স্ব-ড্রাইভিং গাড়িগুলি সিদ্ধান্ত নেওয়ার জন্য এলোমেলোভাবে অবলম্বন করে?


12

আমি সম্প্রতি কেউ শুনেছি যে আপনি যখন একটি স্ব-ড্রাইভিং কার ডিজাইন করছেন তখন আপনি গাড়ি বানাচ্ছেন না তবে সত্যই কম্পিউটারাইজড ড্রাইভার, সুতরাং আপনি একটি মানুষের মনকে মডেল করার চেষ্টা করছেন - কমপক্ষে অংশের অংশ মানব মন যে চালাতে পারে।

যেহেতু মানুষ অবিশ্বাস্য, বা যেহেতু তাদের ক্রিয়াগুলি এতগুলি কারণের উপর নির্ভর করে যেগুলির মধ্যে বেশ কয়েকটি দীর্ঘকাল অব্যক্ত থাকে, তাই কোনও স্ব-চালিকা গাড়ি কীভাবে তা প্রতিফলিত করবে যদি তারা তা করে?

অনির্দেশ্যতার একটি ডোজ এর ব্যবহার থাকতে পারে। যদি, বলুন, দুটি স্ব-ড্রাইভিং গাড়ি ড্যাডলকের ডানদিকে আটকে রয়েছে, গাড়িগুলি একই সিস্টেম চালনা করে একই সময়ে একই পদক্ষেপ প্রয়োগ করার পরিবর্তে কিছুটা এলোমেলোভাবে ইনজেকশন দেওয়া ভাল।

তবে, অন্যদিকে, আমরা জানি যে অ-নিরপেক্ষ বিশেষজ্ঞ সফ্টওয়্যার বিকাশের বন্ধু নয়, বিশেষত পরীক্ষার ক্ষেত্রে। ইঞ্জিনিয়াররা কীভাবে এটি নিয়ন্ত্রণ করতে সক্ষম হবে এবং এ সম্পর্কে যুক্তিযুক্ত?

উত্তর:


2

ড্রাইভিং অগ্রাধিকার

নির্ভরযোগ্য এবং নিরাপদ স্বায়ত্তশাসিত যানগুলি তৈরি করতে প্রয়োজনীয় ধরণের মডেলিংয়ের বিষয়টি বিবেচনা করার সময়, নিম্নলিখিত ড্রাইভিং সুরক্ষা এবং কার্যকারিতা মানদণ্ডটি বিবেচনা করা উচিত, সর্বাধিক গুরুত্বপূর্ণটির সাথে অগ্রাধিকার হিসাবে তালিকাভুক্ত।

  • গাড়ির ভিতরে এবং গাড়ির বাইরের লোকদের নিরাপত্তা
  • যাত্রীদের পরিধান হ্রাস
  • সম্পত্তি সুরক্ষা
  • প্রদত্ত গন্তব্যে আগমন
  • যানবাহন পরিধান হ্রাস
  • জ্বালানী সংস্থার বিকাশ
  • অন্য যানবাহনে ফর্সা
  • সময় সাফল্য

এগুলিকে এমনভাবে অর্ডার করা হয়েছে যা নাগরিক এবং বিশ্বব্যাপী ধারণা তৈরি করে তবে এগুলি মানব চালক দ্বারা প্রদর্শিত অগ্রাধিকার নয়।

মানবদের অনুলিপি করুন বা স্ক্র্যাচ থেকে পুনর্মূল্যায়ন এবং ডিজাইন?

যে কেউ বলেছে যে স্বায়ত্তশাসিত গাড়ি নকশার লক্ষ্য হ'ল এমন কোনও মানুষের মনের অংশগুলি মডেল করা যা চালনা করতে পারে তা প্রকৃত উত্পাদন জন্য স্বশাসিত গাড়ি ডিজাইন করা উচিত নয়। এটি সুপরিচিত যে বেশিরভাগ মানুষ, যদিও তারা নিম্নলিখিত সুরক্ষা টিপসের কথা শুনে থাকতে পারে, সত্যিকারের ড্রাইভিংয়ের ব্যবস্থায় তাদের কাছ থেকে উপকৃত হওয়ার জন্য যথেষ্ট গতিতে তাদের চেতনাতে আনতে পারে না।

