آرشیو برچسب: راهکارهای هوشمند

مقالات

وضعیت بازار روبات های صنعتی در سال 2018 و 2019

Posted on by مدیر

سال 2018 برای کل صنعت روباتیک سالی پر از اتفاق بوده است. از تعطیلی روبات های گروه ریثینک (Rethink Robotics) گرفته تا محصولات هیجان انگیزی چون روبات های بوستون (Boston Robotics) و راه اندازی خودروهای خودرانی چون ویمو (Waymo)، این صنعت فراز و فرودهای فراوانی را تجربه کرده است.

به ویژه اینکه روبات های صنعتی شاهد نرخ بکارگیری بیشتری در طول سال گذشته بوده اند. طبق گزارش فدراسیون جهانی روباتیک (IFR﴾، تنها در سال 2017 حدود 380.550 واحد دستگاه به فروش رسیده است که این نرخ حدود 29 درصد بیشتر از نرخ سال گذشته خود بوده است. در رتبه نخست چین و به دنبال آن آمریکا و آلمان جزء برترین ها در این زمینه بوده اند. از آنجایی که باید منتظر گزارش نهایی سال 2018 ماند، انتظار میرود که این نرخ در سال 2018 افزایش یافته و شاهد رشد بیشتری باشد.

در رابطه با روندهای اصلی سال 2018، مدیر محصول روباتیک در شرکت گروه آب ب به نکاتی کلیدی اشاره نموده که به شرح زیر است :

1. حجم کمتر، تنوع بیشتر

آن روزها که تولید محصولات تنها به تولید یک محصول منفرد در حجم بالا محدود میشد گذشته است. امروزه، تاکید بیشتری روی حجم کمتر و تنوع بیشتر قرار دارد.

ادامه یافتن تغییر حرکت از تولید حجم بالایی از یک محصول به سوی تولید حجم پایین تر و با تنوع بیشتر از آن – یعنی «سفارشی سازی در حجم بالا» – به قاعده ای جدید در صنایع مختلف ﴿از صنایع خودروسازی گرفته تا صنایع الکترونیک و یا حتی صنایع غذایی﴾ تبدیل شده است. این بدان معناست که برای تطابق یافتن با گستره ی بزرگتری از محصولات و پکیج های موجود در یک خط تولید واحد و برای جابجایی وتغییر مسیر سریع بین محصولات، کارخانجات باید انعطاف پذیرتر از قبل عمل کنند. بسیاری از تولیدکنندگان درگیر این موضوع هستند و راه حل های خودکارسازی قدیمی و ثابت شده را دیگر به اندازه ی کافی انعطاف پذیر نمیبینند که بتوانند آنها را در برابر تمام این تغییرات بروز نگه دارند.

2. انعطاف پذیری بیشتر

این تغییر تمرکز و فشارهای وارده از سوی آن باعث میشود که سرمایه گذاری های بیشتری روی راهکارهای خودکارسازی روباتی که کارآمدتر و انعطاف پذیرترند و همچنین در صنایع سبکتری چون صنایع غذایی، صنایع تولید نوشیدنی ها و یا صنایع تولید وسایل الکترونیکی صورت بگیرد.

در گذشته در صنایع تولید مواد غذایی و نوشیدنی ها از روبات ها جهت خودکارسازی فرآیندهای ساده تری چون پر کردن پکیج های روی پالت استفاده میشده است. اما در حال حاضر از روبات ها جهت فرآیندهای با ارزش بالاتری استفاده میشود؛ یکی از این فرآیندها، تولید مستقیم ماده ی غذایی است. در صنایع الکترونیک که سفارشی سازی در حجم بالا صورت میگیرد، روبات ها در حال کمک به حفظ تعادل بین ضروریاتی چون انعطاف پذیری، کیفیت بالا و چرخه های زمانی سریع هستند.

3. تاثیر نیروهای کاری

سرمایه گذاری روی سیستم های خودکارسازی تحت تاثیر تغییرات صورت گرفته در نیروهای کاری قرار دارد. بسیاری از کشورهای امروزی با یک «بمب ساعتی جمعیتی» روبرو هستند – این کشورها دارای جمعیتی سالخورده اند که در حال نزدیک شدن به سن بازنشستگی هستند و این درحالی است که افراد جوان خواهان چالش هایی هستند که از لحاظ ذهنی سودمند باشند نه از لحاظ فیزیکی. بسیاری از کشورها در حال حاضر کمبود نیروهای کاری و شکاف های مهارتی را تجربه می کنند و یا در سال های پیش رو تجربه خواهند کرد.

افراد نسبت به انجام کارهای کسل کننده، کثیف، خطرناک و یا حساس تمایل کمتری دارند. بسیاری از تولیدکنندگان در حال استفاده از دستگاه های خودکار هستند تا کمبود نیروهای کاری خود را جبران کنند؛ مخصوصا برای تطابق یافتن با تقاضاهای بالا و یا در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردارند. روزهای جستجو برای نیروهای کار ارزان از سراسر جهان به پایان رسیده است – تولیدکنندگان جهانی باید قادر به تولید مستمر و نزدیک به کاربران نهایی باشند.

