أصبحت خوارزميات السيارات ذاتية القيادة حقيقة واقعة أكثر فأكثر.
ولكن كيف تعمل؟
ما هي القصة من الداخل حول خوارزميات السيارات ذاتية القيادة؟
هذه المدونة سوف تجيب على هذه الأسئلة. سوف يشرح أيضًا ما الذي يجعلها خطيرة للغاية بالنسبة للمشاة وراكبي الدراجات والسائقين الآخرين – ولماذا يجب أن نشعر بالقلق حيال ذلك.
أولاً ، لنتحدث عن كيفية عمل أنظمة الذكاء الاصطناعي هذه بالفعل. جوهر أي خوارزمية ذاتية القيادة هو الشبكة العصبية العميقة (DNN). تستخدم DNN شبكة عصبية اصطناعية لتمثيل البيانات في طبقات: طبقة الإدخال والطبقة (الطبقات) المخفية وطبقة الإخراج. يشتهرون بوجود العديد من المعلمات التي تجعل تدريبهم صعبًا. لحسن الحظ ، هناك العديد من الأنواع المختلفة لتقنيات التعلم التي يمكن أن تساعد في التخفيف من هذه المشكلة. على سبيل المثال ، يمكننا استخدام التدريب المسبق ونقل التعلم لجعل عملية التدريب أسرع وأكثر دقة.
هناك عدد من الأنواع المختلفة لشبكات DNN: تُستخدم الطبقات التلافيفية والطبقات المتكررة (RNN) وطبقات التغذية الأمامية (FF) على نطاق واسع في تطبيقات التعلم العميق مثل خوارزميات السيارات ذاتية القيادة. ستطبق الطبقات التلافيفية نواة أو مرشحًا لاستخراج ميزات عالية المستوى من إدخال بحيث يكون لكل عنصر في المخرجات أبعاد متشابهة جدًا عند مقارنته بالطبقة السابقة. تستفيد شبكات RNN من التبعيات الزمنية مما يعني أنه يمكن استخدامها في المواقف التي تحتاج فيها إلى فهم كيفية تغير شيء ما بمرور الوقت – مثل فهم الكلام أو اكتشاف الأشياء في الصور / مقاطع الفيديو. تعد طبقات التغذية الأمامية أفضل في التقاط التبعيات المكانية ، وهذا هو سبب استخدامها بشكل شائع في مهام التصنيف الدقيقة للغاية.
لتدريب هذه DNNs ، يمكننا استخدام إحدى طريقتين: التعلم تحت الإشراف أو التعلم غير الخاضع للإشراف. من خلال التعلم الخاضع للإشراف ، يتم إعطاء المخرجات المرغوبة لكل مدخلات للنموذج أثناء التدريب ؛ عادةً ما يعمل هذا بشكل أفضل عندما يكون هناك ملصق يتوافق مع كل ملاحظة. يتضمن التعلم غير الخاضع للإشراف استخدام مجموعة بيانات غير مسماة وإعطائها ميزات من تلقاء نفسها حتى تتمكن من تجميعها مع أنماط من تلقاء نفسها. يتيح لنا هذا النهج تصنيف الكائنات بدون تسميات – مما يجعل خوارزميات السيارات ذاتية القيادة فريدة بشكل خاص مقارنة بمعظم تطبيقات رؤية الماكينة الأخرى حيث توجد الملصقات في كل حالة تقريبًا.
تتمثل الخطوة التالية في وصف خوارزميات السيارات ذاتية القيادة في فهم ما يجعلها صعبة على المشاة وراكبي الدراجات والسائقين الآخرين. تكمن الإجابة على هذا السؤال في كيفية اكتشاف أنظمة الذكاء الاصطناعي هذه للأجسام المتحركة. على سبيل المثال ، تخيل أنك سيارة مستقلة تقترب من ممر مشاة بدون إشارة توقف أو إشارة مرور. عندما يضغط المشاة على الزر عند التقاطع ، سيقومون بتنشيط إشارة تخبر السيارات بأن لديهم حق المرور. يجب أن يعتمد نظام الذكاء الاصطناعي لدينا على إشارة الراديو اللاسلكية هذه من أجل تحديد ما إذا كان يجب أن يبطئ أو يتوقف – وإلا فقد لا يكون قادرًا على الاستجابة بسرعة كافية إذا عبروا دون النظر في كلا الاتجاهين.
