अन्त-देखि-अन्त स्वायत्त ड्राइभिङ प्रणालीहरू: भविष्य ड्राइभिङ

सबैभन्दा सामान्य परिभाषा यो हो कि "अन्त-देखि-अन्त" प्रणाली एक प्रणाली हो जसले कच्चा सेन्सर जानकारी इनपुट गर्दछ र कार्यमा चिन्ताको चरहरू सीधा आउटपुट गर्दछ। उदाहरणका लागि, छवि पहिचानमा, CNN लाई परम्परागत सुविधा + वर्गीकरण विधिको तुलनामा "अन्त-देखि-अन्त" भन्न सकिन्छ।

स्वायत्त ड्राइभिङ कार्यहरूमा, विभिन्न सेन्सरहरूबाट डाटा (जस्तै क्यामेरा, LiDAR, रडार, वा IMU...) इनपुट हुन्छन्, र सवारी साधन नियन्त्रण संकेतहरू (जस्तै थ्रॉटल वा स्टेयरिङ ह्वील कोण) प्रत्यक्ष रूपमा आउटपुट हुन्छन्। विभिन्न वाहन मोडेलहरूको अनुकूलन मुद्दाहरू विचार गर्न, आउटपुटलाई गाडीको ड्राइभिङ ट्र्याजेक्टोरीमा पनि आराम गर्न सकिन्छ।

यस आधारमा आधारित, मोड्युलर अन्त-देखि-अन्त अवधारणाहरू पनि देखा परेका छन्, जस्तै UniAD, जसले अन्तिम आउटपुट नियन्त्रण संकेतहरू वा वेपोइन्टहरू बाहेक सान्दर्भिक मध्यवर्ती कार्यहरूको पर्यवेक्षणको परिचय दिएर कार्यसम्पादन सुधार गर्दछ। यद्यपि, यस्तो संकीर्ण परिभाषाबाट, अन्त-देखि-अन्तको सार संवेदी जानकारीको हानिरहित प्रसारण हुनुपर्छ।

आउनुहोस् पहिले गैर-अन्त-देखि-अन्त प्रणालीहरूमा सेन्सिङ र PnC मोड्युलहरू बीचको इन्टरफेसहरूको समीक्षा गरौं। सामान्यतया, हामी श्वेतसूचीमा राखिएका वस्तुहरू (जस्तै कार, मान्छे, आदि) पत्ता लगाउँछौं र तिनीहरूको गुणहरूको विश्लेषण र भविष्यवाणी गर्छौं। हामी स्थिर वातावरण (जस्तै सडक संरचना, गति सीमा, ट्राफिक लाइट, आदि) बारे पनि जान्दछौं। यदि हामी थप विस्तृत थियौं भने, हामीले विश्वव्यापी अवरोधहरू पनि पत्ता लगाउन सक्छौं। छोटकरीमा, यी धारणाहरूद्वारा सूचना उत्पादनले जटिल ड्राइभिङ दृश्यहरूको प्रदर्शन मोडेल बनाउँछ।

यद्यपि, केही धेरै स्पष्ट दृश्यहरूको लागि, हालको स्पष्ट अमूर्तताले दृश्यमा ड्राइभिङ व्यवहारलाई असर गर्ने कारकहरूलाई पूर्ण रूपमा वर्णन गर्न सक्दैन, वा हामीले परिभाषित गर्न आवश्यक कार्यहरू धेरै तुच्छ छन्, र सबै आवश्यक कार्यहरू गणना गर्न गाह्रो छ। तसर्थ, अन्त-देखि-अन्त प्रणालीहरूले यस जानकारीको साथ PnC मा स्वचालित रूपमा र हानिरहित रूपमा कार्य गर्ने आशाको साथ (सायद निहित रूपमा) व्यापक प्रतिनिधित्व प्रदान गर्दछ। मेरो विचारमा, यो आवश्यकता पूरा गर्न सक्ने सबै प्रणालीहरूलाई सामान्यीकृत अन्त-देखि-अन्त भन्न सकिन्छ।

अन्य मुद्दाहरूको लागि, जस्तै गतिशील अन्तरक्रिया परिदृश्यहरूको केही अनुकूलनहरू, म विश्वास गर्छु कि कम्तिमा पनि अन्त्य-देखि-अन्तले मात्र यी समस्याहरू समाधान गर्न सक्दैन, र अन्त-देखि-अन्त उत्तम समाधान नहुन सक्छ। परम्परागत विधिहरूले यी समस्याहरू समाधान गर्न सक्छ, र निस्सन्देह, जब डेटाको मात्रा पर्याप्त हुन्छ, अन्त-देखि-अन्तले राम्रो समाधान प्रदान गर्न सक्छ।