چگونه ترکیب سنسورهای لایدار، رادار و دوربین، محدودیت‌های رانندگی خودکار را برطرف می‌کند

رانندگی انسان به دو چشم و یک مغز برای درک عمق، سرعت و مسیر متکی است، اما تلفیق سنسورهای خودران در یک جنبه اساسی تفاوت دارد: این سیستم به طور همزمان این معیارها را در سه طیف الکترومغناطیسی مجزا اندازه‌گیری فیزیکی می‌کند. وقتی یک خریدار در سال ۲۰۲۶ ماشین مدرن خود را از نمایشگاه بیرون می‌آورد، دیگر فقط یک موتور و شاسی نمی‌خرد؛ بلکه در حال تهیه یک موتور ادراکی متحرک است که طراحی شده تا چیزهایی را ببیند که بیولوژی انسان قادر به دیدنشان نیست.[6]

چالش اصلی رانندگی خودکار، فرمان دادن یا گاز دادن نیست، بلکه درک محیط است. یک وسیله نقلیه باید بتواند در هر شرایط آب‌وهوایی، یک مدل سه‌بعدی بی‌نقص و در لحظه از محیط اطرافش بسازد؛ وظیفه‌ای که از نظر تاریخی سیستم‌های تک‌سنسوره را فلج کرده است. تکیه بر تنها یک روش، نقاط کور خطرناکی به جا می‌گذارد که می‌تواند به فجایع بزرگی ختم شود، مثل ترمزهای ناگهانی به خاطر سایه‌ها یا ناتوانی در تشخیص یک کامیون سفید در پس‌زمینه آسمان روشن.[1]

برای حل این مشکل، صنعت خودرو در حال حرکت به سمت «تلفیق سنسورها» است؛ یعنی یکپارچه‌سازی دوربین‌ها، رادار و لایدار. همان‌طور که SearchEnterpriseAI اشاره می‌کند، این سه‌گانه، مجموعه سنسورهای استاندارد برای خودروهای خودران سطح ۴ و سطح ۵ را تشکیل می‌دهد و تضمین می‌کند که نقاط ضعف یک سنسور با نقاط قوت سنسور دیگر پوشش داده شود. برای یک مصرف‌کننده، این یعنی کامپیوتر ماشین دائماً در حال تطبیق سه نسخه مختلف از واقعیت است تا تصمیم بگیرد که آیا باید ترمز کند یا نه.[5]

دوربین‌ها لایه پایه این سیستم ادراکی را تشکیل می‌دهند. آن‌ها ارزان هستند، وضوح بالایی دارند و تنها سنسورهایی هستند که می‌توانند رنگ و بافت را بخوانند. این ویژگی به آن‌ها اجازه می‌دهد تا تابلوهای ایست، خط‌کشی‌های جاده و چراغ‌های راهنمایی را تفسیر کنند. با این حال، همان‌طور که تحلیل تطبیقی ROSA P به تفصیل بیان می‌کند، دوربین‌ها سنسورهای غیرفعالی هستند که کاملاً به نور محیط وابسته‌اند.[2]

اگر راننده‌ای در یک کولاک گرفتار شود، نور خورشید مستقیم به چشمش بتابد، یا در یک جاده روستایی تاریک و ظلمات رانندگی کند، قابلیت اطمینان دوربین به شدت افت می‌کند. علاوه بر این، دوربین‌ها ذاتاً درک عمق ندارند. آن‌ها باید فاصله را با استفاده از تنظیمات دوچشمی یا الگوریتم‌های یادگیری ماشین حدس بزنند، که به راحتی توسط تصاویر دوبعدی فریب می‌خورند. این آسیب‌پذیری دقیقاً همان جایی است که رادار وارد عمل می‌شود تا سیستم را تثبیت کند.[2]

رادار (تشخیص و فاصله‌یابی رادیویی) امواج رادیویی ساطع کرده و بازتاب آن‌ها را اندازه‌گیری می‌کند، که این امر آن را در برابر شرایط نوری، مه، باران یا برف کاملاً مصون می‌سازد. رادار در اندازه‌گیری سرعت اجسام متحرک با استفاده از اثر داپلر بی‌نظیر عمل می‌کند. رادار می‌تواند از میان یک رگبار شدید ببیند و در کسری از ثانیه محاسبه کند که ماشینی در فاصله ۳۰۰ فوتی به شدت در حال ترمز گرفتن است.[4]