  • টায়ারগুলি পাশের দিকে পিছলে যায়, তখন স্কিডে প্রবেশ করুন।
  • যখন একটি ফরোয়ার্ড স্কিড শুরু হয়, ব্রেকগুলি পাম্প করুন।
  • যদি কারও আপনার গাড়ির পিছন দিকে স্পর্শকাতর হয়, অবিলম্বে ত্বরান্বিত করুন এবং তারপরে বিরতি দিন।
  • কোনও র‌্যাম্পে, আপনি যে লেনটিতে মিশে যান তার গতির সাথে গতি মেটাতে ত্বরান্বিত করুন, যদি না মার্জ করার জায়গা না থাকে।
  • আপনি যদি বরফের কোনও প্যাচ দেখতে পান তবে সোজা হয়ে উঠুন এবং একবার পৌঁছে গেলে ত্বরান্বিত বা হ্রাস করবেন না।

লোকোমোটিভ এবং গাড়ির মধ্যে অনেকগুলি সংঘর্ষ হ'ল কারণ একটি লাল আলো ট্র্যাকগুলি জুড়ে একাধিক লেনে একটি লাইন তৈরি করে। প্রায়শই, কোনও ব্যক্তি অন্য গাড়িতে একটি গাড়ির দৈর্ঘ্য অর্জনের জন্য রেলপথের ট্র্যাকগুলিতে চলে যায়। যখন অন্যরা সেই পছন্দটিকে পূর্বাবস্থায় ফিরিয়ে আনার চেষ্টা করে, তখন মারাত্মক ঝুঁকি দেখা দেয়।

এই আচরণ যে কারও কাছে দেখার পক্ষে যতই অযৌক্তিক, তত দ্রুত যাত্রী হিসাবে 2,000 টন লোকোমোটিভ হিট হয়ে ট্রেনের যাত্রীদের কাছে ধূলিকণার মতো মনে হয় বলে অনেকের মৃত্যু ঘটে।

অনুমানযোগ্যতা এবং অভিযোজনযোগ্যতা

মানুষ প্রশ্নাতীত হিসাবে অপ্রত্যাশিত, কিন্তু অভিযোজনযোগ্যতা অনির্দেশ্য হতে পারে যদিও, অনির্দেশীয়তা অভিযোজিত হতে পারে না। এটি অভিযোজনযোগ্যতা যা প্রয়োজন এবং এটি পাঁচটি প্রধান উপায়ে প্রয়োজন।

  • অবাক করা মুহুর্তে অভিযোজিত
  • সাধারণ ড্রাইভিং অভিজ্ঞতার মাধ্যমে অভিযোজিত
  • নির্দিষ্ট গাড়ী অভিযোজিত
  • যাত্রী অভিব্যক্তি অভিযোজিত
  • নির্দিষ্ট মানচিত্র অঞ্চলে অভিযোজিত

এছাড়াও, গাড়ি চালানো হয়

  • উচ্চতর যান্ত্রিক,
  • ও দৃষ্টি সহায়ক,
  • শ্রাবণ,
  • পরিকল্পনা ভিত্তিক
  • ভৌগলিক, এবং
  • বিস্ময়কর পরিস্থিতিতে প্রিমিটিভ।

মডেলিং ড্রাইভিং জটিলতা

এর জন্য বিভিন্ন ধরণের অবজেক্টের সমন্বিত মডেল বা মডেলগুলির প্রয়োজন।

  • মানচিত্র
  • বাহন
  • যাত্রীর উদ্দেশ্য
  • অন্যান্য যানবাহন
  • অন্যান্য বাধা
  • পথচারীরা
  • জীবজন্তু
  • পারাপার
  • ট্র্যাফিক সংকেত
  • রাস্তার চিহ্ন
  • রাস্তার পাশে

রহস্য বা নির্দ্বিধায় নয়

যদিও এই মডেলগুলি জ্ঞানসম্পন্নভাবে মানুষের মস্তিষ্কে আনুমানিক হয় তবে তারা কতটা ভাল মডেলিং হয় এবং উপরোক্ত অগ্রাধিকারগুলির একটি যুক্তিসঙ্গত ভারসাম্যের কাছাকাছি পৌঁছাতে এই মডেলগুলি কতটা কার্যকর তা চালক থেকে ড্রাইভারের মধ্যে পরিবর্তিত হতে পারে এবং একই ড্রাইভারের জন্য ট্রিপ থেকে ট্রিপে পরিবর্তিত হতে পারে ।

তবে গাড়ি চালানো যত জটিল, ততটা রহস্যজনক নয়। উপরোক্ত প্রতিটি মডেল তাদের উচ্চতর স্তরে বিবেচনা করা সহজ যে তারা কীভাবে যোগাযোগ করে এবং কী কী যান্ত্রিক এবং সম্ভাব্য বৈশিষ্ট্য তাদের রয়েছে। এগুলি বিশদভাবে জানানো একটি বিশাল কাজ, এবং প্রশিক্ষণের প্রশ্নটি ছাড়াও সিস্টেমকে নির্ভরযোগ্যভাবে কাজ করা একটি গুরুত্বপূর্ণ ইঞ্জিনিয়ারিং চ্যালেঞ্জ।