4. تکنولوژی رو به تکامل

در آخر روبات های صنعتی نیز تحت تاثیر تقاضا برای تکنولوژی های جدید قرار دارند. به عنوان مثال حتی در صنایع جاافتاده و به شدت اتوماتیکی چون خودروسازی، سرمایه گذاری مداوم با توجه به نیاز برای یک گذار موثر از وسایل نقلیه با موتور احتراق داخلی به سوی وسایل نقلیه الکتریکی صورت میگیرد.

انجام این کار نیازمند فرآیندهای تولید جدید در حوزه های قدیمی همچون سامانه تولید و انتقال نیرو و همچنین فرآیندهای کاملا جدیدی در حوزه هایی چون اتوماسیون سوار کردن باتری است که امری بسیار پیچیده بوده و نیازمند تطابق یافتن با بسیاری از دیزاین های مختلف است. همچنین تولیدکنندگان خودروها به دنبال روبات هایی هستند که به خودکارسازی آن بخش هایی از تولید که پیشتر به صورت دستی انجام میشده اند – همچون پاکسازی نهایی و سر هم کردن اجزای خودرو – بپردازند. در گذشته این امر مستلزم اقداماتی بوده است که برای خودکارسازی بسیار دشوار بوده اند؛ این اقدامات شامل متصل کردن تمامی بخش های الکترونیکی و حساس یک خودرو میشوند.

5. آینده ی روبات های صنعتی – 2019

روبات های صنعتی بیشتر از هر زمان دیگری در حال شهرت یافتن هستند، چرا که با تداوم افزایش هزینه  های نیروهای کاری، مشتریان بیشتر از هر زمان دیگری در حال پی بردن به مزایای استفاده از روبات ها هستند. طبق گزارش های ارائه شده توسط مرکز پژوهشی آی.دی.سی (IDC﴾ انتظار میرود که در سال 2019 بودجه ی صرف شده در بخش روبات  و پهبادها، 17.6 درصد بیشتر از میزان بودجه ی صرف شده در سال 2018 باشد. علاوه بر این، تا سال 2022 نرخ رشد مرکب سالانه ای بیش از 20 درصد پیش بینی میگردد.

طبق پیش بینی گروه  آب ب که یکی از فعالان اصلی در زمینه ی روبات های صنعتی است، انتظار میرود که در سال جاری در سه زمینه اصلی تغییراتی اساسی به وقوع بپیوندد.

5.1. ساده سازی

آن روزها که روبات های صنعتی نیازمند فرآیندهای نصب و عملیاتی پیچیده بوده  اند و باید در جایگاه های جداگانه نگهداری میشده اند به پایان رسیده است. با کمک چند نوآوری جدید، ماشین ها به قدری ساده شده اند که میتوانند بدون برانگیختن مسائل امنیتی به کار در کنار انسانها بپردازند.

طبق پیش بینی گروه آب ب، ساخت روبات هایی که برای نصب، برنامه ریزی و داشتن کارایی آسانتر هستند در این سال افزایش پیدا خواهد کرد. برنامه ریزی شماتیک ﴿PbD)، استفاده از ابزارهایی چون تکنولوژی های واقعیت افزوده یا واقعیت مجازی و همچنین رابط های کاربری بهتر میان انسانها و روبات ها از جمله مثال هایی هستند که میتوان به آنها اشاره نمود. در علم کامپیوتر، برنامه ریزی شماتیک به یک تکنیک برنامه ریزی ساده برای کاربران معمولی اطلاق میشود؛ در این تکنیک با کمک نمایش شماتیک امر مربوطه، رفتارهای جدید به کامپیوتر یا روبات آموزش داده میشود تا بدین شکل به جای برنامه ریزی آنها از طریق دستورات ماشینی، این برنامه ریزی به صورت مستقیم به آنها منتقل شود. این موضوع مخصوصا در شرکت های با سایز کوچک تا متوسط از اهمیت بالایی برخوردار است؛ در این نوع شرکت ها، کمبود تجربه ی روباتی به عنوان یک مانع کلیدی برای ورود به بازار تلقی میگردد. امر ساده سازی برای تولیدکنندگان بزرگ جهانی نیز از اهمیت بالایی برخوردار است؛ تولیدکنندگانی که فارغ از منابع انسانی حاضر در محل خود، خواهان بازگشایی کارخانه جاتی با کیفیت ثابت در این محل هستند.

اهمیت چنین پیشرفتی به شدت در حال افزایش است، چرا که روز به روز تولیدکنندگان بیشتری با کمبود کارگران راغب مواجه هستند؛ به عنوان مثال در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردار است، سیستم های خودکارسازی پیچیده باید عملکردی ساده پیدا کنند تا دیگر نیازی به آموزش گسترده کارگران جدید نباشد.

5.2. همکاری

علاوه بر آنچه گفته شد، صنعت روبات سازی شاهد افزایش کاربری هایی (نه فقط روبات های همکار) خواهد بود که به افراد و روبات ها اجازه میدهد تا بیشتر از قبل به تعامل با یکدیگر بپردازند؛ این تعاملات از همزیستی امن در یک فضای مشترک گرفته تا همکاری روی وظایف و کارهای مشترک متغیر است. روبات های همکار تا به حال باعث وقوع انقلابی در شیوه ی عملکرد روبات ها در کارخانه جات شده اند.

