டெஸ்லா மற்றும் கூகிள் போன்ற தொழில்நுட்ப நிறுவனங்களான சுய-ஓட்டுநர் வாகனங்களை தொழில்நுட்ப ஆர்வலர்கள் மத்தியில் அதிகம் பேசப்படுகின்றன. உலகெங்கிலும் உள்ள பல்வேறு நிறுவனங்கள் பல்வேறு நிலப்பரப்புகளுக்கு தன்னாட்சி ஓட்டுநர் வாகனங்களை உருவாக்கும் பணியில் ஈடுபட்டுள்ளன.
இணைக்கப்பட்ட தன்னாட்சி ஓட்டுநர் தொழில்நுட்பத்தை அணுகக்கூடிய, மலிவு மற்றும் அனைவருக்கும் கிடைக்கச் செய்ய, போபாலை தளமாகக் கொண்ட ஸ்வாயாட் ரோபோக்கள் அலைக்கற்றைடன் இணைந்தன. இருப்பினும், தன்னியக்க ரோபாட்டிக்ஸ் சம்பந்தப்பட்ட அனைத்து தொழில்நுட்பங்களையும் பற்றிய அபரிமிதமான அறிவைக் கொண்டு, நிறுவனத்தின் தலைமை நிர்வாக அதிகாரி திரு. சஞ்சீவ் சர்மா பல தொழில்நுட்ப நிறுவனங்களை பந்தயத்தில் விட்டுவிட்டார். 2009 ஆம் ஆண்டு முதல், அவர் நிறைய ஆராய்ச்சி செய்து வருகிறார், மேலும் சுய-ஓட்டுநர் கார்களுக்கான ஸ்மார்ட் தீர்வுகளைக் கொண்டு வருவதில் கணிதக் கணக்கீடுகளுக்கு உட்பட்டுள்ளார்.
திரு. சஞ்சீவுடன் பேசுவதற்கும், ஸ்வயாட் ரோபோக்கள் பணிபுரியும் தன்னாட்சி வாகனங்கள் மற்றும் ரோபாட்டிக்ஸ் ஆகியவற்றின் பின்னால் உள்ள ஒவ்வொரு தொழில்நுட்பத்தையும் அவற்றின் எதிர்காலத் திட்டங்களையும் அறிந்து கொள்ள எங்களுக்கு வாய்ப்பு கிடைத்தது. அவருடன் நாங்கள் நடத்திய முழு உரையாடலையும் படிக்க ஒரு ஜம்ப் அடிக்கவும். மாற்றாக, எங்கள் எடிட்டருக்கும் சஞ்சீவுக்கும் இடையிலான உரையாடலைக் கேட்க கீழேயுள்ள வீடியோவையும் பார்க்கலாம்
கே. தன்னாட்சி ஓட்டுநர் தொழில்நுட்பத்தை அனைவருக்கும் அணுகக்கூடியதாகவும், மலிவுடனும் உருவாக்குவதும் ஸ்வயாட் ரோபோக்களின் முக்கிய பணியாகும். பயணம் எப்படி தொடங்கியது?
நான் கடந்த 11 ஆண்டுகளாக தன்னாட்சி வழிசெலுத்தல் பகுதியில் ஆராய்ச்சி செய்து வருகிறேன். 2009 ஆம் ஆண்டில், தர்பா கிராண்ட் சவால்களால் நான் ஈர்க்கப்பட்டேன்அது அமெரிக்காவில் நடந்தது. அந்த ஆண்டுகளில் தன்னாட்சி வாகனம் ஓட்டுவது என்னுடைய இலக்காக மாறியது. பல ஆண்டுகளாக, நிச்சயமற்ற நிலையில் இயக்கம் திட்டமிடல் மற்றும் முடிவெடுப்பது குறித்து நான் தொடர்ந்து ஆராய்ச்சி செய்து சுய ஆய்வுகள் செய்தேன். இயந்திர கற்றல், வலுவூட்டல் கற்றல் மற்றும் பல்வேறு நுட்பங்களை உகந்த முறையில் பயன்படுத்துவதில் கவனம் செலுத்தப்பட்டது. நான் 2014 இல் ஸ்வாயாட் ரோபோக்களைத் தொடங்கினேன், ஆனால் அது கடந்த சில ஆண்டுகளாக நான் செய்த ஆராய்ச்சி மற்றும் ஆய்வுகளை வெறுமனே பயன்படுத்தவில்லை. இயக்கம் மற்றும் முடிவெடுப்பதில் சில யோசனைகளைப் பயன்படுத்துவதன் மூலம், நான் கருத்துத் திட்டமிடல் மற்றும் உள்ளூர்மயமாக்கல் சிக்கலையும் தீர்க்க வேண்டியிருந்தது. முடிவெடுக்கும் மற்றும் இயக்கத் திட்டமிடல் துறையில் மட்டுமே எனக்கு ஆராய்ச்சி அனுபவம் இருந்தது. ஆனால் கருத்து மற்றும் உள்ளூர்மயமாக்கல் பகுதிகள் எனக்கு மிகவும் புதியவை. எனது மிகப்பெரிய கணித பின்னணி எனக்கு நிறைய உதவியது.
