फोर्ड आपला स्वायत्त वाहन चाचणी डेटा जारी करतो

अलिकडच्या वर्षांत सर्वात आश्वासन दिलेला आणि विलंब केलेला शोध म्हणजे स्वायत्त वाहने. अत्यंत व्यर्थ असलेल्या एलोन मस्कच्या आश्वासनांच्या पलीकडे आणि Google आणि उबरने इतर मोठ्या कंपन्यांमधील वेळ आणि पैशांची गुंतवणूक केली. ध्येय अद्याप खूप लांब आहे.

अशी शक्यता आहे समस्या हार्डवेअरची नसून सॉफ्टवेअरची आहे. अशी बरीच माहिती आहे दोन्ही सुरक्षा सुनिश्चित करण्यासाठी प्रत्येक वाहनाच्या नियंत्रण युनिटवर प्रक्रिया करण्यास सक्षम असणे आवश्यक आहे इतर वाहनांमध्ये आणि पादचारी लोकांप्रमाणेच प्रवाशांचे

यासाठी मोठ्या प्रमाणात डेटा आवश्यक आहे ते केवळ वास्तविक परिस्थितीत अगणित चाचण्या केल्याने प्राप्त केले जाऊ शकते. कॅमेरे आणि लिडरसह सुसज्ज वाहने आवश्यक आहेत.

स्वायत्त वाहनांमध्ये संशोधन प्रक्रियेस गती देण्यासाठी, काही उत्पादक आपला डेटा प्रतिस्पर्धी आणि शैक्षणिक लोकांसह सामायिक करीत आहेत.

फोर्ड डेट्रॉईटमध्ये एकाधिक वाहनांकडून प्राप्त केलेला डेटा जारी करते

हे असे आहे फोर्ड एक व्यापक डेटा सेट प्रकाशित करीत आहे त्यांच्या स्वत: च्या प्रकल्पांमधील शैक्षणिक आणि संशोधकांना मदत करण्यासाठी त्यांच्या स्वत: च्या चाचण्या दरम्यान प्राप्त केले. हे वेमोसारख्या अन्य प्रतिस्पर्ध्यांनी केले आहे.

कंपनीने स्पष्ट केल्याप्रमाणे

शैक्षणिक समुदायाकडे प्रभावी स्वायत्त वाहन अल्गोरिदम तयार करण्यासाठी आवश्यक असलेला डेटा आहे याची खात्री करुन घेण्यापेक्षा संशोधन आणि विकासास प्रोत्साहन देण्यासाठी कोणताही चांगला मार्ग नाही.

फोर्ड यांनी सामायिक केलेली सामग्री एका वर्षाच्या कालावधीत हे संग्रहित केले गेले होते आणि ते एकाधिक स्वयं-ड्रायव्हिंग संशोधन वाहनातून तयार केले गेले होते. त्यात समाविष्ट आहे लिडर सेन्सर आणि कॅमेरा डेटा, जीपीएस आणि मार्गदर्शक माहिती तसेच 3 डी पॉईंट क्लाऊड आणि ग्राउंड रिफ्लेक्टीव्हिटी नकाशे.

LIDAR हे लेसर प्रतिमांच्या शोध आणि व्याप्तीसाठी इंग्रजीमधील परिवर्णी शब्द आहे. हे एक साधन आहे जे लेसर एमिटर ते बीम वापरुन ऑब्जेक्ट किंवा पृष्ठभागाचे अंतर निर्धारित करण्यास अनुमती देते ऑब्जेक्टची अंतर नाडीच्या उत्सर्जन आणि प्रतिबिंबित सिग्नलद्वारे त्याचे शोध दरम्यान विलंब वेळ मोजून केले जाते.

पॉइंट ढग हे त्रि-आयामी समन्वय प्रणालीतील शिरोबिंदू आहेत जे सामान्यत: एक्स, वाय आणि झेड निर्देशांक म्हणून ओळखले जातात आणि ऑब्जेक्टच्या बाह्य पृष्ठभागाचे प्रतिनिधित्व करतात.

