লাভ:
- সনাক্তকরণ চেইন এবং SAE অটোমেশন স্তরে ক্যামেরা, রাডার, LiDAR এবং সেন্সর ফিউশনের ভূমিকা ব্যাখ্যা করার ক্ষমতা
- বস্তুর সনাক্তকরণ, শ্রেণীবিভাগ এবং ট্র্যাকিংয়ের জন্য ডেটা লেবেলিং, দৃশ্যকল্পের সংজ্ঞা এবং মূল্যায়ন মেট্রিক্স তৈরি করার ক্ষমতা
- শনাক্তকরণ মডেল আউটপুটে প্রান্ত কেস, মিথ্যা ইতিবাচক/নেতিবাচক ভারসাম্য এবং নিরাপত্তার মার্জিন সমালোচনামূলকভাবে মূল্যায়ন করার ক্ষমতা
বেশিরভাগ যানবাহনে আজ লেন প্রস্থান সতর্কতা, স্বয়ংক্রিয় জরুরি ব্রেকিং বা অভিযোজিত ক্রুজ নিয়ন্ত্রণের মতো বৈশিষ্ট্য রয়েছে। এগুলো সবই ADAS (Advanced Driver Assistance Systems) এর ছত্রছায়ায়। এই সিস্টেমগুলির কেন্দ্রে এবং আরও স্বায়ত্তশাসিত ড্রাইভিং হল উপলব্ধি: যেভাবে গাড়িটি সেন্সর দিয়ে তার চারপাশের বিশ্বকে "দেখে" এবং কৃত্রিম বুদ্ধিমত্তা দিয়ে "বোঝে"। এই ইউনিটে, আমরা সনাক্তকরণ চেইন, সেন্সর, অটোমেশন স্তর এবং সবচেয়ে গুরুত্বপূর্ণ সমস্যা, সুরক্ষা সীমানাগুলি কভার করব।
শুরু থেকেই একটি সতর্কতা: এই এলাকাটি নিরাপত্তা-সংক্রান্ত। সনাক্তকরণ মডেল যদি পথচারীকে সনাক্ত না করে, তাহলে ফলাফল মারাত্মক হতে পারে। তাই এখানে প্রতিটি AI আউটপুট অবশ্যই নিরাপত্তা প্রকৌশল প্রক্রিয়া দ্বারা বেষ্টিত হতে হবে (পরবর্তী ইউনিটগুলিতে ISO 26262 এবং SOTIF)।
সেন্সর: চোখ, কান এবং রাডার
একটি স্বায়ত্তশাসিত ড্রাইভিং স্ট্যাক বিভিন্ন সেন্সরকে একত্রিত করে কারণ প্রতিটির শক্তি এবং দুর্বলতা রয়েছে:
- ক্যামেরা: ক্যামেরা "দেখতে" রঙ, পাঠ্য (ট্রাফিক সাইন), লেন লাইন এবং অবজেক্টের ধরন সেরা। কিন্তু রাত, কুয়াশা, প্রবল সূর্যের আলো এবং দূরত্ব অনুমানে এটি খারাপ।
- রাডার (রেডিও ডিটেকশন এবং রেঞ্জিং): রেডিও তরঙ্গ দিয়ে দূরত্ব এবং গতি পরিমাপ করে। এটি বৃষ্টি/কুয়াশা দ্বারা কম প্রভাবিত হয় এবং সরাসরি গতি পরিমাপ করে (ডপলার প্রভাবে); কিন্তু এর রেজোলিউশন কম, এটি পার্থক্য করা কঠিন করে তোলে "এটি কি পথচারী নাকি একটি বাক্স?"