ஒருமுறை நான் 2015 ஆம் ஆண்டில் தன்னாட்சி ஓட்டுதலை இயக்குவதற்கான வழிமுறை கட்டமைப்பை உருவாக்கத் தொடங்கினேன், இது மிகப் பெரிய ஒன்றாகும் என்பதை நான் உணர்ந்தேன், மேலும் தன்னியக்க வாகனம் ஓட்டுவதற்கான சிக்கலை மிகவும் சீரற்ற எதிர்மறையான போக்குவரத்து சூழ்நிலைகளில் தீர்க்க முடியும். மேலும் 2014 முதல், இந்த தொடக்கத்தில் நான் முழுநேர வேலை செய்கிறேன். குறிப்பாக எனது ஆராய்ச்சி பல கிளைகளை உள்ளடக்கியது, ஆனால் குறிப்பாக, எங்கள் நிறுவனத்தின் பெரும்பாலான கவனம், தன்னியக்க வாகனங்கள் போக்குவரத்து இயக்கவியலில் மிக உயர்ந்த அளவிலான நிலைத்தன்மையைக் கையாள அனுமதிக்கும் முடிவெடுக்கும் மற்றும் இயக்க திட்டமிடல் வழிமுறைகளை உருவாக்குவதாகும். இது ஸ்வாயாட் ரோபோக்களில் நடக்கும் ஆராய்ச்சியில் சுமார் 65% முதல் 70% வரை ஆகும். சுமார் 25% - 27% ஆராய்ச்சி புலனுணர்வு பகுதிக்குச் செல்கிறது, இது ஒரு வாகன ரோபோ அமைப்பிலிருந்து சென்சார் தரவை செயலாக்கும் அனைத்து வகையான வழிமுறைகளையும் உள்ளடக்கியது,அதைச் சுற்றியுள்ள உலகின் 3 டி பிரதிநிதித்துவத்தை உருவாக்குங்கள்.
பார்வையில், தன்னியக்க வாகனங்கள் பகல் மற்றும் இரவு நேரங்களில் கூட வேலை செய்யும் ஆஃப்-தி-ஷெல்ஃப் கேமராக்களைப் பயன்படுத்தி சுற்றுச்சூழலை உணர அனுமதிக்கும் உலகின் மிகச் சில நிறுவனங்களில் ஒன்றாகும். இதுவரை பயணம் எப்படி இருந்தது என்பது இதுதான்.
கே. உங்கள் யோசனைகளை சரிபார்க்க நீங்கள் 2014 இல் தொடங்கினீர்கள், பின்னர் 2015 க்குள் நீங்கள் பாதையை முழுவதுமாகப் பிடித்தீர்கள். எனவே இந்த ஒரு வருடத்தில் நாங்கள் என்ன செய்ய வேண்டும்? இந்தியாவில் சுய-ஓட்டுநர் செய்ய முடியும் என்பதை நீங்கள் எவ்வாறு சோதித்தீர்கள்?