অর্জনের অনিবার্যতা

জটিলতা নির্বিশেষে, অর্থনীতির সাথে জড়িত থাকায় এবং এটি মূলত যান্ত্রিকতা, সম্ভাবনা এবং প্যাটার্ন স্বীকৃতির সমস্যা হওয়ায় এটি সম্পন্ন হবে এবং শেষ পর্যন্ত এটি ভালভাবে সম্পন্ন হবে।

যখন আমাদের বর্তমান সংস্কৃতিটিকে স্থায়ী হিসাবে স্বীকার করে এমন ব্যক্তির পক্ষে এটি যতই অসম্ভব বলে মনে হয়, কিছু শতাধিক বিচার বিভাগে এই শতাব্দীতে মানব ড্রাইভিং অবৈধ হয়ে উঠতে পারে। যে কোনও ট্র্যাফিক বিশ্লেষক প্রমাণের স্তূপগুলি মাউন্ট করতে পারেন যে বেশিরভাগ মানুষ সাধারণ গতিতে এক টন ওজনের একটি মেশিন চালাতে সজ্জিত। যাতায়াত সুবিধা ও আরামের জন্য জনসাধারণের জোরের কারণে এবং কর্মীশক্তিগুলির অর্থনীতিতে এটির প্রয়োজন হওয়ায় কেবল অযৌক্তিক চালকদের লাইসেন্সিং ব্যাপকভাবে গ্রহণযোগ্য হয়েছে।

স্বায়ত্তশাসিত গাড়িগুলি মানব সক্ষমতাগুলির সেরা প্রতিফলিত করতে পারে তবে তারা সম্ভবত তাদের ছাড়িয়ে যাবে কারণ, মডেলটিতে থাকা জিনিসগুলি জটিল হলেও শিশুরা খেলার উল্লেখযোগ্য ব্যতিক্রম বাদে এগুলি বেশিরভাগ ক্ষেত্রে অনুমানযোগ্য। এভি টেকনোলজি এর জন্য মানক সমাধানটি ব্যবহার করবে। ধীরে ধীরে ধীরে ধীরে খেলতে বাচ্চাদের খাপ খাইয়ে নিতে পুরো দৃশ্যটি ধীর গতিতে আনা যায়। বিশেষত শিশু এবং কুকুর সনাক্তকারী এআই উপাদানগুলি ইতিমধ্যে উপস্থিত না থাকলে খুব শীঘ্রই উদ্ভূত হওয়ার সম্ভাবনা রয়েছে।

লক্ষ্যহীনতা

প্রশিক্ষণ এলোমেলোতা গুরুত্বপূর্ণ। উদাহরণস্বরূপ, একটি রেস গাড়ি চালক ইচ্ছাকৃতভাবে তাদের নিয়ন্ত্রণ করতে অভ্যস্ত হওয়ার জন্য বিভিন্ন ধরণের স্কিড তৈরি করবে। মেশিন লার্নিংয়ে আমরা দেখতে পাই যে গ্রেডিয়েন্ট বংশোদ্ভূত প্রক্রিয়া স্থানীয় নূন্যতমের মধ্যে না পড়ে বরং বৈশ্বিক ন্যূনতম (সর্বোত্তম) পাওয়ার সম্ভাবনা বেশি থাকে তা নিশ্চিত করার জন্য প্রশিক্ষণের সময় কিছু ছদ্ম র্যান্ডম পার্টবুরেশনগুলি আমরা দেখি।

অচল অবস্থা

প্রশ্নটি উল্লেখ করে সঠিক যে, "অবিশ্বাস্যতার একটি ডোজ এর ব্যবহার করতে পারে।" অচলাবস্থার দৃশ্যটি একটি আকর্ষণীয়, তবে মানের বিকাশ হওয়ার সাথে সাথে এর সম্ভাবনা কম। যখন চার ড্রাইভার একই সময়ে একটি স্টপ সাইন এ আসে, তারা সত্যিই তা করে না। মনে হয় কেবল তারা করেছে। অন্যদের জ্যোতির্বিদ্যার দিক থেকে ছোট হওয়ার আগে তাদের কোনও মিলি সেকেন্ডের চেয়ে বেশি আসার সম্ভাবনা নেই।