يطرح هذا عدة مشكلات: أولاً ، غالبًا ما تكون إشارات التردد اللاسلكي قصيرة المدى ، لذا فإن استخدامها ليس مثاليًا لخوارزميات السيارات ذاتية القيادة لأننا سنحتاج إلى تركيب أجهزة استشعار إضافية فوقها ؛ سنحتاج أيضًا إلى مزيد من البنية التحتية والتنسيق على مستوى المدينة لإنجاحها. ثانيًا ، غالبًا ما تعمل أجهزة الراديو بالبطارية ، لذا لا يمكن الاعتماد عليها في مواقف معينة – على الرغم من أن هذه مشكلة مع المشاة البشريين أيضًا ، وليس فقط أنظمة الذكاء الاصطناعي. ثالثًا ، إذا كان هناك تداخل أو نقص في الاتصال ، فلن يعرف نظام الذكاء الاصطناعي لدينا متى يكون شخص ما على وشك العبور أو ما إذا كان يجب أن يتوقف / يبطئ. المشكلة الرابعة هي أن خوارزميات السيارة ذاتية القيادة لا تستطيع الوصول إلى هذه الأنواع من الإشارات لأن معظمها غير متصل مباشرة بالشبكات اللاسلكية المحلية حتى الآن.
هذا يعني أن أنظمة الذكاء الاصطناعي يجب أن تعتمد على أنواع أخرى من بيانات الإدخال من أجل التنقل في التقاطعات – مثل الكاميرات المثبتة على الخارج ، والكاميرات داخل السيارة لاكتشاف الركاب ، وأجهزة الاستشعار الموجودة على العجلات لقياس السرعة. يطرح هذا أيضًا بعض المشكلات: على سبيل المثال ، إذا أطلق شخص ما إشارة مرور باستخدام سيارة RC أو أي نوع آخر من أجهزة التحكم ، فقد يواجه نظام الذكاء الاصطناعي لدينا مشكلة في اكتشافها نظرًا لعدم وجود كاميرات موجهة إلى هذا التقاطع. تتطلب إشارات المرور أيضًا الكهرباء حتى يمكن أن تتعطل في مواقف معينة – وهذا يمثل مشكلة بشكل خاص إذا ماتت بطارية سيارتنا ذاتية القيادة.
هناك الكثير من التحديات الأخرى التي ينطوي عليها تدريب خوارزميات السيارات ذاتية القيادة. على سبيل المثال ، كانت المجموعة الأولى من المشكلات تتعلق في الغالب باكتشاف الأشياء بينما لم يكن المشاة / راكبو الدراجات موجودين نظرًا لأنهم يتحركون ببطء أكبر من السيارات ، لذا فإن متجهات السرعة لديهم لن تكون كبيرة مقارنة بالسيارات. ومع ذلك ، نقترب الآن من نقطة تحول حيث تبدأ سرعات السيارات ذاتية القيادة في منافسة أشباه البشر ، وهنا يصبح اكتشافها أكثر صعوبة.
هناك أيضًا مشكلة بيانات التدريب: إذا قمنا بتدريبهم بعدد كبير جدًا من العينات من مدينة معينة ، فقد لا يتعاملون جيدًا مع التقاطعات في مدن أخرى. هذه مشكلة كبيرة بشكل خاص لشركات مثل Google التي أمضت سنوات في السفر في جميع أنحاء العالم لرسم خريطة لكل تقاطع حتى يمكن نشر أنظمة الذكاء الاصطناعي في أي مكان في جميع أنحاء العالم. يمكنك قراءة المزيد حول هذا الموضوع هنا أو إلقاء نظرة على سلسلة الفيديو هذه حول رؤية الآلة.