தன்னியக்க ஓட்டுநர் என்பது மூன்று வழிமுறைக் குழாய்களின் கலவையாகும். கருத்து, திட்டமிடல் மற்றும் உள்ளூர்மயமாக்கல். வழிமுறைகள் உணர்ச்சி தரவை எடுத்து, அதை செயலாக்குகின்றன, மேலும் ஒரு வாகனத்தை சுற்றி 3 டி பிரதிநிதித்துவத்தை உருவாக்குகின்றன. நாம் அவற்றை புலனுணர்வு வழிமுறைகள் என்று அழைக்கிறோம். உள்ளூர்மயமாக்கல் வழிமுறைகள் சாலையில் வாகனத்தின் நிலையை உலகளவில் துல்லியமாக தீர்மானிக்க முயற்சிக்கின்றன. கல்வி அமைப்புகளில் ரோபோக்கள் வேலை செய்வது இப்படித்தான். 2009 ஆம் ஆண்டில், இந்த மாதிரி தன்னாட்சி ஓட்டுநர் கூகிள் முன்னோடியாக இருந்தது. ஒரு தன்னாட்சி வாகனம் ஒரு குறிப்பிட்ட சாலையில் செல்லுமுன், முழு சாலையும் 3d இல் மிக விரிவாக வரைபடமாக்கப்பட வேண்டும். இந்த வரைபடங்களை நாங்கள் அழைக்கிறோம், அதிக நம்பக வரைபடங்கள். இந்த உயர் நம்பக வரைபடங்கள் சுற்றுச்சூழலைப் பற்றிய சில முக்கிய தகவல்களை சேமிக்கின்றன. அவை பொதுவாக சுற்றுச்சூழலில் அனைத்து வகையான டிலிமிட்டர்களையும் சேமிக்கின்றன.
தன்னாட்சி வாகனம் ஒரு சூழலில் செல்லுமுன், முழு சூழலும் மிகவும் துல்லியமான முறையில் வரைபடமாக்கப்படுகிறது. அனைத்து வழிப்பாதை குறிப்பான்கள், சாலை எல்லைகள் மற்றும் சுற்றுச்சூழலில் உள்ள எந்தவொரு டிலிமிட்டரும் உண்மையில் இந்த வகையான உயர் நம்பக வரைபடங்களில் சேமிக்கப்படுகின்றன.
நீங்கள் ஏற்கனவே அதிக நம்பகத்தன்மை கொண்ட வரைபடங்களைக் கொண்டிருக்கும் சூழலில் வாகனம் செல்லும்போது, நீங்கள் மீண்டும் வாகனத்தின் பல்வேறு சென்சார்களிடமிருந்து தரவைப் பிடித்து, நீங்கள் உருவாக்கிய குறிப்பு வரைபடத்துடன் தரவை பொருத்த முயற்சிக்கிறீர்கள். இந்த பொருந்தும் செயல்முறை உங்களுக்கு ஒரு போஸ் திசையன் தருகிறது, இது வாகனம் கிரக பூமியில் எங்குள்ளது மற்றும் வாகனத்தின் உள்ளமைவு என்ன என்பதைக் கூறுகிறது. சாலையில் வாகனத்தின் நிலை மற்றும் உள்ளமைவை நீங்கள் அறிந்தவுடன், உயர் நம்பக வரைபடங்களில் நீங்கள் சேமித்து வைத்திருந்த முழு தகவலும் வாகனத்தின் தற்போதைய உள்ளமைவின் மேல் திட்டமிடப்பட்டுள்ளது. சாலை குறிப்பான்கள், சந்து குறிப்பான்கள் மற்றும் எந்தவொரு சாலை டிலிமிட்டர் அல்லது சுற்றுச்சூழல் டிலிமிட்டர் போன்ற தகவல்களை நீங்கள் திட்டமிடும்போது; தன்னியக்க வாகனம் ஒரு குறிப்பிட்ட டிலிமிட்டரைப் பொறுத்தவரை அல்லது ஒரு குறிப்பிட்ட லேன் மார்க்கரில் இருந்து இப்போது எங்குள்ளது என்பது தெரியும். அதனால்,உள்ளூர்மயமாக்கல் வழிமுறைகள் இதைத்தான் செய்கின்றன.