برای انعطاف پذیری بیشتر در تولید و جهت تطبیق با تولید ترکیبی در حجم بالا و پایین، همکاری امری لازم و ضروری است. افراد میتوانند قدرت بینظیر خود را برای سازگاری یافتن با تغییرات و تولید اضافه کنند، این در حالی است که روبات ها طاقت خستگی ناپذیر خود را برای انجام کارهای تکراری به این همکاری اضافه میکنند. همزیستی امن روز به روز اهمیت بالاتری پیدا میکند، چرا که تولید ترکیبی در حجم بالا یا پایین به این معناست که افراد باید در نزدیکی روبات ها و به صورت پراکنده و متناوب کار کنند؛ از این نوع همکاری میتوان به آوردن اجناس مختلف برای روبات ها، تغییر برنامه  ها و بررسی و کنترل چرخه های جدید اشاره نمود.

بسیاری از تولیدکنندگان در حال کلنجار رفتن با ایجاد تعادل بین لزوم امنیت و نیاز به کارکرد روبات ها با حداکثر سرعت هستند. یکی از مزیت های افزوده ی همزیستی انسانها/ رباتها این است که باعث جریان های تولید انعطاف پذیرتری در کارخانه جات شده که قادر به عبور از سد حصارهای امنیتی هستند. به عنوان مثال، دیگر لازم نیست که کالاها به دنبال خطوط مونتاژ دقیق و یک راست باشند – این کالاها میتوانند از طریق یک کارخانه به سمت کاربری های مختلف ایجادشده حرکت کنند-  گاهی اوقات تنها یک محوطه ی کوچک نیز کافی است.

5.3. دیجیتال سازی

در حال حاضر دستگاه های متصل به یکدیگر یک روند بزرگ واحد در بیشتر صنایع تلقی میشوند. در سال 2019 این امکان وجود دارد که در اکوسیستم تولید دیجیتال شاهد روبات های متصل به یکدیگر باشیم.

این امر باعث بهبود کارایی، بازدهی و قابلیت اطمینان در کل چرخه تولید (مهندسی، ارسال، بکارگیری و نگهداری) میشود. دیجیتال سازی باعث ایجاد همکاری بیشتر بین زنجیره ی ارزش (رشته ای از فرایندهای تجاری بهم پیوسته که در یک شرکت برای تبدیل ورودی ها به خروجی های دارای ارزش افزوده انجام می شوند) افقی (به عنوان مثال، بین تامین کننده، تولیدکننده و توزیع کننده) یا عمودی یک کارخانه (به عنوان مثال، بین برنامه نویسان تجارت الکترونیک و سیستم های سی.آر.ام، سیستم های ای.پی.آر بیزینسی، سیستم های برنامه ریزی تولید و سیستم های خودکارسازی لجستیک) میشود. هر دوی این نوع همکاری ها میتوانند باعث میشود تجربه ی مشتری بهتر شده و کارایی تولید را افزایش دهند.

به عنوان یک مثال ساده، یک تولیدکننده ی جهانی میتواند از میان هزاران روبات در جهان به عملکرد تک تک روبات ها نگاهی بیاندازد و روبات های با عملکرد ضعیف و نیازمند بروزرسانی یا خدمات دهی را شناسایی کند تا بدین شکل این روبات ها نیز همچون روبات های با سطح عملکرد عالی دیگر به تولید بپردازند. دیجیتال سازی برای تولید ترکیبی در حجم بالا و پایین بسیار حائزاهمیت است؛ به عنوان مثال میتوان به کارایی مهندسی بهتر برای جابجایی و تغییر سریع بین محصولات یا افتتاح سریعتر خط جدید محصولات اشاره کرد.

برگرفته از مجله a&s

مقالات

5 شکل بکارگیری هوش مصنوعی در صنعت خودروسازی

Posted on by مدیر

هوش مصنوعی (AI﴾ صنعت خودروسازی را به قبضه خود در آورده است و حال آنکه تمامی فعالین بزرگ صنعت خودروسازی مشغول بکارگیری منابع و تکنولوژی های خود هستند تا به مطلوبترین خروجی برسند.

زیبایی دستگاه های مجهز به هوش مصنوعی در آن نهفته است که این سیستم ها به دنبال یادگیری از تمامی ورودی های سنسوری همچون صداها و تصاویر هستند.

به همین شکل هنگامی که این هوشمندی در تکنولوژی موجود در یک خودرو گنجانده میشود، خودروی مربوطه محیط پیرامون خود را شناسایی کرده و هنگام حرکت یا مواجه شدن با موانع به ارزیابی علائم محیطی میپردازد.

در سال 2015، نرخ نصب و بکارگیری سیستم های هوش مصنوعی-محور در خودروهای جدید تنها 8٪ بوده است، اما تا سال 2025 انتظار میرود که این نرخ به 109٪ افزایش پیدا کند. این افزایش بخاطر نصب و بکارگیری سیستم های AI مختلف در وسایل نقلیه خواهد بود.