نظرًا لأنه من الصعب على هذه الأنواع من الخوارزميات التنقل في التقاطعات ، يقوم بعض الباحثين بتطوير طرق جديدة تعتمد على التعلم المعزز بدلاً من التعلم الخاضع للإشراف. تتضمن هذه التقنية تدريب سيارة ذاتية القيادة على التنقل في التقاطعات من خلال التخمين العشوائي لما يجب أن تفعله بعد كل خطوة – مثل ما إذا كان ينبغي تسريع سرعتها أو إبطائها وفي أي اتجاه. إنه يحاول عددًا كبيرًا من الإجراءات حتى يتعلم المسار الصحيح من أ إلى ب ، على غرار الطريقة التي تتعلم بها الحيوانات من والديها بدلاً من تعليمها صراحة.
بالطبع ، لا تزال خوارزميات التعلم المعزز تعتمد على أجهزة الاستشعار الموضوعة حول السيارة مثل الكاميرات التي تكتشف المشاة / الدراجات. تتمثل إحدى الميزات في أنها يمكن أن تتحسن في التعامل مع التقاطعات بمرور الوقت حيث يمكننا تحسين تخميننا الأولي مع كل محاولة متتالية. فائدة أخرى هي أن هذه الأنظمة لا تتطلب بنية تحتية باهظة الثمن مثل إشارات المرور وأجهزة الإرسال اللاسلكية – على الرغم من أنها لا تزال بحاجة إلى أن تكون قادرة على اكتشاف الأشخاص بدونها.
لهذا السبب بدأ بعض الباحثين في مجال السيارات ذاتية القيادة في استخدام البشر كمصدر إضافي لبيانات الإشارة كلما أمكن ذلك. من خلال التدريب الكافي ، يمكنهم تزويد أنظمة الذكاء الاصطناعي الخاصة بنا بمعلومات موثوقة حول التقاطعات القادمة – وكلما زاد عدد البيانات التي يتلقونها ، ستصبح عملية صنع القرار لديهم أفضل. قد يكون هذا مفيدًا لمهام أخرى أيضًا ، مثل مساعدة رفقاء الروبوت لدينا على التنقل عبر المناطق المزدحمة أو حتى العثور على أشياء مخفية في المنازل نظرًا لأن الروبوتات تعتمد عادةً على الكاميرات / أجهزة الاستشعار بدلاً من البصر البشري.
بالطبع ، هذه الطريقة لها نقاط ضعفها – على سبيل المثال ، البشر ليسوا معصومين من الخطأ وليس لدينا جميعًا كميات متساوية من الخبرة في التنقل في المدن بالإضافة إلى وجود دائمًا مجال للخطأ عندما يتعلق الأمر بإرسال التعليمات إلى السيارات ذاتية القيادة. من غير الواضح إلى أي مدى ستعمل خوارزميات التعلم الآلي الخاصة بنا في بيئات مختلفة ، خاصةً لأن صنع القرار البشري يميل إلى التأثر بمناظر المدينة نفسها مما يعني أنه من الصعب التعميم بين المواقع. لهذا السبب لا يزال العديد من الخبراء يوصون بالتعلم الخاضع للإشراف في الوقت الحالي حتى نطور نماذج أكثر تقدمًا يمكنها التعامل مع هذه المشكلات.
على الرغم من وجود عدد أقل من حوادث السيارات ذاتية القيادة كل عام ، إلا أنها تحدث بشكل عام عند التقاطعات حيث واجه الباحثون صعوبة في تدريب أنظمة الذكاء الاصطناعي لأن البيانات إما غير مكتملة أو ببساطة غير متوفرة لبعض المناطق / البلدان – مثل المناطق الريفية. إذا كنت ترغب في التعرف على التحديات الإضافية المرتبطة بتطوير المركبات ذاتية القيادة ، فانقر هنا أو تحقق من سلسلة المقالات هذه حول التعلم المعزز العميق.