- LiDAR (হালকা সনাক্তকরণ এবং রেঞ্জিং): একটি লেজার অঙ্কুর করে এবং আশেপাশের একটি সুনির্দিষ্ট ত্রিমাত্রিক "বিন্দু মেঘ" তৈরি করে; এটি খুব ভাল দূরত্ব এবং আকৃতি দেয়। কিন্তু এটি ব্যয়বহুল এবং ভারী কুয়াশা/বৃষ্টি দ্বারা প্রভাবিত হতে পারে।
- অতিস্বনক: স্বল্প পরিসর, যেমন পার্কিং সেন্সর।
যেহেতু কোনটিই নিজে থেকে পর্যাপ্ত নয়, সেন্সর ফিউশন সঞ্চালিত হয়: বিভিন্ন সেন্সরের ডেটা একত্রিত করে, প্রতিটির দুর্বলতা অন্যটির শক্তি দ্বারা ক্ষতিপূরণ দেওয়া হয়। উদাহরণস্বরূপ, ক্যামেরা বলছে "পথচারী", রাডার বলছে "12 মিটারে, 5 কিমি/ঘন্টা বেগে"; ফিউশন দুটিকে একত্রিত করে এবং একটি নির্ভরযোগ্য ট্র্যাক তৈরি করে।
টিপ: একটি সনাক্তকরণ দাবির মূল্যায়ন করার সময়, "কোন সেন্সর এটি দেখতে পারে এবং কতটা ভাল?" জিজ্ঞাসা যদি রাতে ক্যামেরার দূরত্ব অনুমান খারাপ হয়, তাহলে একটি একক ক্যামেরার উপর ভিত্তি করে দূরত্বের সিদ্ধান্ত প্রশ্নবিদ্ধ।
সনাক্তকরণ চেইন
কাঁচা সেন্সর ডেটা থেকে সিদ্ধান্ত নেওয়ার সাধারণ চেইনটি নিম্নরূপ:
- সনাক্তকরণ: চিত্র/পয়েন্ট ক্লাউডে অবজেক্ট খোঁজা ("এখানে একটি টুল আছে")।
- শ্রেণীবিভাগ: বস্তুর ধরন নির্ধারণ করা (পথচারী, সাইকেল, যানবাহন, চিহ্ন)।
- ট্র্যাকিং: ফ্রেমের মধ্যে বস্তুকে অনুসরণ করে, এর গতি এবং দিক অনুমান করে।
- ফিউশন: একটি সামঞ্জস্যপূর্ণ বিশ্ব মডেল তৈরি করতে সেন্সরগুলিকে একত্রিত করা।
- ভবিষ্যদ্বাণী: "এই পথচারী কি রাস্তা পার হবে?"
- পরিকল্পনা এবং নিয়ন্ত্রণ: সিদ্ধান্ত এবং স্টিয়ারিং/ব্রেক/অ্যাক্সিলারেটর কমান্ড।
কৃত্রিম বুদ্ধিমত্তা (বিশেষ করে গভীর শিক্ষা) 1-3. ধাপে খুব শক্তিশালী; 5-6। পদক্ষেপগুলি ক্রমবর্ধমান প্রকৌশল নিয়ম এবং নিরাপত্তা যুক্তি দ্বারা বেষ্টিত হয়.
SAE অটোমেশন স্তর
স্বায়ত্তশাসন একটি "হ্যাঁ/না" জিনিস নয়, এটি ধীরে ধীরে। SAE J3016 মান ছয়টি স্তর সংজ্ঞায়িত করে:
স্তর
নাম
কে চালাচ্ছে?
