การแข่งขันที่เกิดขึ้นในสวรรค์ของการขนส่ง: AI และรถยนต์ไร้คนขับ

ปัญญาประดิษฐ์ (AI) มีศักยภาพในการปฏิวัติวิธีที่เราขับเคลื่อนและขนส่งสินค้าและผู้คน รถยนต์ไร้คนขับหรือที่เรียกว่ายานยนต์ไร้คนขับเป็นยานพาหนะประเภทหนึ่งที่ใช้ AI และเทคโนโลยีขั้นสูงอื่นๆ เพื่อนำทางถนนและทางหลวงโดยไม่จำเป็นต้องมีคนขับ

รถยนต์ไร้คนขับมีประโยชน์หลายประการ ประการแรก พวกมันมีศักยภาพในการลดจำนวนอุบัติเหตุที่เกิดจากความผิดพลาดของมนุษย์ได้อย่างมาก สิ่งนี้อาจนำไปสู่การเสียชีวิตและการบาดเจ็บบนท้องถนนน้อยลง รถยนต์ไร้คนขับยังสามารถปรับปรุงการไหลของการจราจรและลดความแออัด เนื่องจากสามารถสื่อสารระหว่างกันและตัดสินใจได้แบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพเส้นทางและความเร็ว

นอกจากนี้ รถยนต์ไร้คนขับยังส่งผลดีต่อสิ่งแวดล้อมด้วยการลดการใช้เชื้อเพลิงและการปล่อยมลพิษ นอกจากนี้ยังสามารถเพิ่มความคล่องตัวสำหรับผู้ที่ไม่สามารถขับรถได้เนื่องจากอายุ ความพิการ หรือปัจจัยอื่นๆ

ปัญญาประดิษฐ์ใช้ในรถยนต์ไร้คนขับอย่างไร?

ยังมีความท้าทายอีกมากที่ต้องแก้ไขก่อนที่รถยนต์ไร้คนขับจะแพร่หลาย หนึ่งในความท้าทายหลักคือการพัฒนาระบบ AI ที่เชื่อถือได้และปลอดภัยเพียงพอที่จะใช้บนถนนสาธารณะ นอกจากนี้ยังมีประเด็นด้านกฎระเบียบ กฎหมาย และจริยธรรมที่ต้องพิจารณา เช่น วิธีการรับประกันความปลอดภัยของผู้โดยสารและคนเดินถนน และวิธีจัดการกับความรับผิดชอบในกรณีที่เกิดอุบัติเหตุ

แม้จะมีความท้าทายเหล่านี้ แต่การพัฒนารถยนต์ไร้คนขับก็กำลังก้าวไปข้างหน้าอย่างรวดเร็ว หลายบริษัท รวมทั้งผู้ผลิตรถยนต์แบบดั้งเดิมและบริษัทด้านเทคโนโลยี กำลังลงทุนอย่างมากในเทคโนโลยีนี้ และรถยนต์ไร้คนขับกำลังได้รับการทดสอบแล้วบนถนนสาธารณะในบางพื้นที่ มีแนวโน้มว่าเราจะเห็นรถยนต์ไร้คนขับบนท้องถนนในอนาคตอันใกล้นี้ แม้ว่าจะเป็นเรื่องยากที่จะคาดเดาได้แน่ชัดว่าเมื่อใดที่มันจะกลายเป็นเรื่องปกติ

ปัญญาประดิษฐ์ในอุตสาหกรรมยานยนต์

ต่อไปนี้เป็นวิธีที่ปัญญาประดิษฐ์ใช้ในรถยนต์ไร้คนขับ:

การรับรู้และการรับรู้

รถยนต์ไร้คนขับใช้เซนเซอร์หลายชนิด เช่น กล้อง ลิดาร์ เรดาร์ และเซนเซอร์อัลตราโซนิก เพื่อรวบรวมข้อมูลเกี่ยวกับสภาพแวดล้อม จากนั้นข้อมูลนี้จะถูกประมวลผลและวิเคราะห์โดยใช้อัลกอริทึม AI เพื่อสร้างแผนที่โดยละเอียดของสภาพแวดล้อมและระบุวัตถุ เช่น คนเดินถนน ยานพาหนะอื่นๆ สัญญาณไฟจราจร และป้ายบอกทาง

