فورد بخش جدیدی را برای هوش مصنوعی و خودمختاری ایجاد می کند

در این مقاله، می‌خواهم اخباری را از فورد در مورد هوش مصنوعی جدید و بخش خودروهای خودمختارش با نام Latitude AI به اشتراک بگذارم. اما، برای درک اینکه چرا این یک حرکت مهم است، ابتدا باید به تاریخچه خودروهای خودران نگاه کنیم.

برخی سابقه

به نظر می رسد چندی پیش ایده ماشینی که اصلاً خودش رانندگی کند به داستان های علمی تخیلی محدود شده بود و یکی از محبوب ترین نمونه های آن کیت بود. شوالیه سوار. اما در پشت صحنه کار بر روی وسایل نقلیه خودران قبلاً از سال 1939 و احتمالاً قبل از آن ادامه داشت.

تا قبل از سال 1939، تنها خودروهایی که بدون راننده وارد جاده شده بودند، با وسایل نقلیه کنترل از راه دور شروع به کار کردند، برخی از آنها با خودرویی که پشت رادیو کنترل دنبال می‌شد تا مطمئن شوند سیگنال خوبی دریافت می‌کردند. خودرویی بدون اینکه کسی آن را کنترل کند برای اولین بار در نمایشگاه جهانی در سال 1939 ظاهر شد، با نمایشگاه Futurama که توسط جنرال موتورز حمایت می شد، اتومبیل هایی را که توسط فرستنده هایی که در جاده ها قرار داده شده بودند، به نمایش گذاشت.

نورمن بل گدس، غرفه‌دار، طراح و آینده‌نگر آمریکایی بود که چشم‌انداز خود را برای آینده حمل‌ونقل در کتاب خود در سال 1940 بیان کرد. بزرگراه های جادویی. او استدلال می‌کرد که جاده‌های آینده باید به‌گونه‌ای طراحی شوند که وسایل نقلیه را قادر سازند از طریق سیستمی از حسگرها، رادار، دوربین‌ها و رایانه‌ها رانندگی کنند. چشم انداز Bel Geddes شامل سیستم های هدایت و کنترل خودکار در بزرگراه ها بود که منجر به بهبود ایمنی، راحتی و راحتی برای رانندگان و همچنین کارایی بیشتر در زمان سفر می شود. علاوه بر این، او پیش‌بینی کرد که این سیستم رانندگی خودکار تا سال 1960 به واقعیت تبدیل شود.

در سال 1953، آزمایشگاه های RCA با موفقیت سیستمی را با یک ماشین مینیاتوری ایجاد کردند که توسط سیم هایی که به صورت الگویی روی کف آزمایشگاه گذاشته شده بود هدایت و کنترل می شد. این سیستم از Leland M. Hancock، مهندس ترافیک در دپارتمان راه های نبراسکا، و مدیر او، LN Ress، مهندس ایالتی الهام گرفت تا با این سیستم در تاسیسات بزرگراهی آزمایش کنند. آزمایش‌های آن‌ها شامل استفاده از لغزش‌های فلزی یا سیم‌های تعبیه‌شده در روسازی بود که به عنوان نشانگر خودروها عمل می‌کردند تا به‌طور مستقل دنبال شوند، و آزمایش‌ها موفقیت‌آمیز بود.

در طول دهه‌های 1950 و 1960، جنرال موتورز Firebirds خود را به نمایش گذاشت، مجموعه‌ای از اتومبیل‌های آزمایشی که دارای یک «سیستم راهنمای الکترونیکی» بودند که می‌توانست به طور مستقل خودرو را در حالی که راننده آرام است کنترل کند. علاوه بر این، سیستم‌های کمک رادار با عملکرد ترمز اضطراری در خودروهای مفهومی توسط شرکت‌های بزرگ در این دوره معرفی شدند. خودروی مفهومی FX Atomos فورد دارای یک "Roadarscope" مجهز به رادار بود که اطلاعات تصویری را در اختیار رانندگان قرار می داد. جنرال موتورز همچنین در سال 1959 یک ویژگی کمکی ترمز اضطراری را در کادیلاک سیکلون خود نشان داد که توسعه فناوری های خودران را بیشتر کرد.