راندن خودروهای بدون راننده با کمک هوش مصنوعی

تفکر پشت خودروهای بدون راننده از حوالی سال 1970مطرح شد و از این جهت میتوان گفت که این پدیده موضوع جدیدی نیست. خودروهای مجهز به هوش مصنوعی که در فیلم های سالهای گذشه به تصویر کشیده شده اند همیشه تصورات ما را درگیر خود نموده اند. اما به احتمال زیاد، کمبود آگاهی فنی و منابع از جمله موانعی بوده اند که مانع به حقیقت پیوستن این تصورات تاچند سال اخیر شده اند. به تدریج تمامی فاکتورهایی که منجر به هوش مصنوعی میشدند شکل گرفتند و در حال حاضر شاهد به حقیقت پیوستن تولید خودروهای بدون راننده هستیم.

اما دیدن هوش واقعی در این نوع ماشین ها موضوعی است که نیاز به زمان دارد. ایده ی پشت تولید این نوع ماشین ها این بوده است که خودروها بتوانند بدون راننده ی انسانی و در شرایط مختلف خود به تنهایی به رانندگی بپردازند. شاید این کار آسان به نظر برسد، اما به هیچ وجه اینگونه نیست! چرا که برای انجام این کار به محاسبات بسیار دقیقی احتیاج است.

از طریق تکنیک هایی چون تلفیق سنسورها و یادگیری عمیق، محقیقن موفق به توسعه تکنولوژی شدند که به ایجاد یک نقشه سه بعدی از تمامی اتفاقات رخ داده در اطراف خودرو کمک میکند.

برخی از شرکت های بزرگ در زمینه تکنولوژی و خودروسازی همچون گوگل و تسلا، میلیونها دلار از پول خود را صرف پژوهش در مورد خودروهای بدون راننده نموده اند تا بدین شکل به یک تکنولوژی بهتر دست پیدا کرده و خودروهای خودگردان/خودران را به یک واقعیت تجاری تبدیل کنند.

حال بیایید به اشکال مختلفی که هوش مصنوعی به پیشرفت و توسعه صنعت خودردوسازی در آینده کمک میکند نگاهی بیاندازیم:

1. یادگیری ماشین

هوش مصنوعی ﴿AI﴾ نوعی هوش است که در نتیجه بهترین آزمایشات علمی مطرح شده و توسعه پیدا کرده است. هنگامی که این هوش در دستگاه ها و ماشین ها بکار گرفته میشود، آنها را به دستگاه/ماشین هایی مبدل میسازد که تا حد زیادی همچون انسانها عمل میکنند. با این حال، هوش مصنوعی با یادگیری عمیق متفاوت است. در هوش مصنوعی، دستگاه ها به شکلی به انجام کارها میپردازند که انسانها آن را هوشمند تلقی میکنند. یادگیری ماشین یا ML یکی از کاربردهای هوش مصنوعی است که در آن به ماشین ها یک سری داده ی بخصوص داده میشود و آنها به خودی خود شروع به یادگیری بر اساس این داده ها میکنند. یادگیری ماشین در حقیقت زیرمجموعه ای از هوش مصنوعی AI تلقی میگردد.

شرکت تویوتا یک گام جلوتر پیش رفته و از بیگ دیتا ﴿کلان داده﴾، یادگیری ماشین و هوش مصنوعی در جهت تولید سیستم های خودگردان به شدت حساسی بهره جسته است که به سهولت حرکت «افراد کم توان در رانندگی» کمک میکند.

2. یادگیری عمیق

یادگیری عمیق فرآیندی است که با کمک آن یادگیری ماشین بکار گرفته میشود. با کمک یادگیری عمیق است که بسیاری از فعالیت های هوش مصنوعی بدون هیچگونه شکستی صورت میپذیرند. یادگیری عمیق به سیستم ها کمک میکند تا وظایف خود را به بخش هایی قابل مدیریت تقسیم کنند. نرم افزار موجود در یادگیری عمیق قادر به یادگیری است و پس از آن شروع به تقلید از فعالیت های لایه های نورونی مغز ما میکند.

تکنیک های یادگیری عمیق در صنعت خودروسازی بسیار سودمند واقع شده است، چرا که این تکنیک ها در زمینه سیستم های پیشرفته راهنمای رانندگی و رانندگی خودکار کمک میکنند. این موارد تنها کاربردهای یادگیری عمیق در داخل خودروها بوده اند. تکنولوژی یادگیری عمیق نقش پررنگی را در خارج از محیط خود خودروها نیز ایفا میکند – در طول تولید، فروش و خدمات پس از فروش. حتی در سرویس هایی که تا کنون تکنولوژی در آنها تا حدودی مبهم به نظر میرسید، تکنولوژی یادگیری عمیق تفاوت ایجاد کرده و پیشرفت بزرگی را رقم زده است.

3. اینترنت اشیا ء ﴿IoT﴾

اینترنت اشیاء تاثیری انکارناشدنی روی صنعت خودروسازی داشته است و همچنان مستعد قوی تر شدن در سالهای پیش رو نیز هست. خودروهایی که به تازگی تولید شده اند مجموعه ای از مواردجدید را به همراه خود دارند – سنسورهای هوشمند، قابلیت های تجزیه و تحلیل محیطی با کمک بیگ دیتا، کاربردهای اتصال گنجانده شده در خود سیستم.