การตัดสินใจ

รถยนต์ไร้คนขับใช้ปัญญาประดิษฐ์ในการตัดสินใจแบบเรียลไทม์ตามข้อมูลที่รวบรวมจากเซ็นเซอร์ ตัวอย่างเช่น หากรถยนต์ที่ขับเองตรวจพบคนเดินเท้าที่กำลังข้ามถนน ระบบจะใช้ AI เพื่อกำหนดแนวทางการดำเนินการที่ดีที่สุด เช่น ชะลอความเร็วหรือหยุดรถ

การสร้างแบบจำลองเชิงคาดการณ์

รถยนต์ไร้คนขับใช้ AI เพื่อคาดเดาพฤติกรรมของผู้ใช้ถนนคนอื่นๆ เช่น คนเดินถนนและยานพาหนะอื่นๆ สิ่งนี้ช่วยให้รถคาดการณ์ถึงปัญหาที่อาจเกิดขึ้นและดำเนินการอย่างเหมาะสมเพื่อหลีกเลี่ยงปัญหาดังกล่าว

การประมวลผลภาษาธรรมชาติ

รถยนต์ขับเคลื่อนอัตโนมัติบางคันมีเทคโนโลยีจดจำเสียงที่ช่วยให้ผู้โดยสารสื่อสารกับรถได้โดยใช้ภาษาธรรมชาติ เทคโนโลยีนี้ใช้ AI เพื่อทำความเข้าใจและตอบสนองต่อคำสั่งที่พูด

โดยรวมแล้ว AI เป็นองค์ประกอบสำคัญของรถยนต์ไร้คนขับ ช่วยให้พวกเขารับรู้ รับรู้ และนำทางสภาพแวดล้อม ตลอดจนตัดสินใจและตอบสนองต่อสภาวะที่เปลี่ยนแปลงได้แบบเรียลไทม์

การเรียนรู้อย่างลึกซึ้งเกี่ยวกับรถยนต์ขับเคลื่อนด้วยตนเอง

การเรียนรู้เชิงลึกเป็นการเรียนรู้ของเครื่องประเภทหนึ่งที่เกี่ยวข้องกับการฝึกอบรมเครือข่ายประสาทเทียมในชุดข้อมูลขนาดใหญ่ โครงข่ายประสาทเทียมเหล่านี้สามารถเรียนรู้และจดจำรูปแบบในข้อมูล และสามารถใช้ในการทำงานต่างๆ มากมาย รวมถึงการรู้จำภาพและคำพูด การประมวลผลภาษาธรรมชาติ และการสร้างแบบจำลองเชิงทำนาย

ในบริบทของรถยนต์ไร้คนขับ การเรียนรู้เชิงลึกมักจะใช้เพื่อปรับปรุงความแม่นยำและความน่าเชื่อถือของระบบปัญญาประดิษฐ์ที่ช่วยให้รถสามารถนำทางและตัดสินใจได้ ตัวอย่างเช่น สามารถฝึกอัลกอริทึมการเรียนรู้เชิงลึกบนชุดข้อมูลรูปภาพและวิดีโอขนาดใหญ่เพื่อให้รถสามารถจดจำและจำแนกวัตถุในสภาพแวดล้อม เช่น คนเดินถนน ยานพาหนะอื่นๆ และป้ายจราจร

---

กรอบการเรียนรู้เชิงลึกของ PaddlePaddle ขยาย AI ไปสู่การใช้งานในอุตสาหกรรม

---

การเรียนรู้เชิงลึกยังใช้เพื่อปรับปรุงความแม่นยำของการสร้างแบบจำลองเชิงคาดการณ์ในรถยนต์ที่ขับเคลื่อนด้วยตนเอง ตัวอย่างเช่น รถยนต์สามารถใช้อัลกอริทึมการเรียนรู้เชิงลึกเพื่อวิเคราะห์ข้อมูลจากเซ็นเซอร์และทำนายความเป็นไปได้ที่คนเดินเท้าจะข้ามถนน ณ สถานที่ใดสถานที่หนึ่ง หรือโอกาสที่รถคันอื่นจะเปลี่ยนเลนกะทันหัน