पॉईंट क्लाऊड तयार करण्यासाठी सामान्यत: त्रिमितीय लेसर स्कॅनर वापरला जातो. हे लेसर आपोआप ऑब्जेक्टच्या पृष्ठभागावर मोठ्या प्रमाणात बिंदू मोजतो आणि पॉइंट क्लाऊडसह डेटा फाइल व्युत्पन्न करतो. पॉइंट क्लाऊड डिव्हाइसने मोजलेल्या पॉईंट्सच्या संचाचे प्रतिनिधित्व करते.

फोर्ड आपण हा डेटा व्हिज्युअल करण्यासाठी आपली स्वतःची साधने सामायिक करीत आहात.

कंपनीच्या योगदानाचे महत्त्व केवळ काळाच्या कालावधीतच नाही तर त्या काळात देखील होतेपाऊस, सूर्य, ढग, हिमवर्षाव यासह विविध हवामान परिस्थितीत डेटा गोळा केला गेला.

निवडलेला भौगोलिक क्षेत्र डेट्रॉईट मेट्रोपॉलिटन क्षेत्र आहे, वाहनांना दाट शहरी भाग, महामार्ग, बोगदे, निवासी परिसर, विमानतळ, बांधकाम झोन आणि पादचारी क्रियाकलापांमधून प्रवास करावा लागला. दुसर्‍या शब्दांत, विविध परिस्थितींचे वाजवी प्रतिनिधित्व ज्यामध्ये भविष्यात स्वायत्त वाहने फिरवावी लागतील.

तसेच, हा डेटा एकाधिक वाहनांकडून आला आहे, जे संशोधकांना समान दृष्टिकोनाचे दोन दृष्टिकोनातून विश्लेषण करण्यास अनुमती देईल. अशा प्रकारे, मध्यवर्ती सर्व्हरला कनेक्ट न करता चांगले निर्णय घेण्यासाठी स्वायत्त युनिट्स रिअल टाइममध्ये एकमेकांशी माहिती सामायिक करण्याची शक्यता तपासणे शक्य होईल.

पहिला डेटा सेट एल अंतर्गत शैक्षणिक वापरासाठी उपलब्ध आहेक्रिएटिव्ह कॉमन्स परवाना एट्रिब्यूशन-नॉन कॉमर्शियल-शेयरएलाइक 4.0 आंतरराष्ट्रीय परवाना. कंपनी नियमित अद्यतने प्रकाशित करण्याचे वचन देते.

व्हिज्युअलायझेशन टूल्स वापरण्याची शिफारस करा उबंटू 16.04, आरओएस किनेटिक रोबोटिक्स फ्रेमवर्क आणि किमान 32 जीबीसह लॅपटॉप.

2021 मध्ये फोर्डला स्वत: ची ड्रायव्हिंग कारची पहिली ओळ बाजारात आणण्याची इच्छा होती, परंतु, कोविड -१ exc च्या सबबीचा वापर करून, त्यास दुसर्‍या वर्षासाठी बंद ठेवले.

काहीही झाले तरी ते आमच्या देशांमध्ये पाहण्यासाठी आम्हाला बराच वेळ लागू शकेल. या प्रकारच्या वाहनांना लोकांच्या सुरक्षिततेची हमी दिली जाण्याची आवश्यकता आहे या माहितीमुळे, परिस्थिती ओळखण्याची प्रदीर्घ प्रक्रिया आवश्यक असेल अशी शक्यता आहे. खर्चामुळे, यासाठी कंपन्या आणि सरकारांच्या सहकार्याची आवश्यकता असेल. आणि मला वाटत नाही की व्यावसायिक ड्रायव्हर्स युनियन हे बिनविरोध स्वीकारतील.