أصبحت السيارات ذاتية القيادة أكثر شيوعًا في عالم التكنولوجيا. تعد خوارزميات هذه الآلات معقدة ، ولكن من خلال فهمها ، ستتمكن من فهم ما يدخل في جعلها تعمل بشكل صحيح.
كيف تعمل السيارات ذاتية القيادة؟
ببساطة ، تستخدم السيارة سلسلة من الخوارزميات لمعالجة كميات كبيرة من البيانات من بيئتها. لفهم ما يعنيه هذا ، من المهم فهم ماهية الخوارزمية. في الحوسبة ، الخوارزمية عبارة عن مجموعة من الإجراءات أو القواعد خطوة بخطوة التي تحدد كيفية معالجة المعلومات ومعالجتها. تستخدم السيارات ذاتية القيادة هذه الخوارزميات لمعالجة أشياء معينة حول محيطها وعمل تنبؤات بناءً عليها – على سبيل المثال ، السرعة التي تتحرك بها الأشياء فيما يتعلق ببعضها البعض. يمكن العثور على العديد من أنواع الخوارزميات في السيارة ذاتية القيادة: اكتشاف الأشياء وتصنيفها ، وتخطيط الحركة والتنبؤ بها ، وتحديد المواقع ورسم الخرائط (SLAM) ، إلخ. تتم هذه الحسابات بواسطة أنواع مختلفة من أجهزة الاستشعار ، بما في ذلك الكاميرات وأجهزة المسح بالليزر.
تستخدم السيارات ذاتية القيادة مجموعة متنوعة من أجهزة الاستشعار لتتبع بيئتها. بعض تقنيات الاستشعار الرئيسية المستخدمة في السيارات ذاتية القيادة هي الرادار والليدار والتصوير البصري. يصدر الرادار موجات راديو لاكتشاف الأشياء عن طريق عكسها عن الأسطح – إنه أمر جيد لرؤية الأجسام الصلبة / الكبيرة التي قد تكون صعبة باستخدام البيانات الضوئية فقط. Lidar هو اختصار لـ Light Detection and Ranging – يستخدم ضوء الليزر بدلاً من موجات الراديو لاكتشاف الأسطح مثل علامات الطرق والممرات التي يصعب رؤيتها في الليل أو في المطر / الثلج. التصوير البصري هو بالضبط ما يبدو عليه الأمر: تلتقط كاميرات السيارة الصور التي تتضمن أشياء مثل إشارات المرور ، وإشارات اللافتات ، والمشاة ، وما إلى ذلك. يعد التصوير بالرادار والليدار والتصوير البصري مهمين لتعزيز وعي السيارة ببيئتها.
يجب أن تقوم السيارات ذاتية القيادة بعدة أشياء في وقت واحد لتتمكن من العمل بأمان بمفردها. أولاً ، يتعين عليهم الشعور بالبيئة المحيطة بهم باستخدام البيانات من أجهزة الاستشعار المختلفة الخاصة بهم – ثم يتعين عليهم معالجة هذه البيانات إلى معلومات يمكن استخدامها لتحديد الإجراءات التي يجب اتخاذها بعد ذلك. للقيام بذلك ، تستخدم السيارات ذاتية القيادة الخوارزميات التي تعمل كمجموعة من الإجراءات أو القواعد التي تتبعها السيارة من أجل عمل تنبؤات بناءً على الإشارات البيئية. يتم تحسين التقنيات المستخدمة في السيارات ذاتية القيادة باستمرار مع طرح كل طراز جديد على الطرق – ولكن على الرغم من استمرار هذه الآلات في التحسن ، فلا يزال أمامها طريق طويل قبل أن تصبح سائدة.