تا دهه 1980 طول کشید تا آزمایش‌کنندگان از جاده‌های خاص و سیم‌ها یا فرستنده‌های تعبیه‌شده دور شوند.

در سال 1987، ارنست دیکمن و تیمش در دانشگاه بوندس‌ور مونیخ در مونیخ، آلمان، با طراحی یک وانت روباتیک مرسدس بنز با هدایت بینایی که می‌توانست به سرعت 59.6 مایل در ساعت (95.9 کیلومتر در ساعت) در خیابان‌های بدون حرکت دست یابد، به نقطه عطفی دست یافتند. ترافیک موفقیت این پروژه جرقه پروژه 749,000,000 یورویی EUREKA Prometheus را زد که از سال 1987 تا 1995 اجرا شد و بر تحقیق در مورد وسایل نقلیه خودران متمرکز بود. در طول این مدت، دارپا پروژه خودروهای خودران زمینی (ALV) را در ایالات متحده تامین مالی کرد که با دانشگاه ها و شرکت های تحقیقاتی مختلف برای توسعه فناوری های جدید برای وسایل نقلیه خودران همکاری کرد. این شامل توسعه لیدار، بینایی کامپیوتری و کنترل رباتیک مستقل بود که به ALV اجازه می داد تا با سرعت 19 مایل در ساعت (31 کیلومتر در ساعت) رانندگی کند. آزمایشگاه‌های HRL (آزمایشگاه‌های تحقیقاتی هیوز سابق) همچنین نقشه‌های خارج از جاده و ناوبری مستقل مبتنی بر حسگر را با استفاده از ALV در سال 1987 نشان دادند. این یک دستاورد بزرگ بود، زیرا وسایل نقلیه روباتیک را قادر می‌سازد تا زمین‌های پیچیده سرسختانه از جمله شیب‌های تند، دره‌ها، صخره‌های بزرگ، و پوشش گیاهی با حداکثر سرعت 1.9 مایل در ساعت (3.1 کیلومتر در ساعت).

پیشرفت در این زمینه در دهه 1990 ادامه یافت، اما از هیچ یک از این آزمایش‌ها نیز هیچ چیز تجاری در دسترس نبود.

یکی از کاتالیزورهای بزرگ برای صحنه AV امروز از DARPA آمد. چالش بزرگ DARPA رویدادی بود که توسط آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی (دارپا) در سال‌های 2004 و 2005 برای ترویج توسعه خودروهای خودران برگزار شد. این یک چالش آشکار بود که هدف آن تشویق توسعه فناوری خودروهای بدون راننده و شروع تحقیقات در این زمینه بود. این رویداد شامل یک سری مسابقات برای وسایل نقلیه بدون سرنشین زمینی و هوایی در زمین‌ها و مسیرهای مختلف بود که تیم‌ها برای دریافت جوایز پولی با هم رقابت می‌کردند. این رقابت‌ها فشار عمومی را بر تولیدکنندگان خودرو و شرکت‌های فناوری برای سرمایه‌گذاری در توسعه فناوری‌های خودروهای خودمختار وارد می‌کند که منجر به پیشرفت‌های سریع در این زمینه در طول سال‌ها شد.

موفقیت این رویدادها در نهایت منجر به ظهور فناوری وسایل نقلیه خودران در زندگی روزمره شد، مانند اتومبیل های خودران، اتوبوس ها، هواپیماهای بدون سرنشین تحویلی و غیره. بسیاری از محققان برتر در این زمینه یا خودشان در این رویداد شرکت کردند یا از کسانی که این کار را انجام دادند آموختند.

چه همه اینها مشترک است

نکته اصلی رایج از همه اینها این است که به نظر نمی رسد چیزی به پیچیدگی یک خودروی خودران از طریق شیوه های توسعه سنتی خودروسازان اتفاق بیفتد. برای بیش از 100 سال، پیشرفت‌ها در ماشین‌ها هر بار یک اختراع مکانیکی انجام می‌شد، با نرم‌افزارهای پایه برای چیزهایی مانند کنترل‌های موتور که از دهه 1970 ذره ذره در صحنه ظاهر شدند. تامین مالی و مدیریت بهبود تدریجی کوچک آسان است، اما چیزی به همان اندازه که استقلال اساساً متفاوت است، نیازمند رویکردی اختصاصی است که سودی برای سه ماهه بعدی یا حتی سال آینده ایجاد نمی کند.