লোকেরা এই ছোট সময়ের পার্থক্যগুলি সনাক্ত করতে (বা এমনকি যথেষ্ট সৎও হতে পারে) সনাক্ত করতে পারে না, তাই এটি সাধারণত আসে যে অন্যকে তরঙ্গ করার পক্ষে সবচেয়ে সদয় কে এবং সেখানেও কিছুটা অচলাবস্থা থাকতে পারে, বিশেষত যেহেতু সবগুলিই কৌতুকপূর্ণ হয়ে উঠতে পারে তাদের মধ্যে সত্যিই চলন্ত পেতে ইচ্ছুক। স্বায়ত্তশাসিত গাড়িগুলি খুব কমই একটি অচলাবস্থার মুখোমুখি হবে যা সরকারী লাইসেন্স সত্তা প্রকাশ করে এমন নিয়ম বইয়ের আওতায় নেই, যা সিস্টেমে ড্রাইভিং বিধি হিসাবে প্রোগ্রাম করা যেতে পারে।

এই বিরল ঘটনাগুলিতে, যানবাহনগুলি ডিজিটালভাবে প্রচুর পরিমাণে আঁকতে পারে, যেমনটি পরামর্শ দেওয়া হয়েছিল, এটি এমন এক জায়গা যেখানে অনিশ্চয়তা অভিযোজিত। মধ্য রাতেই মেইন স্ট্রিটে রেস গাড়ি চালকের মতো স্কিড পরীক্ষা-নিরীক্ষা করা কিছু মাতাল কিশোরী হয়তো এটিই করতে পারে তবে এটি অবিশ্বাস্যরূপের একটি রূপ যা ড্রাইভিংয়ের অগ্রাধিকারগুলির বোধগম্য ক্রমানুসারে অভিযোজিত নয়। না হয় টেক্সট করা বা খাওয়া এবং ড্রাইভ চেষ্টা করা হবে।

নিয়তিবাদ

নির্ধারণবাদ সম্পর্কিত, আলোচিত ব্যবহারগুলির প্রসঙ্গে, নির্দিষ্ট বিতরণের সিউডো-এলোমেলো সংখ্যা জেনারেশন যথেষ্ট।

  • ডেডলক প্রকাশ বা
  • স্থানীয় মিনিমা যা অপ্টিমাইজেশনের সময় গ্লোবাল ন্যূনতম নয়, যখন প্রশিক্ষণ গতি-আপ এবং উন্নত নির্ভরযোগ্যতা,

কার্যকরী পরীক্ষা এবং ইউনিট টেস্টিং প্রযুক্তিগুলি সিউডো-এলোমেলোভাবে কেবল উপাদানগুলির পরীক্ষা করা পরিচালনা করতে সক্ষম হয় না, তবে তারা কখনও কখনও আরও ভাল পরীক্ষার কাভারেজ সরবরাহ করার জন্য ছদ্ম-এলোমেলোতা নিয়োগ করে। এটি ভাল করার মূল চাবিকাঠিটি সম্ভাবনা এবং পরিসংখ্যান বোঝা এবং কিছু প্রকৌশলী এবং এআই ডিজাইনাররা এটি ভাল করে বোঝেন।

বিস্ময়ের উপাদান

যেখানে এভি টেকনোলজিতে এলোমেলোতা সবচেয়ে বেশি গুরুত্বপূর্ণ তা সিদ্ধান্ত নেওয়ার ক্ষেত্রে নয় বরং অবাক হওয়ার মতো বিষয়। সেই ইঞ্জিনিয়ারিং কাজের আজকের রক্তস্রোতা। যখন কোনও অডিও বা ভিজ্যুয়াল চ্যানেলগুলিতে সম্পূর্ণ নতুন দৃশ্যের উপস্থিতি হয় তখন কীভাবে নিরাপদে গাড়ি চালানো যায়? এটি সম্ভবত সেই জায়গা যেখানে মানুষের চিন্তার বৈচিত্র্য সেরা পারদর্শী হতে পারে তবে হাইওয়ে গতিতে আমরা সিনেমার ধাওয়ার দৃশ্যে যেভাবে দেখি তাতে প্রতিক্রিয়া দেখানো খুব ধীর হয় না।