தன்னாட்சி ஓட்டுதலின் இறுதி பகுதி திட்டமிடல் மற்றும் முடிவெடுப்பது. உங்களிடம் உள்ள அதிநவீன மற்றும் சிறந்த திட்டமிடல் மற்றும் முடிவெடுக்கும் வழிமுறைகள், உங்கள் தன்னாட்சி வாகனம் மிகவும் திறமையானதாக இருக்கும். எடுத்துக்காட்டாக, திட்டமிடல் மற்றும் முடிவெடுக்கும் வழிமுறைகள் நிறுவனங்களை இரண்டாம் நிலை, மூன்றாம் நிலை, நான்காம் நிலை மற்றும் ஐந்து நிலை சுயாட்சி ஆகியவற்றிலிருந்து வேறுபடுத்தும். வாகனத்தின் இயக்கம் மற்றும் நடத்தை முடிவெடுப்பதற்கு அல்லது திட்டமிடுவதற்கு பொறுப்பான எந்த வழிமுறையும் ஒரு திட்டமிடல் வழிமுறையாகும்.
திட்டமிடல் வழிமுறைகளில் நீங்கள் எவ்வளவு நுட்பமாக இருக்கிறீர்களோ, அவ்வளவு சிறப்பாக உங்கள் வாகனம் இருக்கும். பல இயக்கத் திட்டமிடுபவர்கள் மற்றும் முடிவெடுப்பவர்கள் வாகனம் மற்றும் சுற்றுச்சூழலின் பாதுகாப்பு, நீங்கள் பயணிக்கும் வேகம், வாகனத்தின் சுற்றுப்புறம் மற்றும் உங்கள் சூழலில் இருந்து நீங்கள் கணக்கிடக்கூடிய அனைத்து அளவுருக்களையும் மதிப்பீடு செய்ய உதவுகிறார்கள். திட்டமிடல் வழிமுறைகள் இதைத்தான் செய்கின்றன.
நான் திட்டமிடல் பகுதியில் ஆராய்ச்சி செய்து வருகிறேன். இந்தியாவில் போக்குவரத்து இயக்கவியலில் நிலைத்தன்மையைக் கையாளக்கூடிய வகையான வழிமுறைகள் உங்களிடம் இருந்தால். நீங்கள் அதைச் சமாளிக்க முடிந்தால், உங்களிடம் வழிமுறைகள் இருந்தால், நீங்கள் ஒரு கருத்து மற்றும் உள்ளூர்மயமாக்கல் அடுக்கை உருவாக்க முடிந்தால், உங்களிடம் முழு அளவிலான தன்னாட்சி ஓட்டுநர் தொழில்நுட்பம் உள்ளது என்பதை நிரூபித்துள்ளீர்கள்.
எது சிறப்பாக செயல்படுகிறது என்பதை சரிபார்க்க நீங்கள் வெவ்வேறு வழிமுறைகளை உருவாக்க தேவையில்லை. தன்னாட்சி ஓட்டுதலில் முக்கிய சிக்கலை தீர்க்கப் போகிறீர்கள் என்று உங்களுக்குத் தெரிந்த மூன்று அல்லது நான்கு வெவ்வேறு வழிமுறைகளை நீங்கள் உருவாக்க வேண்டும். வணிக ரீதியான தன்னாட்சி வாகனங்களை நீங்கள் சாலையில் பார்க்காதது ஏன் பாதுகாப்பு என்பது முதன்மை பிரச்சினை. செலவு மற்றும் பிற அனைத்து சிக்கல்களும் இரண்டாம் நிலை. தன்னியக்க ஓட்டுதலின் உள்ளூர்மயமாக்கல் மற்றும் மேப்பிங் அம்சம் போன்ற ஒன்று அல்லது இரண்டு வழிமுறைகளில் முழு தொடக்கத்தையும் நான் உருவாக்கியிருக்க முடியும். ஆனால் எனது குறிக்கோள் ஒரு முழுமையான தன்னாட்சி வாகனத்தை உருவாக்குவதே தவிர, இங்கே அல்லது அங்கே ஒன்று அல்லது இரண்டு வழிமுறைகள் அல்ல. திட்டமிடல் மற்றும் முடிவெடுக்கும் துறையில் முக்கிய அம்சத்தை நிரூபித்ததால், தன்னாட்சி வாகனம் ஓட்டுவதற்கான முழு சிக்கலையும் சமாளிக்கும் நம்பிக்கையை எனக்கு அளித்தது.