من هم الأشخاص الذين يقفون وراء هذه الخوارزميات؟ السيارات ذاتية القيادة هي قطع معقدة من الآلات مع العديد من العمليات المختلفة التي تجري داخلها في جميع الأوقات – وهذا هو السبب في أن الأمر يتطلب فرقًا من المحترفين المتفانين لجعلها تعمل بشكل صحيح. هناك عدد لا يحصى من المهن في عالم السيارات ذاتية القيادة ، ولكن من أكثرها شيوعًا مهندسو رؤية الكمبيوتر ، ومهندسو الروبوتات ، ومطورو البرمجيات. كل واحد يلعب دورًا أساسيًا في تطوير أو تحسين النماذج الجديدة التي يمكن استخدامها لأغراض مختلفة. ليس هذا فقط ، ولكن كل ابتكار جديد يوفر فرصًا للآخرين الذين يرغبون في المشاركة في عملية الإنتاج الخاصة به. الخط السفلي؟ مع استثمار الوقت والأبحاث في السيارات ذاتية القيادة من قبل الشركات في جميع أنحاء العالم ، إنها مسألة وقت فقط قبل أن يتم تحسين هذه الآلات وتنفيذها في المجتمع.
ما هي بعض الحقائق الأخرى عن السيارات ذاتية القيادة؟ إذا كنت مهتمًا بأن تكون جزءًا من هذه الصناعة بنفسك أو تريد فقط معرفة المزيد عن التكنولوجيا التي تدخل في جعل هذه المركبات تعمل بشكل صحيح ، فقم بزيارة الدورة التدريبية التالية اليوم.
ما هي الخوارزمية؟
الخوارزمية هي مجموعة محددة من القواعد التي يتم اتباعها لإنجاز مهمة ما. في حالة السيارات ذاتية القيادة ، فهي عبارة عن خوارزمية تخبر السيارة بالإجراءات التي يجب اتخاذها حتى تتحرك وتتجنب العوائق بينما تحاول أيضًا تتبع إشارات المرور. تتلقى السيارات ذاتية القيادة معلومات من أجهزة الاستشعار الموجودة في المنطقة المحيطة والتي تعالجها الخوارزميات وتحدد أفضل السبل للمضي قدمًا. تحمل هذه التقنية الكثير من الأمل لأنه إذا تم إتقانها ، فستكون أكثر أمانًا للجميع على الطريق لأن هذه الآلات ستتمتع بردود فعل مثالية بدلاً من أوقات رد الفعل البشري التي ثبت أنها أبطأ بسبب عوامل نفسية مختلفة. تحمل هذه الخوارزميات الكثير من الأمل لأنها يمكن أن تغير وسائل النقل كما نعلم أنها تقلل بشكل كبير من الحوادث والوفيات من خلال جعل القيادة أكثر أمانًا. على الرغم من أن المشكلة هي أن البحث عن هذه التكنولوجيا لا يزال جديدًا للغاية ، مما يعني أن مستقبلها لا يزال غير واضح. هناك الكثير من العوامل التي يجب أخذها في الاعتبار عند تنفيذ هذه الخوارزميات مثل الأحوال الجوية وثقافة القيادة العامة في البلدان المختلفة.
كيف تعمل خوارزميات السيارات ذاتية القيادة؟
تحمل هذه الخوارزميات الكثير من الأمل لأنها يمكن أن تغير وسائل النقل كما نعلم أنها تقلل بشكل كبير من الحوادث والوفيات من خلال جعل القيادة أكثر أمانًا. على الرغم من أن المشكلة هي أن البحث عن هذه التكنولوجيا لا يزال جديدًا للغاية ، مما يعني أن مستقبلها لا يزال غير واضح. هناك الكثير من العوامل التي يجب أخذها في الاعتبار عند تنفيذ هذه الخوارزميات مثل الأحوال الجوية وثقافة القيادة العامة في البلدان المختلفة.
لماذا هم مهمون في تطوير السيارات ذاتية القيادة؟
تتلقى السيارات التي تقود السيارة معلومات من أجهزة الاستشعار الموجودة في المنطقة المحيطة والتي تعالجها الخوارزميات وتحدد أفضل السبل للمضي قدمًا.