উদাহরণ
0
অটোমেশন নেই
সব ড্রাইভ
শুধুমাত্র সতর্কতা (অন্ধ স্পট সতর্কতা)
1
ড্রাইভার সমর্থন
ড্রাইভার + একক সমর্থন
অভিযোজিত ক্রুজ বা লেন রাখা
2
আংশিক অটোমেশন
ড্রাইভার (নিরবচ্ছিন্ন তত্ত্বাবধান)
গতি + লেন একসাথে, ড্রাইভার দায়ী
3
শর্তাধীন অটোমেশন
সিস্টেম (নির্দিষ্ট শর্তের অধীনে)
নির্দিষ্ট শর্তের অধীনে সিস্টেম চালনা করে, ড্রাইভারটি দখল করতে প্রস্তুত
4
উচ্চ অটোমেশন
সিস্টেম (নির্দিষ্ট এলাকায়)
সংজ্ঞায়িত এলাকায় চালকবিহীন
5
সম্পূর্ণ অটোমেশন
সিস্টেম (সব অবস্থায়)
সর্বত্র চালকবিহীন (এখনও নয়)
সতর্কতা: সবচেয়ে বিপজ্জনক ভুল বোঝাবুঝি হল লেভেল 2। লেভেল 2-এ, গাড়িটি স্টিয়ারিং এবং গতি সমর্থন করে, কিন্তু চালক অবিরাম তত্ত্বাবধান এবং দায়িত্ব বজায় রাখে। সিস্টেমটিকে "অটোপাইলট" হিসাবে ভুল করা এবং মনোযোগ না দেওয়ার ফলে মারাত্মক দুর্ঘটনা ঘটে। লেভেল 2 মানে "চালকবিহীন" নয়।
মূল্যায়ন মেট্রিক্স: মিথ্যা ইতিবাচক এবং মিথ্যা নেতিবাচক
একটি সনাক্তকরণ মডেল মূল্যায়ন করার সময় দুটি ধরনের ত্রুটি গুরুত্বপূর্ণ:
- মিথ্যা ইতিবাচক: এমন কিছু আছে যা অস্তিত্বহীন বলে মনে করা। উদাহরণস্বরূপ, একটি সেতু ছায়া একটি "বাধা" এবং অপ্রয়োজনীয় ব্রেকিং যে চিন্তা. বিরক্তিকর এবং কখনও কখনও বিপজ্জনক (পিছন শেষ সংঘর্ষ)।
- মিথ্যা নেতিবাচক (মিথ্যা নেতিবাচক / মিস): বিদ্যমান কিছু দেখতে না পারা। উদাহরণস্বরূপ, একজন প্রকৃত পথচারীকে না দেখা। স্বায়ত্তশাসিত ড্রাইভিংয়ে এটি সবচেয়ে মারাত্মক ভুল।
মেট্রিক্স যা এইগুলিকে সংক্ষিপ্ত করে:
- যথার্থতা: আপনি যা চিহ্নিত করেছেন তার কতটা আসলে সঠিক।
- প্রত্যাহার করুন (সংবেদনশীলতা): আপনি আসলে কতটা ধারণ করেছেন।
- mAP (মানে গড় স্পষ্টতা): বস্তু সনাক্তকরণের জন্য সাধারণ যৌগিক মেট্রিক।
স্বায়ত্তশাসিত ড্রাইভিংয়ে পথচারীদের সনাক্তকরণের মতো বিষয়ে স্মরণ করা (কোন পথচারীকে অনুপস্থিত করা) গুরুত্বপূর্ণ; এটি বাড়ানো কখনও কখনও মিথ্যা পজিটিভ বাড়ায়। এই ট্রেড-অফ একটি নিরাপত্তা প্রকৌশল সিদ্ধান্ত, বিশুদ্ধ মডেল নির্ভুলতা নয়।
এজ কেস এবং লম্বা লেজ
স্বায়ত্তশাসিত ড্রাইভিংয়ের সবচেয়ে কঠিন অংশটি সাধারণ পরিস্থিতি নয়, তবে বিরল এবং অদ্ভুতগুলি: তুষারের নীচে অর্ধেক দৃশ্যমান চিহ্ন, উলটো-ডাউন ট্রাক, একটি পোশাক পরিহিত পথচারী, রাস্তার উপর পড়ে থাকা আসবাবপত্র। এই বিরল কিন্তু বিপজ্জনক পরিস্থিতিকে বলা হয় লম্বা লেজ। যদিও একটি মডেল লক্ষ লক্ষ "সাধারণ" মাইলের জন্য নিখুঁত হতে পারে, এটি এমন চরম পরিস্থিতিতে ব্যর্থ হতে পারে যা এটি আগে কখনও দেখেনি। এই কারণেই দৃশ্যকল্প-ভিত্তিক পরীক্ষা, সিমুলেশন এবং বাস্তব-বিশ্বের বৈধতা অন্তহীন।