با توجه به ویژگی های رویایی این خودروها، صاحبان این سیستم ها میتوانند از مزیت برخی ویژگی ها بهره مند شوند. برخی از این ویژگی ها عبارتند از:

  • فروشندگان یا تولیدکنندگان این سیستم ها از طریق نرم افزارهای بروزرسانی بیسیم، فریمور خودروها را بروزرسانی میکنند.
  • در صورتی که یک وسیله نقلیه در یک روز به خصوص برای سرویس یا تعمیر شدن برنامه ریزی شده باشد، داده های مربوط به عملکرد خودرو به مرکز تولیدکننده/فروشنده/خدمات رسانی ارسال خواهد شد.
  • تولید کنندگان خودروها میتوانند تنها از طریق یک نرم افزار مشخص به حل و فصل برخی از مسائل مربوط به عملکرد خودرو بپردازد و دارنده ی خودرو مجبور به تهیه یک لیست بلند بالای خرید نخواهد شد.
  • کمپانی هایی که دارای مجموعه ای از وسایل نقلیه خود هستند میتوانند با کمک پارامترهای امنیتی ارتقاء یافته، به صورت یک شکل به مدیریت خودروهای خود بپردازند.
  • کیفیت تولید ارتقاء یافته از طریق فرآیندهای اینترنت اشیاء (IoT) امکان پذیر است.
  • در صورت وقوع موارد نیازمند فوریتهای پزشکی، سنسورهای هوشمند خودرو پرسنل پزشکی مربوطه را فراخوانده و خواهند فرستاد.

 

 

4. قابلیت های ادراکی

انقلاب رانندگی بدون راننده در گوشه و کنار خیابانها به مسیر خود ادامه خواهد داد و افراد نه تنها شاهد بکارگیری قابلیت های هوش مصنوعی در خودروهای کوچک خواهند بود، بلکه کامیون های 18-چرخی را خواهند دید که مجموعه ای از کالاها را با خود حمل میکنند. این امر با کمک آنالیزهای ادراکی یک گام پیشتر آمده است، چرا که این آنالیزها با نگاه کردن به الگوهای رفتاری و قابلیت های داده کاوی به تقلید از رفتار افراد میپردازند.

سیستم های ادراکی باید عملکردی همچون یک انسان را در تفسیر شرایط واقعی داشته باشند. برای انجام این کار داشتن فهم و آگاهی عمیق نسبت به داده های غیرساختار-یافته ضروری است.

این دانش و آگاهی با کمک کسر بزرگی از داده های غیرساختار-یافته به دست می آید تا روی چگونگی نشان دادن عکس العمل طبیعی به صورت همزمان با وقوع رخداد تصمیم گیری صورت گیرد.

این قابلیت های ادراکی همچنین قادر به کنترل شرایط عملیاتی پویا و دینامیک خواهند بود. در حال حاضر تولیدکنندگان خودروها شروع به گنجاندن این نوع قابلیت ها در خودروهای خود نموده اند. به عنوان مثال، شرکتBMW با همکاری شرکت IBM تلاش نموه است تا این قابلیت های ادراکی را به خودروهای خود بیافزاید.

5. سیستم های اطلاع رسانی و سرگرمی

هوش مصنوعی، سیستم های اطلاع رسانی و سرگرمی موجود در خودروها را به شکل عظیمی تغییر میدهد. به خاطر این روند، تقاضا برای راهکارهای سخت افزاری و نرم افزاری باکیفیت نیز افزایش یافته است، چرا که تمام این سیستم ها باید سازگار با تکنولوژی هوش مصنوعی AI باشند.

در گروه سیستم های اطلاع رسانی و سرگرمی میتوانید شاهد پیشرفت و توسعه ویژگی های زیر باشید: تشخیص صدا، دنباله روی مسیر حرکت چشم، بازبینی رانندگی، تشخیص حرکات بدن و پایگاه داده زبان های طبیعی ﴿زبان طبیعی، قابلیت یک رایانه برای درک چیزی است که انسان در قالب کلام به او می‌گوید﴾. به مرور زمان این پیشرفت ها یک گام جلوتر خواهند رفت تا سیستم های ارزیابی شرایط راننده، سیستم های دید ماشینی متصل به دوربین، واحدهای کنترل موتور ترکیب سنسورها و واحدهای تشخیص رادار-محور را درنظر گرفته و در خود بگنجانند.

اینترفیس های ماشینی-انسانی مربوط به سیستم های سرگرمی و اطلاع رسانی وجود دارد که قبلا به خودروها متصل شده اند. این اینترفیس ها میتوانند طبق الگوریتم های به دست آمده از شبکه های نورونی ابر-محور به بازبینی پرداخته و عمل کنند. از این قابلیت بعدها میتوان برای انجام کارهای پیشرفته استفاده نمود.

نتیجه

با کمک قابلیتهای هوش مصنوعی افراد میتوانند شاهد نوع جدیدی از راندن خودروها ﴿پدیده «ابرها به خودروها»﴾ باشند. توسعه دهندگان این نوع سیستم ها با کمک قدرت محاسباتی فوق العاده ی موجود خود قادر به ساخت اپلیکیشن هایی شده اند که هوش مصنوعی را به مرحله ی جدیدی از کمال رسانده اند.

استفاده از هوش مصنوعی محدود به خودروهایی که به خودی خود و در شرایط گوناگون همچون یک راننده ی واقعی میرانند نمیشود. علاوه بر این، هوش مصنوعی به ساخت خودروهای ارزانتری کمک میکند که قادر به حس کردن محیط بوده و علیرغم تمام موانعی که ممکن است در جریان رانندگی سر راه افراد قرار بگیرد قادر به راهیابی باشند.