كيف سيؤثر هذا على عالمنا في المستقبل؟
إذا تم إتقان هذه الآلات ، فسيكون ذلك أكثر أمانًا للجميع على الطريق لأن هذه الآلات ستتمتع بأوقات رد فعل مثالية بدلاً من أوقات رد الفعل البشرية التي ثبت أنها أبطأ بسبب عوامل نفسية مختلفة. تحمل هذه الخوارزميات الكثير من الأمل لأنها يمكن أن تغير وسائل النقل بشكل كبير مما يقلل الحوادث والوفيات من خلال جعل القيادة أكثر أمانًا.
مستقبل النقل وكيف يمكن أن يغير الأشياء لنا جميعًا؟
لا يزال البحث في هذه التكنولوجيا جديدًا جدًا ، مما يعني أن مستقبلها لا يزال غير واضح. هناك الكثير من العوامل التي يجب أخذها في الاعتبار عند تنفيذ هذه الخوارزميات مثل الأحوال الجوية وثقافة القيادة العامة في البلدان المختلفة.
أفضل الدورات حول السيارات ذاتية القيادة
- تخصص سيارة ذاتية القيادة
- تكنولوجيا السيارات ذاتية القيادة
- تخصص التعلم العميق
- ماجستير في رؤية الحاسوب
- التعلم الالي
ما هي مزايا استخدام السيارة ذاتية القيادة على السيارة العادية؟
ستكون السيارات ذاتية القيادة أكثر أمانًا وفعالية من السيارات العادية في جميع جوانب القيادة. الطريقة التي ستقود بها السيارات بنفسها ستجعلها أكثر أمانًا وتمنع وقوع الحوادث. سيكونون قادرين أيضًا على القيادة بشكل أفضل عندما تكون حركة المرور مزدحمة. بالإضافة إلى ذلك ، يمكنهم العثور على أماكن وقوف السيارات عندما لا يستطيع أي شخص آخر ذلك ، مما يجعلها مفيدة للغاية عند محاولة العثور على أماكن في المدن. بشكل عام ، تعد السيارات ذاتية القيادة أكثر أمانًا وكفاءة من السيارات العادية وتوفر مزايا لا يمكن العثور عليها في السيارة العادية.
ما هي عيوب استخدام سيارة ذاتية القيادة على سيارة عادية؟
ستكون السيارات ذاتية القيادة أغلى بكثير من السيارات العادية ، وقد لا يستحق ثمنها الكثير من الناس. هذا صحيح بشكل خاص عندما لا توجد بنية تحتية لدعم هذه المركبات على الطرق. بالإضافة إلى ذلك ، قد يكون من الصعب صيانتها بشكل مستمر بسبب طبيعتها المعقدة. بشكل عام ، قد توفر السيارات ذاتية القيادة فوائد ، لكن هذه التقنيات الجديدة تأتي مع العديد من العيوب التي لا يمكن تجاهلها حاليًا.
من يقوم بتطوير خوارزميات السيارات ذاتية القيادة وماذا يفعلون لتحسينها؟
موضوع خوارزميات القيادة الذاتية هو موضوع ساخن. تتنافس العديد من الشركات على الصدارة ، بما في ذلك Google و Tesla و Uber و Apple. كل شركة لها نقاط قوتها وضعفها. تمتلك Google ، على سبيل المثال ، مجموعة بيانات ضخمة يمكنها استخدامها لتحسين الخوارزميات الخاصة بها. تمكنت Tesla من إنشاء مجموعة أجهزة متطورة جدًا تُستخدم في سياراتها. أوبر جيدة في رسم الخرائط وتتبع البيانات. لا تزال شركة Apple غير معروفة نسبيًا في هذا المجال ، لكن يُعتقد أنهم يعملون على شيء كبير.
