Η τεχνολογία στα καλύτερά της για κάθε φίλο της οδήγησης. Η Porsche, σε συνεργασία με την εταιρεία Way Ahead Technologies, παρουσιάζει το εξαιρετικά καινοτόμο πρόγραμμα «Virtual Roads», το οποίο έρχεται να αποδείξει πως η τεχνητή νοημοσύνη και η οδήγηση είναι πλέον δύο έννοιες συνυφασμένες, ακόμα και στη διασκέδαση.
Πώς λειτουργεί;
Ο οδηγός τοποθετεί το smartphone του στο παρμπρίζ του αυτοκινήτου του και μέσω της εφαρμογής (και φυσικά της κάμερας) καταγράφει την αγαπημένη του διαδρομή. Το σύστημα αποθηκεύει τα δεδομένα και μεταφέρει το υλικό σε videogame οδήγησης, όπου ο οδηγός μπορεί αργότερα να «τρέξει» ψηφιακά τον δρόμο που βιντεοσκόπησε.
Το ακόμα πιο εντυπωσιακό επίτευγμα σε όλο αυτό είναι πως το πρόγραμμα ψηφιοποιεί τον δρόμο με απίστευτη ταχύτητα, της τάξεως των 8 χλμ. ανά μία ώρα, νούμερο που μπορεί να είναι ακόμα πιο μεγάλο σε μια απλή διαδρομή χωρίς πολλά δεδομένα.
Το λογισμικό είναι σε θέση να καταγράφει τα πάντα, αφήνοντας όμως εκτός της ψηφιοποίησης δεδομένα όπως πεζοί και πινακίδες κυκλοφορίας των άλλων αυτοκινήτων, για λόγους προστασίας προσωπικών δεδομένων. Ο χάρτης που θα δημιουργείται θα έχει μέχρι και… τις λακκούβες του δρόμου, ενώ ακόμα δεν έχει γνωστοποιηθεί με ποια παιχνίδια racing θα συνεργάζεται η εν λόγω εφαρμογή της Porsche.
Πηγή: Zougla.gr
Τις δυνατότητες της Τεχνητής Νοημοσύνης (ΑΙ) αξιοποιεί η Volvo
Τις δυνατότητες της Τεχνητής Νοημοσύνης (ΑΙ) αξιοποιεί η Volvo για τη δημιουργία εικονικών κόσμων που της επιτρέπουν να εξελίξει περαιτέρω το λογισμικό ασφαλείας των οχημάτων της, συμπεριλαμβανομένων των συστημάτων υποβοήθησης οδηγού (ADAS). Συνδυάζοντας τα δεδομένα που έχουν συλλέξει οι αισθητήρες των οχημάτων της από πραγματικά περιστατικά, όπως τα φρεναρίσματα έκτακτης ανάγκης και οι απότομοι ελιγμοί, η σουηδική αυτοκινητοβιομηχανία μπορεί να προβλέψει δυνητικά επικίνδυνες καταστάσεις και να βελτιστοποιήσει τα συστήματα υποβοήθησης. Αυτό καθίσταται εφικτό μέσω της τεχνικής Gaussian splatting που επιτρέπει τη δημιουργία ρεαλιστικών τρισδιάστατων περιβάλλοντων. Μέσα σε αυτά μπορεί να τροποποιήσει τις συνθήκες προσομοίωσης, προσθέτοντας ή αφαιρώντας οχήματα, πεζούς, εμπόδια ή αλλάζοντας τα κυκλοφοριακά δεδομένα.
Κατ’ αυτόν τον τρόπο έχει τη δυνατότητα να δημιουργήσει χιλιάδες διαφορετικά σενάρια και να αξιολογήσει το λογισμικό ασφαλείας της σε ακραίες μεν αλλά ρεαλιστικές συνθήκες. Επιπλέον, αυτή η προσέγγιση επιτρέπει στη Volvo να συρρικνώσει σημαντικά τον απαιτούμενο χρόνο για τη δοκιμή των συστημάτων υποβοήθησης στα εν λόγω σενάρια, μειώνοντάς τον από μήνες σε μόλις λίγες ημέρες. Αυτά τα εικονικά περιβάλλοντα αναπτύσσονται εσωτερικά (in-house) σε συνεργασία με τη Zenseact, μια εταιρεία Τεχνητής Νοημοσύνης και λογισμικού που ιδρύθηκε από τη Volvo Cars. Η πρωτοβουλία αποτελεί, επίσης, τμήμα μιας ερευνητικής διδακτορικής διατριβής από κορυφαία σουηδικά πανεπιστήμια η οποία εξετάζει τη δυνητική ενσωμάτωση τεχνικών νευρωνικής απεικόνισης (neural rendering) σε μελλοντικά συστήματα ασφαλείας.
Η Volvo διατηρεί μακρά ιστορία στη χρήση δεδομένων για τη βελτίωση της οδικής ασφάλειας, έχοντας καταφέρει να εξελίξει μερικά από τα πιο αποτελεσματικά συστήματα. Ήδη από τη δεκαετία του 1970, η ομάδα Έρευνας πάνω στην Ασφάλεια της μάρκας μετέβαινε στη σκηνή ατυχημάτων με μετροταινίες, καταγράφοντας ίχνη φρεναρίσματος και άλλους δείκτες σύγκρουσης. Αυτά τα δεδομένα οδήγησαν σε πολλές σωτήριες καινοτομίες όπως το σύστημα αποτροπής πρόκλησης τραυματισμού στον αυχένα (Whiplash Injury Protection System) και το σύστημα προστασίας από πλευρικές συγκρούσεις (Side Impact Protection System). Σήμερα, με τη χρήση προηγμένης τεχνολογίας, η Volvo μπορεί να αξιοποιεί τα δεδομένα με ακόμα πιο «έξυπνο» και αποτελεσματικό τρόπο, προβλέποντας ακόμα περισσότερες δυνητικά επικίνδυνες καταστάσεις.
Η Volvo μπορεί να εξερευνήσει τεχνολογίες όπως το Gaussian splatting (μέθοδος απεικόνισης που στοχεύει στην αντιμετώπιση των προκλήσεων οι οποίες σχετίζονται με την αναπαράσταση χώρων) χάρη στη διευρυμένη συνεργασία της με τη NVIDIA. Η νέα γενιά αμιγώς ηλεκτρικών μοντέλων της Volvo -επικουρούμενα από την υπολογιστική τεχνολογία της NVIDIA, συλλέγουν δεδομένα από μια πληθώρα αισθητήρων, αποκτώντας ακόμα καλύτερη γνώση για τον περιβάλλοντα χώρο του οχήματος.