ความสำคัญของ GDDR6 สำหรับรถยนต์ไร้คนขับ

GDDR6 (Graphics Double Data Rate 6) เป็นหน่วยความจำชนิดหนึ่งที่ใช้ในหน่วยประมวลผลกราฟิก (GPU) เพื่อจัดเก็บและประมวลผลข้อมูลสำหรับการเรนเดอร์กราฟิกและงานที่ต้องใช้การคำนวณสูงอื่นๆ ในบริบทของการขับขี่อัตโนมัติ GDDR6 มีความสำคัญเนื่องจากช่วยให้สามารถประมวลผลข้อมูลจำนวนมากด้วยความเร็วสูง ซึ่งจำเป็นสำหรับการทำงานของรถยนต์ไร้คนขับ

รถยนต์ไร้คนขับอาศัยเซ็นเซอร์ต่างๆ เช่น กล้อง, ลิดาร์, เรดาร์ และเซ็นเซอร์อัลตราโซนิก เพื่อรวบรวมข้อมูลเกี่ยวกับสภาพแวดล้อม จากนั้นข้อมูลนี้จะถูกประมวลผลและวิเคราะห์โดยใช้อัลกอริทึม AI เพื่อสร้างแผนที่โดยละเอียดของสภาพแวดล้อมและระบุวัตถุ เช่น คนเดินถนน ยานพาหนะอื่นๆ สัญญาณไฟจราจร และป้ายบอกทาง การประมวลผลและการวิเคราะห์ข้อมูลที่จำเป็นในการเปิดใช้งานงานเหล่านี้ต้องใช้การคำนวณสูง และต้องใช้หน่วยความจำความเร็วสูง เช่น GDDR6 เพื่อจัดเก็บและเข้าถึงข้อมูลอย่างรวดเร็ว

นอกเหนือจากการเปิดใช้งานการประมวลผลข้อมูลความเร็วสูงแล้ว GDDR6 ยังประหยัดพลังงานอีกด้วย ซึ่งเป็นสิ่งสำคัญสำหรับการทำงานของรถยนต์ไร้คนขับ เนื่องจากจำเป็นต้องสามารถใช้งานได้เป็นเวลานานโดยไม่ต้องชาร์จใหม่

โดยรวมแล้ว GDDR6 เป็นเทคโนโลยีที่สำคัญสำหรับอนาคตของการขับขี่อัตโนมัติ เนื่องจากช่วยให้สามารถประมวลผลข้อมูลจำนวนมากที่จำเป็นสำหรับการทำงานของรถยนต์ไร้คนขับได้อย่างรวดเร็วและมีประสิทธิภาพ

อัลกอริธึมปัญญาประดิษฐ์สำหรับยานยนต์และรถยนต์ที่ขับเคลื่อนด้วยตัวเอง

วิธีการเรียนรู้ทั้งภายใต้การดูแลและไม่ได้รับการดูแลถูกนำมาใช้ในอัลกอริทึม AI ของยานยนต์

การเรียนรู้ภายใต้การดูแล

การเรียนรู้ภายใต้การดูแลคือการเรียนรู้ของเครื่องประเภทหนึ่งซึ่งโมเดลได้รับการฝึกอบรมในชุดข้อมูลที่มีป้ายกำกับ ซึ่งหมายความว่าข้อมูลได้รับการติดป้ายกำกับด้วยเอาต์พุตที่ถูกต้อง เป้าหมายของการเรียนรู้แบบมีผู้สอนคือการเรียนรู้ฟังก์ชันที่จับคู่อินพุตกับเอาต์พุตตามข้อมูลที่มีป้ายกำกับ

ในระหว่างขั้นตอนการฝึกอบรม แบบจำลองจะถูกนำเสนอด้วยชุดของคู่อินพุต/เอาต์พุต และใช้อัลกอริธึมการปรับให้เหมาะสมเพื่อปรับพารามิเตอร์ภายใน เพื่อให้สามารถคาดการณ์เอาต์พุตที่ได้รับอินพุตใหม่ได้อย่างแม่นยำ เมื่อโมเดลได้รับการฝึกอบรมแล้ว จะสามารถใช้ทำนายข้อมูลใหม่ที่มองไม่เห็นได้