يختلف ما تفعله هذه الشركات لتحسين خوارزمياتها. تركز بعض الشركات على تحسين الذكاء الاصطناعي وراء الخوارزميات. يحاول آخرون تحسين أجهزة الاستشعار والكاميرات المستخدمة في الخوارزميات. تحاول معظم الشركات أيضًا تحسين رسم الخرائط وتتبع البيانات. الشيء الرئيسي الذي تشترك فيه كل هذه الشركات هو أنها تنشئ خوارزميات للسيارات ذاتية القيادة ، والتي تمثل مستقبل النقل.
مستقبل السيارات ذاتية القيادة وكيف ستغير حياتنا للأفضل
ثورة السيارات ذاتية القيادة قادمة ، وستغير حياتنا للأفضل. تخيل ألا تقلق أبدًا بشأن الضياع أو التأخر عن العمل مرة أخرى. مع السيارات ذاتية القيادة ، ستتمكن من الاسترخاء والاستمتاع بالرحلة بينما تقوم سيارتك بكل العمل.
لن تجعل السيارات ذاتية القيادة حياتنا أسهل فحسب ، بل ستجعل طرقنا أيضًا أكثر أمانًا. وفقًا لدراسة أجراها معهد ماساتشوستس للتكنولوجيا ، يمكن للسيارات ذاتية القيادة أن تقلل وفيات حوادث السير بنسبة تصل إلى 90٪. لقد تم إنقاذ الكثير من الأرواح!
إذن ما هو التعطيل؟ لماذا لا توجد سيارات ذاتية القيادة في كل مكان بالفعل؟ الجواب بسيط: التنظيم. التكنولوجيا موجودة ، لكن الحكومات في جميع أنحاء العالم لا تزال تحاول معرفة كيفية تنظيم وتنفيذ استخدام هذه السيارات.
للمساعدة في تسريع الأمور ، نطلب من Google العمل مع الحكومات في جميع أنحاء العالم لإنشاء إطار قانوني موحد لتنظيم السيارات ذاتية القيادة. بهذه الطريقة ، بدلاً من إعادة اختراع كل دولة للعجلة ، يمكنهم ببساطة الإشارة إلى هذا الإطار كأساس لقوانينهم. نود أيضًا أن تدعم هذه الهيئات الحكومية جهود Google علنًا في هذا المجال.
الفرق بين السيارة ذاتية القيادة والسيارة بمساعدة السائق
السيارات بمساعدة السائق هي سيارات لها ميزات تساعد السائق في مهام معينة ، مثل وقوف السيارات أو البقاء في الحارة. من ناحية أخرى ، فإن السيارة ذاتية القيادة هي سيارة يمكنها القيادة بنفسها دون أي مساعدة من السائق. الفرق الآخر هو أن السيارة ذاتية القيادة يمكنها التنقل دون تدخل بشري ، بينما تحتاج السيارة بمساعدة السائق على الأقل إلى بعض التفاعل من السائق.
السيارات ذاتية القيادة ليست مزحة وقد استغرق صنعها وقتًا طويلاً. نعلم جميعًا مدى تكلفة استئجار السائقين وتزويد سياراتهم بالوقود والاعتناء بهم عندما يمرضون أو يصابون. مع تقدم تكنولوجيا السيارات ذاتية القيادة على مدى السنوات الأخيرة ، بدأنا نرى المزيد من طرازات السيارات ذاتية القيادة تصل إلى السوق للمستهلكين الذين يريدون تلك الفخامة دون دفع أعلى دولار. يبقى السؤال: ماذا يعني هذا بالنسبة للنقل في المستقبل؟ هل تعتقد أن هذه المركبات ذاتية القيادة ستكون قادرة على التعامل مع كل موقف بشكل جيد بما فيه الكفاية حتى لا تتسبب في أي حوادث؟ فكر مرة أخرى في تجربتك الخاصة مع السائقين البشريين – ربما كان هناك الكثير من الأوقات حيث قام شخص ما بقطع الطريق عليك أو قام بتغيير المسار غير الآمن بالقرب منك!
هل أنت مهتم بسيارة ذاتية القيادة؟ اتصل بنا!