با این وجود، رادار یک محدودیت آشکار دارد: وضوح فضایی پایین. Automotive IQ اشاره می‌کند که اگرچه رادار می‌داند یک شیء فضای خاصی را اشغال کرده است، اما در طبقه‌بندی اینکه آیا آن بازتاب فلزی یک ماشین خراب است، یک پل هوایی است، یا یک قوطی نوشابه رها شده، مشکل دارد. این ناتوانی در طبقه‌بندی همان دلیلی است که سیستم‌های متکی بر رادار گاهی اوقات اجسام ثابت را در سرعت‌های بزرگراهی نادیده می‌گیرند و فرض می‌کنند که آن‌ها فقط پس‌زمینه بی‌اهمیت جاده هستند.[4]

برای پر کردن شکاف بین وضوح بالای دوربین و ایمنی رادار در برابر آب‌وهوا، مهندسان لایدار (تشخیص و فاصله‌یابی نوری) را معرفی می‌کنند. لایدار میلیون‌ها پالس لیزری در ثانیه شلیک می‌کند تا یک ابر نقاط سه‌بعدی و بسیار دقیق از محیط ایجاد کند. این سیستم فاصله و شکل دقیق هر شیء در محدوده خود را تا حد سانتی‌متر ارائه می‌دهد.[1]

لایدار نیازی به حدس زدن ندارد که آیا یک شیء عابر پیاده است یا سایه؛ بازگشت فیزیکی لیزر، حجم شیء را ثابت می‌کند. یک بررسی اخیر در arXiv تأکید می‌کند که ادغام لایدار در سیستم تلفیقی، هشدارهای اشتباه را به شدت کاهش می‌دهد و نقشه عمق قطعی را فراهم می‌کند که شبکه‌های عصبی برای تأیید داده‌های دوربین به آن نیاز دارند. همان‌طور که محققان خاطرنشان می‌کنند، ادغام سنسورهای چندوجهی برای غلبه بر محدودیت‌های ذاتی روش‌های فردی ضروری است.[3]

با این حال، لایدار هم یک راه‌حل بی‌نقص نیست. این سیستم از نظر تاریخی گران‌قیمت و از نظر مکانیکی پیچیده باقی مانده است و لیزرهای نوری آن می‌توانند توسط باران شدید، برف یا مه غلیظ پراکنده شوند - دقیقاً همان شرایطی که رادار در آن‌ها عالی عمل می‌کند. بنابراین، تلفیق واقعی سنسورها فقط پیچ کردن سه سنسور مختلف روی سقف ماشین نیست؛ بلکه هماهنگی الگوریتمی جریان داده‌های آن‌ها در لحظه است.[2]

این فرآیند تلفیق در کامپیوتر مرکزی خودرو اتفاق می‌افتد، که باید داده‌ها را از نظر زمانی و مکانی همگام‌سازی کند. چالش فنی برای خودرانی سطح ۴ و سطح ۵ در پردازش ترابایت‌ها داده چندوجهی در میلی‌ثانیه نهفته است. سیستم باید در هر میکروثانیه تصمیم بگیرد که به کدام سنسور اعتماد کند و به صورت پویا وزن‌دهی‌ها را بر اساس شرایط محیطی تنظیم کند.[4]

به عنوان مثال، اگر دوربین یک جاده باز را ببیند، اما رادار یک توده فلزی ثابت را تشخیص دهد و لایدار یک مانع سه‌بعدی را تأیید کند، الگوریتم تلفیق باید دوربین را نادیده گرفته و ترمزها را فعال کند. این افزونگی همان چیزی است که یک ویژگی کمک‌راننده را به سیستمی تبدیل می‌کند که قادر است مسئولیت قانونی رانندگی را بر عهده بگیرد. برای یک مالک معمولی، این نویدبخش ماشینی است که به محض شروع یک طوفان، سیستم‌های ایمنی خود را ناگهان از کار نمی‌اندازد.[5][6]