การเรียนรู้ภายใต้การดูแลมักใช้สำหรับงานต่างๆ เช่น การจำแนกประเภท (การทำนายป้ายกำกับคลาส) การถดถอย (การทำนายค่าต่อเนื่อง) และการทำนายแบบมีโครงสร้าง (การทำนายลำดับหรือผลลัพธ์ที่มีโครงสร้างเป็นต้นไม้)

การเรียนรู้ภายใต้การบังคับบัญชาสามารถใช้ในรถยนต์ที่ขับเคลื่อนด้วยตนเองได้หลายวิธี นี่คือตัวอย่างบางส่วน:

• การจดจำวัตถุ: สามารถใช้อัลกอริธึมการเรียนรู้ภายใต้การดูแลเพื่อฝึกโมเดลให้จดจำวัตถุในข้อมูลที่รวบรวมโดยเซ็นเซอร์ของรถยนต์ขับเคลื่อนอัตโนมัติ ตัวอย่างเช่น แบบจำลองสามารถฝึกให้รู้จักคนเดินถนน พาหนะอื่นๆ สัญญาณไฟจราจร และป้ายถนนในภาพหรือเมฆจุด Lidar
• การสร้างแบบจำลอง: สามารถใช้อัลกอริธึมการเรียนรู้ภายใต้การดูแลเพื่อฝึกแบบจำลองเพื่อทำนายความเป็นไปได้ของเหตุการณ์บางอย่างที่เกิดขึ้นในสภาพแวดล้อม ตัวอย่างเช่น แบบจำลองอาจได้รับการฝึกฝนเพื่อทำนายความเป็นไปได้ที่คนเดินเท้าจะข้ามถนน ณ สถานที่ใดสถานที่หนึ่ง หรือความเป็นไปได้ที่รถคันอื่นจะเปลี่ยนเลนอย่างกะทันหัน
• การทำนายพฤติกรรม: สามารถใช้อัลกอริธึมการเรียนรู้ภายใต้การดูแลเพื่อฝึกแบบจำลองเพื่อทำนายพฤติกรรมของผู้ใช้ถนนคนอื่นๆ เช่น คนเดินถนนและยานพาหนะอื่นๆ ตัวอย่างเช่น สามารถใช้ทำนายความเป็นไปได้ที่คนเดินถนนจะข้ามถนน ณ สถานที่ใดสถานที่หนึ่ง หรือทำนายความเป็นไปได้ที่รถคันอื่นจะเปลี่ยนเลนกระทันหัน

การเรียนรู้ที่ไม่มีผู้ดูแล

การเรียนรู้แบบไม่มีผู้ดูแลคือการเรียนรู้ของเครื่องประเภทหนึ่งซึ่งโมเดลได้รับการฝึกอบรมในชุดข้อมูลที่ไม่มีป้ายกำกับ หมายความว่าข้อมูลไม่ได้ติดป้ายกำกับด้วยเอาต์พุตที่ถูกต้อง เป้าหมายของการเรียนรู้แบบไม่มีผู้สอนคือการค้นหารูปแบบหรือความสัมพันธ์ในข้อมูล แทนที่จะทำนายผลลัพธ์เฉพาะ

อัลกอริทึมการเรียนรู้แบบไม่มีผู้ดูแลไม่มีเป้าหมายเฉพาะในการทำนาย และใช้เพื่อค้นหารูปแบบและความสัมพันธ์ในข้อมูลแทน อัลกอริทึมเหล่านี้มักใช้สำหรับงานต่างๆ เช่น การทำคลัสเตอร์ (การจัดกลุ่มจุดข้อมูลที่คล้ายกันเข้าด้วยกัน) การลดขนาด (ลดจำนวนคุณลักษณะในข้อมูล) และการตรวจจับความผิดปกติ (การระบุจุดข้อมูลที่ผิดปกติหรือไม่เหมาะสมกับส่วนที่เหลือของ ข้อมูล).