கே. ஸ்வயாட் ரோபோக்கள் எந்த அளவிலான தன்னாட்சி ஓட்டுநர் வேலை செய்கின்றன? இந்தியாவில் எந்த நிலை சாத்தியம் என்று நீங்கள் நினைக்கிறீர்கள்?
நிலை 5 சுயாட்சியை அடைவதும், இந்த வகையான சூழல்களில் தொழில்நுட்பம் பாதுகாப்பாக இருப்பதை உறுதி செய்வதும் எங்கள் குறிக்கோள். நாங்கள் மூன்றாம் நிலைக்கும் நான்காம் நிலைக்கும் இடையில் எங்கோ இருக்கிறோம். நாங்கள் செய்கிற சில வழிமுறைகள் இயக்கம் திட்டமிடல் மற்றும் முடிவெடுப்பதில் உள்ளன, அவை ஐந்தாம் நிலைக்கு இலக்காகின்றன.
போக்குவரத்து விளக்குகள் இல்லாமல் தன்னியக்க வாகனங்கள் அதிகபட்ச போக்குவரத்து நேரங்களில் சந்திப்பைக் கடக்க ஏதுவாக நாங்கள் செயல்பட்டு வருகிறோம். அதிக இடையூறான போக்குவரத்துடன் இறுக்கமான இடத்தைக் கையாள்வதில் தன்னாட்சி வாகனங்களை இயக்குவதன் மூலம் நிலை-ஐந்து சுயாட்சியை அடைய நாங்கள் இலக்கு வைத்துள்ளோம். எதிர் முனையிலிருந்து ஒரு வாகனம் அல்லது பைக் வரும் போது மிகவும் இறுக்கமான சூழலில் தன்னாட்சி வாகனம் ஓட்டினோம். பிஓசி மட்டத்தில், நாங்கள் மூன்று முதல் நான்கு நிலைகளுக்கு இடையில் சாதித்துள்ளோம். இறுக்கமான இடைவெளிகளுடன் அதிக இடையூறான போக்குவரத்தில் சோதனைகளை நடத்துவதன் மூலம் நிலை-நான்கு சுயாட்சிக்கான பி.ஓ.சிகளை நாங்கள் ஏற்கனவே திருப்பியுள்ளோம். இந்திய சாலைகளில் ஒரு மணி நேரத்திற்கு 101 கிலோமீட்டர் தன்னாட்சி ஓட்டுதலை அடைவதே எங்கள் தற்போதைய குறிக்கோள்.
இந்த வகையான சூழல்களில் வாகனத்தின் பாதுகாப்பை நீங்கள் நிரூபித்தவுடன், உங்கள் தொழில்நுட்பத்தை எடுத்துக்கொண்டு, வட அமெரிக்கா மற்றும் ஐரோப்பா போன்ற பிற இடங்களில் எங்கும் பயன்படுத்தலாம், அங்கு போக்குவரத்து மிகவும் கட்டமைக்கப்பட்டிருக்கிறது, அங்கு இந்தியர்களுடன் ஒப்பிடும்போது சூழல்களும் மிகவும் கடுமையானவை. சூழல்கள். ஆகவே, இந்த நேரத்தில் வேறு யாரும் செய்யாத ஒன்று நம்மிடம் உள்ளது என்பதை நிரூபிக்க இந்தியா தற்போது ஒரு சோதனைக் களமாக உள்ளது.
கே. தன்னாட்சி ஓட்டுநர் தீர்வை உருவாக்குவதில் ஸ்வாயாட் ரோபோக்கள் எவ்வளவு முன்னேறியுள்ளன? நீங்கள் தற்போது எந்த அளவிலான வாகனம் ஓட்டுகிறீர்கள்?