چگونه فورد تصمیم به مقابله با این گرفت

فورد برای انجام تلاش‌های طولانی‌مدت اختصاصی مورد نیاز برای رساندن ربات‌ها به جاده، Latitude را تشکیل داد، تیمی پیشرو از متخصصان یادگیری ماشین، رباتیک، نرم‌افزار، حسگر، مهندسی سیستم‌ها و عملیات. این استخدام با هدف گسترش تلاش‌های توسعه فورد در زمینه فناوری رانندگی خودکار انجام می‌شود. در حال حاضر، این شرکت با سیستم BlueCruise خود که بیش از 50 میلیون مایل رانندگی بدون هندز را جمع آوری کرده است، پیشرفت چشمگیری داشته است.

داگ فیلد، مدیر ارشد توسعه محصول و فناوری پیشرفته در شرکت خودروسازی فورد گفت: «ما فناوری رانندگی خودکار را فرصتی برای بازتعریف رابطه بین مردم و وسایل نقلیه‌شان می‌دانیم. «مشتریانی که از BlueCruise استفاده می کنند، در حال حاضر مزایای رانندگی بدون دست را تجربه می کنند. تجربه و استعداد عمیق در تیم Latitude ما به ما کمک می کند تا توسعه فناوری رانندگی خودکار کاملاً جدید را تسریع کنیم - با این هدف که نه تنها سفر را ایمن تر، کم استرس تر و لذت بخش تر کنیم، بلکه در نهایت به مرور زمان بخشی از روز را به مشتریان خود ارائه دهیم. بازگشت."

یکی از چیزهایی که به آنها شروعی دوام داد این بود سرمایه گذاری قبلی آنها در هوش مصنوعی Argo. فورد بیش از 550 کارمند از هوش مصنوعی Argo را استخدام کرده است تا به تیم Latitude بپیوندند و تجربه خود را در رانندگی خودکار به همراه داشته باشند. این شامل تخصص در زمینه هایی مانند یادگیری ماشینی، رباتیک، پلتفرم های ابری، نقشه برداری، سنسورها و سیستم های محاسباتی، عملیات تست، مهندسی سیستم ها و مهندسی ایمنی است. این تیم از این مهارت ها برای تمرکز بر توسعه سیستم های پیشرفته کمک راننده (ADAS) استفاده کرده است.

سامی عمری، مدیر اجرایی ADAS Technologies در فورد، به عنوان مدیر عامل Latitude فعالیت می کند. پیتر کار به عنوان مدیر ارشد فناوری برای نظارت بر توسعه محصول و فنی منصوب می شود، در حالی که دیوید گلوب نقش رئیس جمهور را با مسئولیت عملیات تجاری بر عهده می گیرد.

رهبر Latitude AI، سامی عمری. تصویر ارائه شده توسط فورد.

عمری گفت: «ما بر این باوریم که فناوری رانندگی خودکار به بهبود ایمنی کمک می‌کند و در عین حال تجربه‌های جدید مشتری را که استرس را کاهش می‌دهد، باز می‌کند و در آینده به آزاد کردن زمان راننده برای تمرکز روی انتخاب‌شان کمک می‌کند.» "تخصص تیم Latitude، تیم جهانی ADAS داخلی فورد را در توسعه فناوری‌های کمک راننده آینده تکمیل و تقویت خواهد کرد و در نهایت مزایای بسیاری از اتوماسیون را به همراه خواهد داشت."

دفتر مرکزی Latitude در پیتسبورگ، با مراکز مهندسی واقع در دیربورن، میشیگان قرار دارد. و پالو آلتو، کالیفرنیا. این شرکت همچنین یک مرکز آزمایش سرعت بزرگراه در گرین‌ویل، کارولینای جنوبی را راه‌اندازی می‌کند.

تصویر ویژه ارائه شده توسط فورد.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• ضرب کردن آینده با آدرین اشلی. دسترسی به اینجا.
• منبع: https://cleantechnica.com/2023/04/19/ford-establishes-new-division-for-ai-autonomy/