การเรียนรู้แบบไม่มีผู้ดูแลสามารถนำมาใช้ในรถยนต์ที่ขับเคลื่อนด้วยตนเองได้หลายวิธี นี่คือตัวอย่างบางส่วน:

• การตรวจจับความผิดปกติ: สามารถใช้อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลเพื่อระบุเหตุการณ์ที่ผิดปกติหรือไม่คาดคิดในข้อมูลที่รวบรวมโดยเซ็นเซอร์ของรถยนต์ขับเคลื่อนอัตโนมัติ ตัวอย่างเช่น สามารถใช้อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลเพื่อระบุคนเดินถนนที่กำลังข้ามถนนในสถานที่ที่ไม่คาดคิด หรือยานพาหนะที่เปลี่ยนเลนกระทันหัน
• การรวมกลุ่ม: สามารถใช้อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลเพื่อจัดกลุ่มข้อมูลที่รวบรวมโดยเซ็นเซอร์ของรถยนต์ขับเคลื่อนอัตโนมัติ โดยจัดกลุ่มจุดข้อมูลที่คล้ายกันไว้ด้วยกัน ตัวอย่างเช่น สามารถใช้เพื่อจัดกลุ่มจุดข้อมูลที่สอดคล้องกับพื้นผิวถนนประเภทต่างๆ หรือเพื่อจัดกลุ่มจุดข้อมูลที่สอดคล้องกับสภาพการจราจรที่แตกต่างกัน
• การแยกคุณสมบัติ: สามารถใช้อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลเพื่อดึงคุณสมบัติต่างๆ จากข้อมูลที่รวบรวมโดยเซ็นเซอร์ของรถยนต์ที่ขับเอง ตัวอย่างเช่น สามารถใช้อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลเพื่อระบุคุณลักษณะใน Lidar Point Cloud ที่ตรงกับขอบของวัตถุในสภาพแวดล้อม หรือเพื่อระบุคุณลักษณะในภาพที่ตรงกับขอบของวัตถุในฉาก

ระดับความเป็นอิสระในรถยนต์ไร้คนขับ

รถยนต์ไร้คนขับมักจัดประเภทตามระดับของระบบอัตโนมัติ ตั้งแต่ระดับ 0 (ไม่มีระบบอัตโนมัติ) ไปจนถึงระดับ 5 (อัตโนมัติเต็มรูปแบบ) ระดับของระบบอัตโนมัติถูกกำหนดโดยสมาคมวิศวกรยานยนต์ (SAE) และมีดังนี้:

ระดับ 0: ไม่มีระบบอัตโนมัติ

ผู้ขับขี่สามารถควบคุมรถได้อย่างสมบูรณ์ตลอดเวลา

ระดับ 1: ความช่วยเหลือคนขับ

รถยนต์มีฟังก์ชันอัตโนมัติบางอย่าง เช่น การรักษาช่องทางเดินรถหรือระบบควบคุมความเร็วคงที่แบบปรับได้ แต่ผู้ขับขี่จะต้องระมัดระวังและพร้อมที่จะเข้าควบคุมทุกเมื่อ

ระดับ 2: ระบบอัตโนมัติบางส่วน

รถยนต์มีฟังก์ชันอัตโนมัติที่ก้าวหน้ามากขึ้น เช่น ความสามารถในการควบคุมการเร่งความเร็ว การเบรก และการบังคับเลี้ยวของยานพาหนะ แต่ผู้ขับขี่ยังคงต้องตรวจสอบสภาพแวดล้อมและพร้อมที่จะเข้าแทรกแซงหากจำเป็น

ระดับ 3: ระบบอัตโนมัติแบบมีเงื่อนไข

ยานพาหนะสามารถดำเนินการขับขี่ได้ทั้งหมดภายใต้เงื่อนไขบางประการ แต่ผู้ขับขี่ต้องพร้อมที่จะเข้าควบคุมหากยานพาหนะเผชิญกับสถานการณ์ที่ไม่สามารถรับมือได้

ระดับ 4: ระบบอัตโนมัติระดับสูง

รถยนต์สามารถทำงานการขับขี่ได้ทั้งหมดภายใต้สภาวะที่หลากหลาย แต่ผู้ขับขี่อาจยังจำเป็นต้องควบคุมในบางสถานการณ์ เช่น ในสภาพอากาศเลวร้ายหรือในสภาพแวดล้อมการขับขี่ที่ซับซ้อน

ระดับ 5: ระบบอัตโนมัติเต็มรูปแบบ

รถยนต์สามารถทำงานการขับขี่ได้ทั้งหมดภายใต้เงื่อนไขใด ๆ และผู้ขับขี่ไม่จำเป็นต้องควบคุม