தற்போது, உலகின் மிக விரைவான இயக்க திட்டமிடல் வழிமுறை எங்களிடம் உள்ளது, இது ஒரு தன்னாட்சி வாகனத்திற்கான உகந்த நேர-அளவுருக்கள் கொண்ட பாதைகளை 500 மைக்ரோ விநாடிகளில் திட்டமிட முடியும். எனவே வழிமுறை தோராயமாக 2000 ஹெர்ட்ஸில் வேலை செய்கிறது. இந்திய நெடுஞ்சாலைகளில் ஒரு மணி நேரத்திற்கு 80 கிலோமீட்டர் வரை தன்னாட்சி வாகனம் ஓட்டும் தொழில்நுட்பம் எங்களிடம் உள்ளது. இந்திய நெடுஞ்சாலைகளில் அந்த வகையான வேகத்தை அடைவது மிகவும் சவாலானது. பொதுவாக, நீங்கள் அதை செய்ய முடிந்தால், அதை வேறு இடத்திலும் எடுத்துச் செல்லலாம். நீங்கள் அதை வெளிநாட்டு போக்குவரத்தில் பயன்படுத்தலாம் மற்றும் அடிப்படையில், நீங்கள் நான்காம் நிலைக்கு மிக அருகில் உள்ளீர்கள். உங்களுக்கு ஒரு யோசனை சொல்ல, நாங்கள் பல முகவர்கள் நோக்கம் பகுப்பாய்வு மற்றும் பேச்சுவார்த்தை என்று அழைக்கிறோம். இந்த கட்டமைப்பானது எங்கள் வாகனம் சாலையில் உள்ள பிற வாகனங்கள் அல்லது முகவர்களின் நோக்கங்களின் நிகழ்தகவைக் கணக்கிட அனுமதிக்காது.மற்ற முகவர்கள் அல்லது வாகனங்கள் அல்லது சுற்றுச்சூழலில் உள்ள தடைகள் செய்ய முடியாத முழு பாதை அமைப்புகளின் நிகழ்தகவுகளை இது கணக்கிட முடியும். இருப்பினும், இந்த திறன் மட்டும் போதாது. எடுத்துக்காட்டாக, எதிர்கால இயக்கப் பாதைகளை கணிக்கக்கூடிய மற்றும் வெவ்வேறு வாகனங்களின் அனைத்து பாதை தொகுப்புகளின் நிகழ்தகவுகளையும் கணக்கிடக்கூடிய மிகவும் கணக்கீட்டு ரீதியான அமைப்பை நீங்கள் உருவாக்கலாம். இங்குதான் நீங்கள் கணக்கீட்டுத் தேவையிலும் கவனம் செலுத்த வேண்டும். மல்டி-ஏஜென்ட் நோக்கம் பகுப்பாய்வு மற்றும் பேச்சுவார்த்தைகளின் இந்த சிக்கலில் உள்ள கணக்கீட்டு தேவை நீங்கள் எந்த ஆராய்ச்சியும் செய்யவில்லை, கணிதத்தை சரியாகப் பயன்படுத்தவில்லை அல்லது அவற்றை முறையாக வடிவமைக்கவில்லை என்றால் அதிவேகமாக வளரும். பயன்பாட்டு கணிதத்திலிருந்து சில கருத்துக்களை நான் ஆராய்ச்சி செய்கிறேன், குறிப்பாக இடவியல் கோட்பாட்டின் பகுதியில். ஹோமோடோபி வரைபடங்கள் போன்ற சில கருத்துகளைப் பயன்படுத்துகிறேன்,இது எங்கள் தொழில்நுட்பத்தை கணக்கீடுகளை அளவிட அனுமதிக்கிறது. குறைந்தபட்சம் இப்போதைக்கு, அல்காரிதம்களுக்குப் பின்னால் உள்ள கணிதத்தை நீங்கள் சரியாகப் பயன்படுத்தாவிட்டால், நீங்கள் சந்திக்கும் அதிவேக வீச்சுக்கு மாறாக முகவர்களின் எண்ணிக்கையைப் பொறுத்தவரை இது சூப்பர்லைன் ஆகும்.