মিনি কেস স্টাডি
কেস 1 - ফিউশনের মান। স্বয়ংক্রিয় জরুরী ব্রেকিং পরীক্ষা করার সময়, একটি ADAS টিম দেখতে পেয়েছে যে শুধুমাত্র ক্যামেরার সাহায্যে উজ্জ্বল সূর্যের মধ্যে একটি গাঢ় রঙের গাড়ির সামনে এটি দেখতে ধীর ছিল। যখন রাডার ডেটা যোগ করা হয় (রাডার একদৃষ্টি দ্বারা প্রভাবিত হয় না) সিস্টেমটি 0.4 সেকেন্ড আগে গাড়িটিকে সনাক্ত করে; এর মানে হল 90 কিমি/ঘন্টা গতিতে প্রায় 10 মিটারের ব্রেকিং দূরত্ব। ফলাফল: ফিউশন একক সেন্সর ব্লাইন্ড স্পট বন্ধ করে দিয়েছে।
কেস 2 - রিকল/প্রিসিশন ব্যালেন্স। যখন পথচারী সনাক্তকরণ মডেলের থ্রেশহোল্ড কমানো হয়, প্রত্যাহার 96% থেকে 99% পর্যন্ত বৃদ্ধি পায়, তবে মিথ্যা ইতিবাচক (ছায়া, ঝোপ) বৃদ্ধি পায়, যা অপ্রয়োজনীয় ব্রেকিংয়ের দিকে পরিচালিত করে। নিরাপত্তা দল সিদ্ধান্ত নেয়: পথচারীদের এড়িয়ে চলা একটি অগ্রাধিকার, কিন্তু ফিউশন এবং ট্র্যাকিং লজিকের মাধ্যমে মিথ্যা ইতিবাচকতা দূর করে আরাম বজায় রাখা হয়। উপসংহার: মেট্রিক নির্বাচন একটি প্রকৌশল/নিরাপত্তা সিদ্ধান্ত, কোন একক "সঠিক সংখ্যা" নেই।
কেস 3 - এজ কেস সারপ্রাইজ। একটি মডেল তার বৈধতা সেটে 99.8% সফল হলেও, এটি একটি ট্রাকের পিছনে একটি বিশাল পথচারীর একটি ছবিকে ভুল করে যেটি একটি "প্রকৃত পথচারী" এর জন্য মাঠে তুষার টায়ারের বিজ্ঞাপন বহন করে এবং হঠাৎ ব্রেক করে। দলটি দৃশ্যের লাইব্রেরিতে এই প্রান্তের কেসটি যুক্ত করে এবং মডেলটিকে পুনরায় প্রশিক্ষণ দেয়। উপসংহার: লম্বা লেজ কখনই "শেষ হয় না"; ধ্রুবক দৃশ্যকল্প সংগ্রহ প্রয়োজন.
প্রম্পট টেমপ্লেট
টেমপ্লেট 1 - একটি দৃশ্যের তালিকা তৈরি করা হচ্ছে:
ভূমিকা: আপনি ADAS টেস্ট কেস ইঞ্জিনিয়ার। টাস্ক: স্বয়ংক্রিয় জরুরী ব্রেকিংয়ের জন্য চ্যালেঞ্জিং (এজ কেস) পরীক্ষার পরিস্থিতি তৈরি করুন। প্রসঙ্গ: শহুরে, 30-50 কিমি/ঘন্টা, মিশ্র পথচারী এবং সাইক্লিস্ট। সীমাবদ্ধতা: বিরল/বিপজ্জনককে অগ্রাধিকার দিন, ঘন ঘন পরিস্থিতি নয়; প্রতিটি দৃশ্যের জন্য প্রত্যাশিত সঠিক আচরণ লিখুন। আউটপুট: দৃশ্যকল্প | শর্ত | প্রত্যাশিত আচরণ | ঝুঁকি স্তর।
টেমপ্লেট 2 - লেবেলিং নির্দেশিকা রূপরেখা:
ভূমিকা: ডেটা লেবেলিং মানের লিড। টাস্ক: পথচারীদের লেবেলিংয়ের জন্য একটি খসড়া সামঞ্জস্যপূর্ণ নিয়ম লিখুন। প্রসঙ্গ: পথচারীরা আংশিকভাবে দৃশ্যমান, উপবিষ্ট, হুইলচেয়ারে এবং দলে রয়েছে। আউটপুট: নিয়ম | উদাহরণ | সীমা রাষ্ট্র গ্রেড টেবিল.