เป็นที่น่าสังเกตว่ารถยนต์ไร้คนขับยังไม่ถึงระดับ 5 และยังไม่ชัดเจนว่าจะถึงระดับนี้เมื่อใด รถยนต์ไร้คนขับส่วนใหญ่บนท้องถนนในปัจจุบันอยู่ในระดับ 4 หรือต่ำกว่า

รถยนต์ไร้คนขับ: ข้อดีและข้อเสีย

รถยนต์ไร้คนขับมีศักยภาพที่จะก่อให้เกิดประโยชน์มากมาย แต่ก็มีความท้าทายบางอย่างที่ต้องได้รับการแก้ไขก่อนที่จะแพร่หลาย

ข้อดี

• อุบัติเหตุที่ลดลง: รถยนต์ไร้คนขับมีศักยภาพในการลดจำนวนอุบัติเหตุที่เกิดจากความผิดพลาดของมนุษย์ได้อย่างมาก ซึ่งอาจนำไปสู่การเสียชีวิตและการบาดเจ็บบนท้องถนนน้อยลง
• ปรับปรุงการจราจร: รถยนต์ไร้คนขับสามารถปรับปรุงการไหลของการจราจรและลดความแออัดได้ด้วยการสื่อสารระหว่างกันและทำการตัดสินใจแบบเรียลไทม์เพื่อปรับเส้นทางและความเร็วให้เหมาะสมที่สุด
• เพิ่มความคล่องตัว: รถยนต์ไร้คนขับสามารถเพิ่มความคล่องตัวสำหรับผู้ที่ไม่สามารถขับรถได้เนื่องจากอายุ ความพิการ หรือปัจจัยอื่นๆ
• ประโยชน์ต่อสิ่งแวดล้อม: รถยนต์ไร้คนขับสามารถลดการใช้เชื้อเพลิงและการปล่อยมลพิษ ซึ่งอาจส่งผลดีต่อสิ่งแวดล้อม

จุดด้อย

• ข้อกังวลด้านความน่าเชื่อถือและความปลอดภัย: มีความกังวลเกี่ยวกับความน่าเชื่อถือและความปลอดภัยของรถยนต์ไร้คนขับ โดยเฉพาะอย่างยิ่งในสถานการณ์การขับขี่ที่ซับซ้อนหรือคาดเดาไม่ได้
• การสูญเสียงาน: รถยนต์ไร้คนขับอาจนำไปสู่การตกงานสำหรับคนขับ เช่น คนขับแท็กซี่และรถบรรทุก
• ประเด็นด้านจริยธรรมและกฎหมาย: มีประเด็นด้านจริยธรรมและกฎหมายที่ต้องพิจารณา เช่น วิธีการรับประกันความปลอดภัยของผู้โดยสารและคนเดินถนน และวิธีจัดการกับความรับผิดในกรณีที่เกิดอุบัติเหตุ
• ความเสี่ยงด้านความปลอดภัยทางไซเบอร์: รถยนต์ที่ขับเองอาจเสี่ยงต่อการถูกโจมตีทางไซเบอร์ ซึ่งอาจทำให้ความปลอดภัยและความเป็นส่วนตัวลดลงได้

ตัวอย่างรถขับเองในชีวิตจริง

มีตัวอย่างรถยนต์ไร้คนขับหลายคันที่กำลังพัฒนาหรือมีอยู่แล้วบนท้องถนน:

Waymo

Waymo เป็นบริษัทรถยนต์ไร้คนขับที่มี Alphabet บริษัทแม่ของ Google เป็นเจ้าของ รถยนต์ไร้คนขับของ Waymo กำลังได้รับการทดสอบบนถนนสาธารณะในหลายเมืองในสหรัฐอเมริกา รวมถึงเมืองฟีนิกซ์ รัฐแอริโซนา และเมืองดีทรอยต์ รัฐมิชิแกน

[เนื้อหาฝัง]

Tesla Autopilot

Tesla Autopilot เป็นระบบขับขี่กึ่งอัตโนมัติที่มีในเทสลาบางรุ่น แม้ว่ามันจะไม่ได้ขับเคลื่อนด้วยตัวเองอย่างสมบูรณ์ แต่ก็ช่วยให้รถสามารถจัดการกับงานการขับบางอย่างได้ เช่น การรักษาเลนและการเปลี่ยนเลน โดยได้รับข้อมูลจากคนขับน้อยที่สุด