மல்டி-ஏஜென்ட் நோக்கம் பகுப்பாய்வு பேச்சுவார்த்தை கட்டமைப்பானது நாங்கள் தற்போது பணிபுரியும் இரண்டு வெவ்வேறு கிளைகளாக பிரிக்கப்பட்டுள்ளது. ஒன்று டி.எஸ்.என் (டைட் ஸ்பேஸ் பேச்சுவார்த்தை கட்டமைப்பு), மற்றொன்று முந்திய மாதிரி. டி.எஸ்.என் தன்னாட்சி வாகனங்கள் இறுக்கமான சூழல்கள் மற்றும் சீரற்ற போக்குவரத்து ஆகிய இரண்டையும் குறைந்த மற்றும் அதிக வேகத்தில் பேச்சுவார்த்தை நடத்த அனுமதிக்கிறது. எனவே நெடுஞ்சாலை இரைச்சலான சீரற்ற போக்குவரத்து சூழ்நிலைகளுக்கு அதிவேகமானது மிகவும் பயனுள்ளதாக இருக்கும், மேலும் நகர்ப்புற சூழ்நிலையில் வாகனம் செல்லும்போது குறைந்த வேகம் மிகவும் பயனுள்ளதாக இருக்கும், அங்கு நீங்கள் அடிக்கடி இறுக்கமான தெருக்களை அதிக போக்குவரத்து மற்றும் சத்தத்துடன் போக்குவரத்தில் சந்திப்பீர்கள், அதாவது அங்கு போக்குவரத்து இயக்கவியலில் அதிக நிச்சயமற்ற தன்மை உள்ளது.
கடந்த இரண்டரை ஆண்டுகளாக நாங்கள் ஏற்கனவே இதைச் செய்து வருகிறோம், இதை நாங்கள் ஏற்கனவே பிஓசி வடிவத்தில் உருவாக்கியுள்ளோம். நான் பேசும் இந்த கட்டமைப்பின் சில பிட்கள் மற்றும் துண்டுகள் எங்கள் அடுத்த சோதனையில் டெமோவில் காட்டப்படலாம், இது இந்திய சாலைகளில் ஒரு மணி நேரத்திற்கு 101 கிலோமீட்டர் செயல்பாட்டை எட்டுவதை இலக்காகக் கொள்ளும்.
மேலும், AI இன் வெவ்வேறு கிளைகளிலும் நாங்கள் ஆராய்ச்சி செய்து வருகிறோம். பயிற்சி பயிற்சி, தலைகீழ் வலுவூட்டல் கற்றல் ஆகியவற்றை நாங்கள் பெரிதும் பயன்படுத்துகிறோம். எனவே, இந்திய ஓட்டுநர்களைப் போலவே வழக்கமான இருவழிச் சாலைகளில் தன்னாட்சி வாகனங்களை முந்திக்கொள்ள நாங்கள் தற்போது செயல்பட்டு வருகிறோம். வரையறுக்கப்பட்ட நிதியுதவியுடன் முடிந்தவரை உருவகப்படுத்துதலிலும் நிஜ உலகிலும் நாங்கள் நிரூபிக்கிறோம். இவை நாம் ஏற்கனவே தரையில் நிரூபிக்கப்பட்ட சில ஆராய்ச்சிப் பகுதிகள், அவற்றில் சில அடுத்த சில மாதங்களில் நிரூபிக்கப்பட உள்ளன.
தவிர, முற்றிலும் அறியப்படாத மற்றும் காணப்படாத சூழல்களில் தன்னாட்சி ஓட்டுதலை இயக்கக்கூடிய ஒரே நிறுவனங்களில் நாங்கள் ஒருவராக இருக்கிறோம், அதற்காக அதிக நம்பக வரைபடங்கள் எதுவும் இல்லை. உயர் நம்பக வரைபடங்களைப் பயன்படுத்தாமல் தன்னாட்சி ஓட்டுதலை இயக்க முடியும். உயர் நம்பக வரைபடங்களின் தேவையை முற்றிலுமாக ஒழிக்கும் தொழிலில் நாங்கள் இருக்கிறோம், இந்த ஒழிப்பு எங்கள் இரண்டு முக்கிய தொழில்நுட்பங்களால் செயல்படுத்தப்படுகிறது. எங்கள் டிஎஸ்என் கட்டமைப்பு ஒரு புதிய ஒழுங்குமுறை அளவுகோலை அமைக்க உருவாக்கப்பட்டுள்ளது.
