي يمكنك شراؤها مقابل 3000 Rs في سوق.
نحن نركز