د پای څخه تر پایه خپلواکه موټر چلولو سیسټم څنګه تعریف کړئ؟
ترټولو عام تعریف دا دی چې "له پای څخه تر پای" سیسټم یو سیسټم دی چې د خام سینسر معلومات داخلوي او په مستقیم ډول دندې ته د اندیښنې متغیرات ورکوي. د مثال په توګه، د عکس په پیژندنه کې، CNN د دودیز خصوصیت + کلاسیفیر طریقې سره پرتله کول "له پای څخه تر پای" بلل کیدی شي.
د موټر چلولو په خپلواکو دندو کې، د مختلفو سینسرونو ډاټا (لکه کیمرې، LiDAR، رادار، یا IMU...) داخلیږي، او د وسایطو کنټرول سیګنالونه (لکه د throttle یا سټیرینګ ویل زاویه) مستقیم محصول دي. د مختلف موټرو ماډلونو د موافقت مسلو په پام کې نیولو لپاره، محصول هم د موټر چلولو په لاره کې آرام کیدی شي.
د دې بنسټ پراساس، ماډلر پای څخه تر پایه مفکورې هم راڅرګندې شوې، لکه UniAD، کوم چې د وروستي محصول کنټرول سیګنالونو یا لارو پوائنټونو سربیره، د اړوندو منځنیو دندو د څارنې په معرفي کولو سره فعالیت ته وده ورکوي. په هرصورت، د داسې یو محدود تعریف څخه، د پای څخه تر پای پورې جوهر باید د حسی معلوماتو بې ضرر لیږد وي.
راځئ چې لومړی په غیر پای څخه تر پای پورې سیسټمونو کې د سینسنګ او PnC ماډلونو ترمینځ انٹرفیس بیاکتنه وکړو. معمولا، موږ سپین لیست شوي توکي (لکه موټر، خلک، او نور) کشف کوو او د دوی ملکیتونه تحلیل او وړاندوینه کوو. موږ د جامد چاپیریال په اړه هم زده کوو (لکه د سړک جوړښت، د سرعت حدود، د ترافیک څراغونه، او نور). که موږ ډیر مفصل وو، موږ به نړیوال خنډونه هم کشف کړو. په لنډه توګه، د دې مفکورو لخوا د معلوماتو محصول د پیچلي موټر چلولو صحنو نمونه جوړوي.
په هرصورت، د ځینو خورا څرګندو صحنو لپاره، اوسنی ښکاره خلاصون نشي کولی په بشپړ ډول هغه فکتورونه تشریح کړي چې په صحنه کې د موټر چلولو چلند اغیزه کوي، یا هغه دندې چې موږ یې تعریف کولو ته اړتیا لرو خورا کوچني دي، او د ټولو اړینو کارونو شمیرل ستونزمن دي. له همدې امله، د پای څخه تر پای پورې سیسټمونه د دې معلوماتو سره په PnCs باندې د اتوماتیک او بې زیانه عمل کولو امید سره (شاید په ښکاره ډول) هراړخیز نمایش چمتو کوي. زما په اند، ټول هغه سیسټمونه چې کولی شي دا اړتیا پوره کړي د پای څخه تر پای پورې عمومي بلل کیدی شي.
لکه څنګه چې د نورو مسلو لپاره، لکه د متحرک متقابل عمل سناریو ځینې اصلاح کول، زه باور لرم چې لږترلږه نه یوازې پای ته رسیدلی شي دا ستونزې حل کړي، او د پای څخه پای ممکن غوره حل نه وي. دودیز میتودونه کولی شي دا ستونزې حل کړي، او البته، کله چې د معلوماتو اندازه خورا لوی وي، د پای څخه تر پای پورې ممکن غوره حل چمتو کړي.
د پای څخه تر پایه خپلواکه موټر چلولو په اړه ځینې غلط فهمۍ
1. د کنټرول سیګنالونه او د لارې نقطې باید د پای څخه تر پای پورې تولید وي.
که تاسو د پورته بحث شوي پراخ پای څخه تر پای مفکورې سره موافق یاست، نو دا ستونزه د پوهیدلو لپاره اسانه ده. له پای څخه تر پای پورې باید د معلوماتو په بې ضرر لیږد ټینګار وکړي نه دا چې د کار حجم مستقیم تولید کړي. د پای څخه تر پای پورې تنګ چلند به د ډیری غیر ضروري ستونزو لامل شي او د خوندیتوب ډاډ ترلاسه کولو لپاره ډیری پټو حلونو ته اړتیا لري.