[เนื้อหาฝัง]

ล่องเรือ

ล่องเรือ เป็นบริษัทรถยนต์ไร้คนขับที่มี General Motors เป็นเจ้าของ รถยนต์ไร้คนขับของครูซกำลังได้รับการทดสอบบนถนนสาธารณะในซานฟรานซิสโก แคลิฟอร์เนีย และฟีนิกซ์ รัฐแอริโซนา

[เนื้อหาฝัง]

แสงเงินแสงทอง

แสงเงินแสงทอง เป็นบริษัทรถยนต์ไร้คนขับที่กำลังพัฒนาเทคโนโลยีรถยนต์ไร้คนขับสำหรับการใช้งานที่หลากหลาย รวมถึงรถยนต์นั่งส่วนบุคคล รถส่งสินค้า และการขนส่งสาธารณะ รถยนต์ไร้คนขับของ Aurora ได้รับการทดสอบบนถนนสาธารณะในหลายเมืองในสหรัฐอเมริกา

[เนื้อหาฝัง]

ประเด็นที่สำคัญ

• ปัญญาประดิษฐ์มีบทบาทสำคัญในการพัฒนาและการทำงานของรถยนต์ไร้คนขับ
• AI ช่วยให้รถยนต์ที่ขับเคลื่อนด้วยตัวเองรับรู้ รับรู้ และนำทางสภาพแวดล้อม ตลอดจนทำการตัดสินใจแบบเรียลไทม์โดยอิงจากข้อมูลที่รวบรวมจากเซ็นเซอร์
• การเรียนรู้เชิงลึกซึ่งเป็นการเรียนรู้ของเครื่องประเภทหนึ่งที่เกี่ยวข้องกับการฝึกอบรมเครือข่ายประสาทเทียมบนชุดข้อมูลขนาดใหญ่ มีการใช้กันอย่างแพร่หลายในการพัฒนารถยนต์ที่ขับเคลื่อนด้วยตัวเอง
• รถยนต์ไร้คนขับมักจัดประเภทตามระดับของระบบอัตโนมัติ ตั้งแต่ระดับ 0 (ไม่มีระบบอัตโนมัติ) ไปจนถึงระดับ 5 (อัตโนมัติเต็มรูปแบบ)
• รถยนต์ไร้คนขับส่วนใหญ่ที่ขับอยู่บนท้องถนนในปัจจุบันอยู่ในระดับ 4 หรือต่ำกว่า ซึ่งหมายความว่ารถเหล่านี้สามารถทำหน้าที่ขับเคลื่อนได้ทั้งหมดภายใต้เงื่อนไขบางประการ แต่ผู้ขับขี่ต้องพร้อมที่จะเข้าควบคุมหากจำเป็น
• รถยนต์ไร้คนขับมีศักยภาพในการลดจำนวนอุบัติเหตุที่เกิดจากความผิดพลาดของมนุษย์ได้อย่างมาก ซึ่งอาจนำไปสู่การเสียชีวิตและการบาดเจ็บบนท้องถนนน้อยลง
• รถยนต์ไร้คนขับสามารถปรับปรุงการไหลของการจราจรและลดความแออัดได้ด้วยการสื่อสารระหว่างกันและตัดสินใจแบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพเส้นทางและความเร็ว
• รถยนต์ไร้คนขับสามารถเพิ่มความคล่องตัวสำหรับผู้ที่ไม่สามารถขับรถได้เนื่องจากอายุ ความพิการ หรือปัจจัยอื่นๆ
• รถยนต์ไร้คนขับสามารถลดการใช้เชื้อเพลิงและการปล่อยมลพิษ ซึ่งอาจส่งผลดีต่อสิ่งแวดล้อม
• มีความท้าทายที่ต้องแก้ไขก่อนที่รถยนต์ไร้คนขับจะแพร่หลาย รวมถึงการพัฒนาระบบปัญญาประดิษฐ์ที่เชื่อถือได้และปลอดภัยเพียงพอสำหรับการใช้งานบนถนนสาธารณะ ตลอดจนประเด็นด้านกฎระเบียบ กฎหมาย และจริยธรรม

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
• ที่มา: https://dataconomy.com/2022/12/artificial-intelligence-and-self-driving/