টেমপ্লেট 3 - মেট্রিক ব্যাখ্যা:
ভূমিকা: কম্পিউটার দৃষ্টি মূল্যায়ন বিশেষজ্ঞ। টাস্ক: আমার পথচারী সনাক্তকরণ ফলাফল ব্যাখ্যা করুন। প্রসঙ্গ: নির্ভুলতা 0.93, রিকল 0.90, রাতে বা বৃষ্টিতে বেশিরভাগ মিস হয়। সীমাবদ্ধতা: নিরাপত্তার জন্য প্রত্যাহারের গুরুত্বের উপর জোর দিন; আমাকে বলুন কোন শর্তে অতিরিক্ত যাচাইকরণ প্রয়োজন। আউটপুট: উন্নতির জন্য মন্তব্য + অগ্রাধিকার ক্ষেত্র।
টেমপ্লেট 4 - ফিউশন লজিক রূপরেখা:
ভূমিকা: আপনি একজন সেন্সর ফিউশন ইঞ্জিনিয়ার। টাস্ক: ক্যামেরা এবং রাডার বিরোধের সময় একটি খসড়া সিদ্ধান্তের যুক্তির পরামর্শ দিন। প্রসঙ্গ: রাডার 15 মিটারে চলমান ছোট বস্তু দেখতে পায় যখন ক্যামেরা বলছে 'কোন পথচারী নয়'। সীমাবদ্ধতা: নিরাপত্তার (নিরাপদ দিক) পক্ষে অনুমান নীতি প্রয়োগ করুন। আউটপুট: সিদ্ধান্ত টেবিল + ন্যায্যতা।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
আমার স্বায়ত্তশাসিত গাড়ির মডেল কি নিরাপদ?
প্রসঙ্গ ছাড়া; "নিরাপদ" অনির্ধারিত; AI শুধুমাত্র সাধারণ ভাষায় কথা বলে এবং বিভ্রান্তিকর আত্মবিশ্বাস দিতে পারে।
শক্তিশালী প্রম্পট:
ভূমিকা: আপনি ADAS নিরাপত্তা মূল্যায়ন পরামর্শদাতা। কাজ: আমার পথচারী সনাক্তকরণ মডেলের দুর্বলতা নিয়ে প্রশ্ন করার জন্য আমার জন্য একটি চেকলিস্ট তৈরি করুন৷ প্রসঙ্গ: আরবান লেভেল 2 সিস্টেম; প্রত্যাহার রাতে এবং বৃষ্টির মধ্যে পড়ে; শুধুমাত্র ক্যামেরা + রাডার আছে, কোন LiDAR নেই। সীমাবদ্ধতা: 'নিরাপদ' ঘোষণা করবেন না; কোন পরিস্থিতিতে সিস্টেমটি তার সীমাতে রয়েছে এবং কোন অতিরিক্ত পরীক্ষার প্রয়োজন তা উল্লেখ করুন। আউটপুট: ঝুঁকি এলাকা | কেন | প্রস্তাবিত পরীক্ষা | গুরুত্ব টেবিল।
সাধারণ ভুল
- "চালকবিহীন" এর জন্য ভুল লেভেল 2। দায়ভার চালকের; এই ভুল ধারণা মারাত্মক।
- একটি একক সেন্সরের উপর নির্ভর করা। প্রতিটি সেন্সর একটি অন্ধ দাগ আছে; ফিউশন অপরিহার্য।
- শুধু গড় নির্ভুলতা দেখছেন. 99% সাফল্য, 1% মিস পথচারী মারাত্মক হতে পারে; প্রত্যাহার এবং প্রান্ত ক্ষেত্রে সমালোচনামূলক.