2. د پای څخه تر پای پورې سیسټم باید د لوی ماډل یا خالص لید پر بنسټ وي.
د پای څخه تر پایه خپلواکه موټر چلولو، لوی ماډل خودمختاره موټر چلولو، او په بشپړه توګه بصری خودمختاره موټر چلولو ترمنځ هیڅ اړین اړیکه شتون نلري ځکه چې دا په بشپړه توګه خپلواک مفکورې دي؛ د پای څخه تر پای پورې سیسټم لازمي نه د لوی ماډلونو لخوا پرمخ وړل کیږي، او نه هم دا اړینه ده چې د خالص لید لخوا پرمخ وړل کیږي. د.
3. په اوږد مهال کې، ایا دا ممکنه ده چې د پورته ذکر شوي پای څخه تر پای پورې سیسټم په محدود احساس کې د L3 کچې څخه پورته خودمختاره موټر چلولو ترلاسه کړي؟
د هغه څه فعالیت چې اوس مهال د خالص پای څخه تر پای پورې FSD ویل کیږي د L3 په کچه اړین اعتبار او ثبات پوره کولو لپاره کافي ندي. که په واضح ډول ووایم، که د ځان چلولو سیسټم وغواړي چې د خلکو لخوا ومنل شي، مهمه دا ده چې ایا خلک دا ومني چې په ځینو مواردو کې، ماشین غلطی کوي، او انسانان کولی شي په اسانۍ سره حل کړي. دا د خالص پای څخه تر پای سیسټم لپاره خورا ستونزمن دی.
د مثال په توګه، په شمالي امریکا کې وایمو او کروز دواړه ډیری پیښې لري. په هرصورت، د کروز وروستۍ حادثه د دوو ټپیانو په پایله کې رامنځ ته شوه، که څه هم دا ډول حادثې د انساني چلوونکو لپاره خورا ناگزیر او د منلو وړ دي. خو له دې حادثې وروسته سیسټم د پېښې ځای او د زخمیانو د ځای په اړه ناسم پوهاوی وکړ او د پل اوور موډ ته ښکته شو، چې له امله یې ټپیان د ډېر وخت لپاره کش کړل شول. دا چلند د هر عادي انسان چلوونکي لپاره د منلو وړ نه دی. دا به ترسره نشي، او پایلې به یې خورا خراب وي.
سربیره پردې ، دا د بیدارۍ غږ دی چې موږ باید په دقت سره په پام کې ونیسو چې څنګه د دې وضعیت څخه مخنیوی وکړو د خپلواک موټر چلولو سیسټمونو پراختیا او عملیاتو پرمهال.
4. نو په دې وخت کې، د ډله ایز تولید شوي مرستندویه موټر چلولو سیسټمونو راتلونکي نسل لپاره عملي حلونه څه دي؟
زما د اوسنۍ پوهې له مخې، کله چې په موټر چلولو کې د پای څخه تر پای پورې ماډل کارول کیږي، د ټراجیک تولیدولو وروسته، دا به د دودیزو میتودونو پراساس یو حل بیرته راولي. په بدیل سره، د زده کړې پر بنسټ پالن جوړونکي او دودیز ټراجیکري پلان جوړونکي الګوریتمونه په یو وخت کې ډیری ټراجکټوری تولیدوي او بیا د انتخاب کونکي له لارې یوه لاره غوره کوي.
دا ډول پټ حل او انتخاب د دې کاسکیډ سیسټم د فعالیت پورتنۍ حد محدودوي که چیرې دا سیسټم جوړښت غوره شي. که دا طریقه لاهم د خالص فیډبیک زده کړې پراساس وي ، نو اټکل کیدونکي ناکامي به پیښ شي او د خوندي کیدو هدف به په هیڅ ډول ترلاسه نشي.
که موږ د دې محصول په لاره کې د دودیزو پلان جوړونې میتودونو په کارولو سره بیا اصلاح کول یا غوره کول په پام کې ونیسو، دا د زده کړې پرمخ وړونکي میتود لخوا رامینځته شوي سرلیک سره مساوي دي. نو، ولې موږ په مستقیم ډول دا لاره غوره نه کړو او وپلټئ؟
البته، ځینې خلک به ووایي چې دا ډول اصلاح یا د لټون ستونزه غیر محدب ده، یو لوی دولتي ځای لري، او په ریښتیني وخت کې د موټر په سیسټم کې چلول ناممکن دي. زه له هر چا څخه غوښتنه کوم چې دې پوښتنې ته په دقت سره غور وکړي: په تیرو لسو کلونو کې د ادراک سیسټم لږترلږه سل ځله د کمپیوټري بریښنا ونډې ترلاسه کړې ، مګر زموږ د PnC ماډل په اړه څه؟
که موږ د PnC ماډل ته هم اجازه ورکړو چې لوی کمپیوټري ځواک وکاروي، په وروستیو کلونو کې د پرمختللي اصلاح کولو الګوریتمونو کې د ځینو پرمختګونو سره یوځای، ایا دا پایله لاهم سمه ده؟ د دې ډول ستونزې لپاره، موږ باید په پام کې ونیسو چې د لومړي اصولو څخه سم څه دي.