منبع: Bigdata-Madesimple

مقالات

هوش مصنوعی و خودروهای خودگردان

Posted on by مدیر

هوش مصنوعی (AI)، صنعت خودروسازی را تحت کنترل خود گرفته است تا بدین شکل تولید خودروهای خودگردان سطح-4 و سطح-5 کلید بخورد. شاید این سوال برای شما پیش بیاید که چرا علیرغم پیدایش و مطرح شدن هوش مصنوعی از سال 1950، این تکنولوژی به تازگی سر زبانها افتاده و شهرت یافته است؟ به صورت ساده شاید بتوان گفت که دلیل رشد سریع تکنولوژی هوش مصنوعی، وجود حجم بالای داده هایی است که امروزه در اختیار افراد قرار دارد. با کمک دستگاه ها و سرویس های متصل به هم، افراد میتوانند در هر صنعتی به جمع آوری داده ها بپردازند و در نتیجه آنچه را که برای آغاز انقلاب هوش مصنوعی AI لازم است تامین کنند. علیرغم تلاش های صورت گرفته برای بهبود سریع سنسورها و دوربین ها برای تولید داده های مربوط به خودروهای خودگردان، شرکت انویدیا در ماه اکتبر سال 2017 از نخستین کامپیوتر هوش مصنوعی خود پرده برداری کرد تا امکان یادگیری عمیق، بینایی رایانه ای و الگوریتمهای محاسباتی موازی را فراهم سازد. تکنولوژی هوش مصنوعی AI به بخش مهمی از تکنولوژی خودروهای خودگردان تبدیل شده است و دانستن چگونگی کارکرد این تکنولوژی در خودروهای خودگردان و متصل به یکدیگر حائزاهمیت است.

هوش مصنوعی چیست؟

مهندس کامپیوتری به نام جان مک کارتی، اصطلاح «هوش مصنوعی» را در سال 1955 ساخت. تعریفی که از هوش مصنوعی ارائه میشود بدین شرح است: توانایی یک برنامه کامپیوتری یا ماشین برای فکر کردن، یادگیری و اتخاذ تصمیمات. در استفاده ی کلی، این اصطلاح به معنای ماشینی است که قوه ی فهم انسانی را جعل میکند. با کمک تکنولوژی هوش مصنوعی AI، برنامه های کامپیوتری و ماشین ها قادر به انجام کارهایی میشوند که پیشتر انسان ها انجام میداده اند. این برنامه ها و ماشین ها با حجم زیادی از داده های تجزیه و تحلیل و پردازش شده تغذیه میشوند تا در نهایت قادر به تفکر به صورت منطقی  و انجام کارهای انسانی شوند. فرآیند خودکارسازی کارهای تکراری انسان ها تنها بخش کوچکی از کوه یخی بزرگ به نام هوش مصنوعی را تشکیل میدهد. تجهیزات مربوط به تشخیص بیماریها و خودروهای خودگردان همگی با هدف نجات جان انسانها، شروع به بکارگیری تکنولوژی هوش مصنوعی AI نموده اند.

رشد هوش مصنوعی در صنعت خودروسازی

طبق گزارش های موجود پیش بینی شد که در سال 2017 بازار AI در صنعت خودروسازی ارزشی برابر 783$ میلیون دلار داشته و تا سال 2025 با ترکیب نرخ رشد سالانه ای برابر 38.5٪ این ارزش به 11$ هزار میلیون دلار خواهد رسید.  طبق پیش بینی آی.اچ.اس مارکیت، در مقایسه با نرخ بکارگیری ۸ درصدی سیستم های AI-محور در خودروهای جدید، انتظار میرود که تا سال 2025 این نرخ تا 109٪ افزایش پیدا کند. سیستم هایAI-محور در خودروهای جدید تبدیل به یک استاندارد خواهند شد، مخصوصا در دو دسته زیر:

  1.   واسط سرگرمی و اطلاع رسانی بین انسان و ماشین که شامل تشخیص صدا، تشخیص رفتار، دنباله روی مسیر حرکت چشم و بازبینی راننده، راهنمای مجازی و واسط های زبان طبیعی (پردازش زبان‌های طبیعی یکی از زیرشاخه‌های بااهمیت در حوزه گسترده علوم رایانه، هوش مصنوعی است که به تعامل بین کامپیوتر و زبان‌های (طبیعی) انسانی می‌پردازد) میشود. سیستم های پیشرفته راهنمای راننده ﴿ADAS﴾ و خودروهای خودگردان که شامل سیستم های دید ماشینی دوربین-محور، واحدهای تشخیص رادار-محور، ارزیابی شرایط راننده و واحدهای کنترل موتور و ترکیب سنسورها میشود.
  2.          تکنولوژی یادگیری عمیق که یک تکنیک برای بکارگیری یادگیری ماشین ﴿رویکردی برای رسیدن به هوش مصنوعی AI﴾ است، انتظار میرود که بزرگترین و پرسرعت ترین تکنولوژی از لحاظ رشد در بازار هوش مصنوعی خودروها باشد. در حال حاضر این تکنولوژی در حال بکار گرفته شدن در بخش هایی چون تشخیص صدا، جستجوی صدا، موتورهای پیشنهادکننده و توصیه گر، تجزیه و تحلیل احساسات، تشخیص تصاویر و تشخیص حرکت در خودروهای خودگردان میباشد.