- চরম ক্ষেত্রে উপেক্ষা করা. লম্বা লেজ কখনো শেষ হয় না; দৃশ্যকল্প সংগ্রহ ক্রমাগত.
- নিরাপত্তার সিদ্ধান্ত মডেলের ওপর ছেড়ে দেওয়া। থ্রেশহোল্ড এবং ভারসাম্যের সিদ্ধান্তগুলি নিরাপত্তা প্রকৌশলের দায়িত্ব।
সংক্ষেপে
- ADAS এবং স্বায়ত্তশাসিত ড্রাইভিং সেন্সিংয়ের কেন্দ্রবিন্দুতে রয়েছে ক্যামেরা, রাডার, LiDAR এবং সেন্সর ফিউশন; প্রতিটি সেন্সরের বিভিন্ন শক্তি/দুর্বলতা রয়েছে।
- সনাক্তকরণ চেইন সনাক্তকরণ, শ্রেণীবিভাগ, পর্যবেক্ষণ, সংমিশ্রণ, ভবিষ্যদ্বাণী এবং নিয়ন্ত্রণ নিয়ে গঠিত; AI প্রথম ধাপে শক্তিশালী।
- SAE মাত্রা 0 থেকে 5 পর্যন্ত; লেভেল 2-এ, দায়িত্ব ড্রাইভারের।
- মিথ্যা নেতিবাচক (পথচারী অপহরণ) সবচেয়ে মারাত্মক ত্রুটি; প্রত্যাহার এবং প্রান্ত ক্ষেত্রে অগ্রাধিকার নিতে.
- নিরাপত্তা সিদ্ধান্ত ইঞ্জিনিয়ারিং দায়িত্ব; মডেল নির্ভুলতা একমাত্র মানদণ্ড নয়।
আবেদন টাস্ক
একটি ADAS ফাংশন নির্বাচন করুন (যেমন লেন রাখা সহায়তা)। (1) একটি টেবিলে লিখুন কোন সেন্সর এই ফাংশনটি সমর্থন করে এবং কতটা ভাল। (2) টেমপ্লেট 1 দিয়ে 5টি প্রান্তের ক্ষেত্রে পরিস্থিতি তৈরি করুন এবং প্রতিটির জন্য প্রত্যাশিত নিরাপদ আচরণ নির্দিষ্ট করুন৷ (3) এই ফাংশনের জন্য মিথ্যা ইতিবাচক এবং মিথ্যা নেতিবাচক ফলাফলের তুলনা করুন। (4) মডেলটি "নিরাপদ" দাবি করার আগে কোন স্বাধীন পরীক্ষার প্রয়োজন তা তালিকাভুক্ত করুন।
চেকলিস্ট
- [] আমি ফাংশন অনুযায়ী সেন্সরগুলির শক্তি/দুর্বলতাগুলি মূল্যায়ন করেছি৷
- [ ] আমি শেষ কেস (লং টেইল) পরিস্থিতিও তালিকাভুক্ত করেছি।
- [] আমি নিরাপত্তার জন্য মিথ্যা ইতিবাচক/নেতিবাচক ফলাফল তুলনা করেছি।
- আমি প্রত্যাহার নিরাপত্তা-গুরুত্বপূর্ণ গুরুত্ব বিবেচনায় নিয়েছি।
- [ ] আমি SAE স্তর এবং কে দায়ী তা স্পষ্ট করেছি৷
- আমি "নিরাপদ" দাবি করার আগে স্বাধীন পরীক্ষার পরিকল্পনা প্রস্তুত করেছি।