5. څنګه د ډیټا لخوا پرمخ وړل شوي او دودیز میتودونو ترمنځ اړیکه پخلا کړئ؟
د شطرنج لوبه د خپلواک موټر چلولو سره ورته یو مثال دی. د دې کال په فبروري کې، ډیپ مائنډ د "لټون پرته د لوی ماسټر لیول شطرنج" په نوم یوه مقاله خپره کړه، په دې اړه بحث وکړ چې ایا دا ممکنه ده چې یوازې د ډیټا چلول کارول او په الفاګو او الفا زیرو کې د MCTS لټون پریښودل. د خودمختاره موټر چلولو په څیر، یوازې یوه شبکه په مستقیم ډول د کړنو محصولاتو لپاره کارول کیږي، پداسې حال کې چې ټول راتلونکي مرحلې له پامه غورځول کیږي.
مقاله پایله کوي چې د پام وړ ډیټا او ماډل پیرامیټونو سره سره ، د لټون کارولو پرته کافي معقول پایلې ترلاسه کیدی شي. په هرصورت، د لټون کارولو میتودونو په پرتله د پام وړ توپیرونه شتون لري. دا په ځانګړي توګه د ځینې پیچلي پای لوبو سره معامله کولو لپاره ګټور دی.
د پیچلو سناریوګانو یا کونج قضیو لپاره چې څو مرحلو لوبو ته اړتیا لري ، دا ورته والی لاهم ستونزمن کوي چې په بشپړ ډول دودیز اصلاح یا لټون الګوریتم پریږدي. په معقول ډول د مختلف ټیکنالوژیو ګټو کارول لکه AlphaZero د فعالیت ښه کولو غوره لاره ده.
6. دودیز میتود = د قواعدو پر بنسټ که بل؟
ما د ډیری خلکو سره د خبرو کولو پرمهال دا مفکوره تکرار کړې وه. ډیری خلک پدې باور دي چې تر هغه چې دا په بشپړ ډول ډیټا نه وي، دا د قواعدو پر بنسټ نه وي. د مثال په توګه، په شطرنج کې، د روټ په واسطه د فارمولونو او شطرنج ریکارډونو یادول د قواعدو پراساس دي، مګر د الفاګو او الفا زیرو په څیر، دا ماډل ته وړتیا ورکوي چې د اصلاح او لټون له لارې منطقي وي. زه فکر نه کوم چې دا د قواعدو پر بنسټ بلل کیدی شي.
د دې له امله، لوی ماډل پخپله اوس مهال ورک دی، او څیړونکي هڅه کوي چې د CoT په څیر میتودونو له لارې د زده کړې پرمخ وړونکي ماډل چمتو کړي. په هرصورت، د هغو دندو برخلاف چې د خالص ډیټا لخوا پرمخ وړل شوي عکس پیژندنې او د نه توضیح کیدو لاملونو ته اړتیا لري ، د موټر چلولو هر عمل د موټر چلولو روښانه ځواک لري.
د مناسب الګوریتم جوړښت ډیزاین لاندې، د پریکړې لاره باید متغیر شي او د ساینسي اهدافو تر لارښوونې لاندې په مساوي ډول اصلاح شي، نه د مختلفو قضیو د حل کولو لپاره د جبري پیچ کولو او تنظیم کولو پر ځای. دا ډول سیسټم په طبیعي ډول ټول ډوله سخت کوډ شوي عجیب قواعد نلري.
پایله
په لنډه توګه، د پای څخه تر پای پورې ممکن یو ژمن تخنیکي لاره وي، مګر دا چې مفهوم څنګه پلي کیږي ډیرې څیړنې ته اړتیا لري. زه فکر کوم چې د ډیټا او ماډل پیرامیټونو یوه ډله یوازینۍ سم حل نه دی ، او که موږ غواړو نورو ته مخه کړو ، موږ باید سخت کار ته دوام ورکړو.
د پوسټ وخت: اپریل-24-2024