கே. வன்பொருள் கட்டமைப்பைப் பற்றி பேசுகையில், உங்கள் கணக்கீட்டு நோக்கத்திற்காக நீங்கள் எந்த வகையான வன்பொருளைப் பயன்படுத்துகிறீர்கள். மேலும், உங்கள் தன்னாட்சி வாகனங்களில் உண்மையான உலகத்தை வரைபட நீங்கள் எந்த வகையான சென்சார்கள் மற்றும் கேமராக்களைப் பயன்படுத்துகிறீர்கள்?
இப்போதைக்கு, நாங்கள் ஆஃப்-தி-ஷெல்ஃப் கேமராக்களைப் பயன்படுத்துகிறோம். ஒரு தன்னாட்சி வாகனத்திற்கான எங்கள் டெமோவை நீங்கள் கண்டால், நாங்கள் 3000 ரூ. கேமராவைத் தவிர வேறு எதையும் பயன்படுத்தவில்லை என்பதை நீங்கள் கவனிப்பீர்கள். அந்த விஷயத்தில் தன்னாட்சி நிறுவனங்கள் அல்லது ரோபாட்டிக்ஸ் நிறுவனங்களுடன் உலகம் முழுவதும் நடந்து வரும் கருத்து ஆராய்ச்சியைப் பார்த்தால், அவை கேமராக்கள், லிடார் மற்றும் ரேடார்கள் போன்ற மூன்று வெவ்வேறு சென்சார்களைப் பயன்படுத்துகின்றன. தற்போது, எங்கள் தன்னாட்சி ஓட்டுநர் சோதனைகள் அனைத்தும் கேமராக்களைப் பயன்படுத்தி மட்டுமே நிகழ்ந்துள்ளன. நான் நிறுவனத்தைத் தொடங்கியபோது, திட்டமிடலில் எனக்கு நிபுணத்துவம் மட்டுமே இருந்தது, ஆனால் 2016 முதல், உலகெங்கிலும் உள்ள ஆய்வகங்கள் எதுவாக இருந்தாலும், அதிநவீன ஆராய்ச்சி ஆய்வறிக்கைகள் செயல்படுவதை நான் உணர்ந்தேன்; இது உண்மையான உலகில் வேலை செய்யாது. அவர்கள் வேலை செய்தால், அவை மிகவும் கணக்கீட்டு ரீதியாக தீவிரமானவை, அவை வேலை செய்யாது. அதனால்,எனது முதன்மை ஆராய்ச்சிப் பகுதியாகவும் நான் பார்வையை எடுத்துக் கொண்டேன், மேலும் எனது 25% - 27% நேரத்தை நான் ஆராய்ச்சி ஆராய்ச்சி செய்வதில் செலவிட்டேன். இப்போது, எங்கள் நிறுவனத்தின் ஆராய்ச்சி குறிக்கோள், தன்னியக்க வாகனங்களை லிடார் மற்றும் ரேடார்கள் தேவையில்லாமல் கேமராக்களை மட்டுமே பயன்படுத்துவதை உணர முடியும். இது நாம் அடைய விரும்பும் ஒரு ஆராய்ச்சி லட்சியம். அதை அடையும்போது, எந்தவொரு பொதுவான பணிக்கும் உலகின் வேகமான வழிமுறை எங்களிடம் உள்ளது என்பதையும் உறுதி செய்துள்ளோம்.
பார்வையில் எங்களுக்கு இரண்டு குறிக்கோள்கள் உள்ளன. ஒன்று, வழிமுறை மிகவும் திறமையானதாக இருக்க வேண்டும், அவை தன்னாட்சி வாகனங்களை பகல் மற்றும் இரவு நேரங்களில் கேமராக்களை மட்டுமே பயன்படுத்துவதை உணர உதவுகின்றன. இந்த கருத்து திறனை நாங்கள் பகல் நேரத்திற்கு மட்டுமல்ல, இரவிலும் விரிவுபடுத்தியுள்ளோம், வாகனத்தின் ஹெட்லைட் மற்றும் வழக்கமான ஆஃப்-தி-ஷெல்ஃப் ஆர்ஜிபி மற்றும் என்ஐஆர் கேமராக்களைத் தவிர வேறு எதையும் பயன்படுத்தவில்லை, நீங்கள் 3000 ரூபாய்க்கு வாங்கக்கூடிய கேமராக்கள் சந்தை.
நாங்கள் கவனம் செலுத்துகிறோம்