چگونگی کارکرد هوش مصنوعی در خودروهای خودگردان

این روزها واژه ی هوش مصنوعی به اصطلاحی رایج تبدیل شده است، اما سوالی که پیش می آید این است که این تکنولوژی دقیقا چطور در خودروهای خودگردان عمل میکند؟

نخست باید به زاویه دید یک انسان نسبت به راندن یک خودرو با استفاده از عملکردهای حسی چون بینایی و شنوایی برای دیدن جاده و سایر خودروهای موجود در جاده نگاهی انداخت. هنگامی که در مقابل یک چراغ قرمز ترمز میکنیم یا منتظر عبور یک عابر پیاده از عرض خیابان هستیم، در واقع در حال استفاده ازحافظه خود برای اتخاذ چنین تصمیات سریعی هستیم. تجربه ی  به دست آمده از سالها رانندگی، ما را نسبت به جستجو برای چیزهای کوچکی که اغلب در جاده ها با آنها مواجه میشویم ﴿ شاید یک راه بهتر برای رسیدن به اداره و یا شاید یک برآمدگی بزرگ در مسیر جاده﴾ عادت میدهد.

خودروهای خودگردانی که خودشان کار راندن را انجام میدند در حال تولید و ساخته شدن هستند، اما چیزی که حائزاهمیت است ساختن خودروهایی است که همچون رانندگان انسانی به راندن خودروها میپردازند. این به معنای تعبیه نمودن یک سری عملکرد در این وسایل نقلیه است که عملکردهای حسی، عملکردهای فکری ﴿حافظه، تفکر منطقی، تصمیم گیری و یادگیری﴾ و قابلیت های اجرایی که انسانها برای راندن وسایل نقلیه مورد استفاده قرار میدهند را شامل شود. صنعت خودروسازی به صورت مداوم در حال رشد و تکامل است تا در طی چند سال اخیر موفق به نیل این هدف شود.

به نقل از گارتنر تا سال 2020 حدود 250 میلیون خودرو قادر خواهند شد که از طریق سیستم های مختلف V2X (تکنولوژی ارتباط خودرو با همه چیز) به یکدیگر و زیرساخت های پیرامون خود متصل شوند. فناوری V2Xیا Vehicle-to-Everything ارتباط بین یک خودرو را با هر چیزی که دراطرافش از آن تأثیر می‌گیرد، ممکن می‌سازد که این ارتباط می‌تواند شامل «سایر خودروها» یا خودرو با خودرو/ V2V، زیرساخت‌های مرتبط و پیرامون خودرو/ V2I یا حتی موبایل / V2P باشد که درنتیجه سیستم خودرو با یک فرد موبایل به‌دست به‌عنوان عابر یا راننده خودروی کناری ارتباط برقرار کرده و بدین ترتیب خودروی شما با هر چیز ممکنی به‌صورت لحظه‌ای ارتباط می‌گیرد تا تعاریف استاندارد را اجرا کند. هر چه میزان داده های داده شده به واحدهای IVI ﴿in-vehicle infotainment به مجموعه ای از سخت افزارها و نرم افزارهای موجود در خودردوها گفته میشود که سرگرمی های صوتی و ویدئویی را ارائه میکنند﴾ یا سیستم های برقراری ارتباط از راه دور بیشتر شود، خودروها بیشتر قادر خواهند شد که به صورت همزمان با وقوع رخداد به ضبط و به اشتراک گذاری وضعیت داخلی سیستم ها و داده های مربوط به مکان خودرو و هرگونه تغییرات صورت گرفته در اطراف خودرو بپردازند. خودروهای خودگردان در حال مجهز شدن به دوربین ها، سنسورها و سیستم های ارتباطی هستند تا وسیله نقلیه مربوطه را قادر به تولید حجم بالایی از داده ها کنند. با بکارگیری تکنولوژی هوش مصنوعی AI، وسایل نقلیه قادر به دیدن، شنیدن، فکر کردن و اتخاذ تصمیماتی چون تصمیمات رانندگان انسانی میشوند.

چرخه درک عمل AI در خودروهاي خودگردان

هنگامي كه خودروي خودگردان از فضاي اطراف خود داده توليد ميكند و اين داده ها را در اختيار يك عامل هوشمند قرار ميدهد، يك لوپ تكرارشونده به نام چرخه درک عمل ايجاد ميشود. در مبحث هوش مصنوعی، عامل هوشمند به موجودی گفته می‌شود که در یک محیط، اطراف خود را شناخته و اعمالی را روی محیط انجام می‌دهد و کلیه اعمالی که انجام می‌دهد در جهت نیل به اهدافش می‌باشد. این سیستم‌ها امکان یادگیری دارند و سپس از دانش اکتسابی خود برای انجام اهداف خود استفاده می‌کنند. این کنشگرها ممکن است بسیار ساده یا پیچیده باشند. بطور مثال ماشین‌های کوکی که با برخورد به دیوار، راه خود را عوض می‌کنند نمونه‌ای از کنشگرهای هوشمند هستند. با توجه به تعریف اراده شده، این عامل هوشمند با استفاده از داده هاي ارائه شده شروع به تصميم گيري كرده و خودروي خودگردان موردنظر را قادر به انجام يك سري عمليات خاص در آن محيط ميسازد. اين فرايند به سه بخش اصلي تقسيم ميشود:

بخش ١: سيستم هاي جمع آوري داده و سيستم هاي ارتباطي داخل خودرو

خودروهای خودگردان مجهز به تعداد زیادی سنسور، رادار و دوربین هستند که برای تولید حجم عظیمی از داده های محیطی مورد استفاده قرار میگیرند. تمامی این سیستم ها به وسیله نقلیه خودگردان کمک میکنند تا به دیدن، شنیدن و حس کردن جاده، زیربناهای جاده ای، سایر وسایل نقلیه و هرشیء دیگر موجود در/نزدیک جاده کمک میکند؛ دقیقا همانطوری که یک راننده ی انسانی به هنگام رانندگی به جاده توجه میکند. این داده ها در مرحله ی بعد توسط سوپرکامپیوترها مورد پردازش قرار میگیرند و سیستم های ارتباطی داده ها برای تبادل امن اطلاعات (ورودی) ارزشمند به پلتفرم ابری رانندگی خوگردان استفاده میشوند. وسیله نقلیه خودگردان ابتدا فضای رانندگی و/یا شرایط رانندگی بخصوص را به پلتفرم رانندگی خودگردان مخابره میکند.

بخش ٢: پلتفرم رانندگي خودگردان (ابري)

پلتفرم رانندگي خودگردان كه در فضاهاي ابري قرار دارد داراي يك عامل هوشمند است كه از الگوريتم هاي هوش مصنوعي براي اتخاذ تصميمات منطقي و معنادار استفاده ميكند. اين پلتفرم به عنوان سياست كنترل يا مغز خودروهاي خودگردان عمل ميكند. عامل هوشمند نيز به يك پايگاه داده متصل ميشود كه به عنوان يك حافظه كه تجربيات رانندگي هاي پيشين در آن ذخيره ميگردد عمل ميكند. اين داده ها به همراه  داده هاي ورودي همزمان با وقوع رخداد ارائه شده توسط خودروي خودگردان و محيط اطراف آن، به عامل هوشمند كمك ميكنند تا تصميمات دقيقي در رانندگي بگیرد. حال خودروي خودگردان دقيقا ميداند كه براي رانندگي در چنين فضاهايي و يا در برخي شرايط بخصوص چه كاري بايد انجام بدهد. 

بخش ٣: عملكردهاي AI-محور در خودروهاي خودگردان

بر اساس تصميمات گرفته شده توسط عامل هوشمند، خودروي خودگردان قادر به تشخيص اشياء در خيابان، داشتن عملكرد در ترافيك آن هم بدون دخالت افراد و ايمن رسيدن به مقصد موددنظر خود ميباشد. همچنين خودروهاي خودگردان مجهز به سيستم هاي كاربردي AI-محوري چون تشخيص صدا و كلام، كنترل حالت بدن، دنباله روي مسير چشم و ساير سيستم هاي بازبيني رانندگي، راهنماي مجازي و سيستم هاي تشخيص مسير و مكان و سيستم هاي امنيتي ميباشند. اين سيستم هاي كاربردي تنها برخي از سيستم هاي بكار گرفته شده در خودروهاي خودگردان هستند. همچنين اين عملكردها بر اساس تصميمات اتخاذشده توسط عامل هوشمند موجود در پلتفرم رانندگي خودگردان انجام ميشوند. اين سيستم ها ساخته شده اند تا يك تجربه ي كاربري عالي را به مشتريان خود ارائه كنند و از آنها در جاده ها محافظت كنند. تجربه هاي رانندگي به دست آمده از هر بار رانندگي، ضبط و در پايگاه داده ذخيره ميشوند تا به عامل هوشمند در تصميم گيريهاي دقيقتر در آينده كمك كنند. 

اين لوپ داده كه چرخه درک عمل نيز ناميده ميشود به صورت مداوم تكرار ميشود. هر چه تعداد دفعات تكرار چرخه های درک عمل بيشتر باشد، عامل هوشمند مربوطه هوشمندتر شده و در نتيجه تصميات مربوطه، مخصوصا در شرايط رانندگي دشوار با دقت بيشتري گرفته ميشود. هر چه تعداد دستگاه هاي متصل شده بيشتر باشد، تعداد تجربيات رانندگي بيشتري ضبط ميشود. اين تجربيات به عامل هوشمند كمك ميكنند تا بر اساس داده هاي ايجادشده توسط چندين دستگاه خودگردان مختلف تصميم گيري كند. اما اين موضوع بدان معنا نيست كه هر دستگاه خودگردان لزوما بايد در يك شرايط رانندگي پیچيده قرار بگيرد پيش از آنكه قادر به فهمیدن آن شود. 

هوش مصنوعي، مخصوصا شبكه هاي نوروني و  يادگيري عميق به موضوعي اساسي در عملكرد درست و ايمنی خودروهاي خودگردان تبديل شده است. هوش مصنوعي در حال باز كردن راه براي راه اندازي خودروهاي خودگردان سطح ٥ است. در اين نوع خودروها ديگر نيازي به فرمان، پدال گاز يا ترمزها نخواهد بود.