ঝুঁকি এবং গতির মধ্যে সম্পর্ক

এটি ঝুঁকির কারণগুলির একটি আকর্ষণীয় মিথস্ক্রিয়া নিয়ে আসে। ধারণা করা হয় যে উচ্চতর গতি আরও বিপজ্জনক, প্রকৃত যান্ত্রিকতা এবং সম্ভাবনাটি সেই পরিষ্কার কাটা নয়। স্বল্প গতি অস্থায়ীভাবে দীর্ঘতর ট্রিপ এবং উচ্চতর ট্র্যাফিক ঘনত্ব উত্পাদন করে। কিছু ধরণের দুর্ঘটনার উচ্চতর গতিতে কম সম্ভাবনা রয়েছে, বিশেষত এটি ট্র্যাফিক ঘনত্ব বা ঘটনার সাথে সম্পর্কিত। অন্যান্য ফর্মগুলি উচ্চতর গতিতে সম্ভবত বিশেষত প্রতিক্রিয়ার সময় এবং টায়ারের ঘর্ষণ সম্পর্কিত ire

স্বায়ত্তশাসিত যানবাহনগুলির সাথে টায়ার স্লিপেজ আরও সঠিকভাবে মডেল হয়ে যেতে পারে এবং প্রতিক্রিয়া সময়টি দ্রুততার মাত্রার অর্ডার হতে পারে, তাই আমরা যখন মানুষকে চালকের আসন থেকে সরিয়ে নিই তখন ন্যূনতম গতির সীমা আরও বাড়ানো যেতে পারে এবং উপরের সীমাগুলি বাড়তে পারে।


মহান উত্তরের জন্য ধন্যবাদ! কম্পিউটারাইজড ড্রাইভারকে মডেলিং করার বিষয়টি এখানে উপস্থিত করা হয়েছিল - এটি তার ত্রুটিগুলি নিয়ে মানুষের মনকে অনুকরণ করার বিষয়ে এতটা ছিল না বরং জোর দিয়েছিলেন যে এই কাজের কঠিন অংশটি একটি শারীরিক গাড়ি নয়, এআই তৈরি করা। এলোমেলো বিষয়টি আমার এলোমেলো বিষয় আমার।
guillaume31

09:50 এর আশেপাশে: "আমি 'স্ব-ড্রাইভিং গাড়ি' শব্দটি প্রায় পছন্দ করি না কারণ এর দ্বারা বোঝা যায় যে গাড়িটি চালিত হয় I আমি মনে করি আমরা যা তৈরি করতে চাইছি তা কম্পিউটারাইজড ড্রাইভার And নিজেকে গাড়ি তৈরির মতো ভাবেন, নিজেকে মানুষ হিসাবে গড়ে তোলেন বলে ভাবেন "
guillaume31

@ গিল্লিউম ৩১, ভাল প্রশ্নটির জন্য আপনাকে ধন্যবাদ। ... যদিও আমি এই উক্তিটির লেখক কী বলতে চেয়েছেন তা বুঝতে পেরেছি, কিন্তু উক্ত বাক্যে বাক্যটিতে একটি ধারণামূলক ত্রুটি রয়েছে। ... বাক্য 1: এআই উত্পাদন করার সময় গাড়ির মধ্যে প্যাকেজ করা হয়, তাই গাড়ি ড্রাইভ করে। ... বাক্য 2: শব্দটি কম্পিউটারাইজড ড্রাইভার সাধারণ মানব ড্রাইভিংয়ের পরে মডেলিং ড্রাইভিং বুদ্ধিমত্তার অনাকাঙ্ক্ষাকে অস্পষ্ট করে। ... বাক্য 3: আমরা কোনও রোবট একটি আসন গ্রহণ করতে চাই না। ... উক্তিটি ব্যাখ্যা করে যে এই এআই স্টার্ট-আপগুলির মধ্যে 1000 টির মধ্যে 1 জন কেন বেঁচে থাকবে বলে আশা করা হচ্ছে? তারা পরিষ্কারভাবে লিখতে না পারলে কীভাবে তারা স্পষ্টভাবে ডিজাইন করতে পারে?
ফৌখ্রিস্টিয়ান

2

স্ব-ড্রাইভিং গাড়িগুলি রিইনফোর্সমেন্ট লার্নিং এবং আধা-তত্ত্বাবধানী শিক্ষার প্রয়োগ করে, এটি তাদের এমন পরিস্থিতিতে আরও উপযুক্ত হতে দেয় যা বিকাশকারীরা তাদের প্রত্যাশা করেনি।

কিছু গাড়ি এখন স্বর্ম ইন্টেলিজেন্স প্রয়োগ করে , যেখানে তারা কার্যকরভাবে নিজেদের মধ্যে কথোপকথনগুলি থেকে শিখতে পারে যা ট্রান্সফার শেখার ক্ষেত্রেও সহায়তা করতে পারে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.