ADAS आणि स्वायत्त ड्रायव्हिंग: मूलभूत तत्त्वे संवेदना

नफा:

• शोध शृंखला आणि SAE ऑटोमेशन स्तरांमध्ये कॅमेरा, रडार, LiDAR आणि सेन्सर फ्यूजनच्या भूमिका स्पष्ट करण्याची क्षमता
• ऑब्जेक्ट शोध, वर्गीकरण आणि ट्रॅकिंगसाठी डेटा लेबलिंग, परिस्थिती व्याख्या आणि मूल्यांकन मेट्रिक्स तयार करण्याची क्षमता
• एज केसेस, खोटे सकारात्मक/नकारात्मक शिल्लक आणि डिटेक्शन मॉडेल आउटपुटमध्ये सुरक्षिततेचे मार्जिन यांचे गंभीरपणे मूल्यांकन करण्याची क्षमता

आज बहुतेक वाहनांमध्ये लेन निर्गमन चेतावणी, स्वयंचलित आपत्कालीन ब्रेकिंग किंवा अनुकूली क्रूझ नियंत्रण यांसारखी वैशिष्ट्ये आहेत. हे सर्व ADAS (Advanced Driver Assistance Systems) च्या छत्राखाली आहेत. या प्रणालींच्या केंद्रस्थानी आणि पुढील स्वायत्त ड्रायव्हिंग ही धारणा आहे: वाहन ज्या प्रकारे सेन्सरसह त्याच्या सभोवतालचे जग "पाहते" आणि कृत्रिम बुद्धिमत्तेने ते "समजते". या युनिटमध्ये, आम्ही शोध शृंखला, सेन्सर्स, ऑटोमेशन स्तर आणि सर्वात गंभीर समस्या, सुरक्षा सीमा कव्हर करू.

सुरुवातीपासून एक चेतावणी: हे क्षेत्र सुरक्षिततेच्या दृष्टीने गंभीर आहे. डिटेक्शन मॉडेल पादचारी शोधत नसल्यास, परिणाम घातक असू शकतो. म्हणूनच येथे प्रत्येक AI आउटपुट सुरक्षा अभियांत्रिकी प्रक्रियांनी वेढलेले असणे आवश्यक आहे (ISO 26262 आणि SOTIF पुढील युनिट्समध्ये).

सेन्सर्स: डोळे, कान आणि रडार

एक स्वायत्त ड्रायव्हिंग स्टॅक वेगवेगळ्या सेन्सर्सला एकत्र करतो कारण प्रत्येकामध्ये सामर्थ्य आणि कमकुवतता असतात:

• कॅमेरा: कॅमेरा रंग, मजकूर (वाहतूक चिन्ह), लेन लाइन आणि ऑब्जेक्ट प्रकार सर्वोत्तम "पाहतो". परंतु रात्री, धुके, कडक सूर्यप्रकाश आणि अंतराचा अंदाज कमी असतो.
• रडार (रेडिओ डिटेक्शन आणि रेंजिंग): रेडिओ लहरींनी अंतर आणि वेग मोजतो. पाऊस/धुक्याचा त्याचा कमी परिणाम होतो आणि त्याचा वेग थेट मोजतो (डॉपलर प्रभावाने); परंतु त्याचे रिझोल्यूशन कमी आहे, ज्यामुळे "हा पादचारी आहे की बॉक्स?" हे ओळखणे कठीण होते.
• LiDAR (लाइट डिटेक्शन आणि रेंजिंग): लेसर शूट करते आणि सभोवतालचा एक अचूक त्रि-आयामी "पॉइंट क्लाउड" तयार करते; हे अंतर आणि आकार खूप चांगले देते. परंतु ते महाग आहे आणि दाट धुके/पावसामुळे प्रभावित होऊ शकते.
• प्रचंड कंपनसंख्या असलेल्या (ध्वनिलहरी): पार्किंग सेन्सर्स सारखी लहान श्रेणी.

दोन्हीपैकी स्वतःहून पुरेसे नसल्यामुळे, सेन्सर फ्यूजन केले जाते: वेगवेगळ्या सेन्सर्सचा डेटा एकत्र करून, प्रत्येकाच्या कमकुवतपणाची भरपाई दुसऱ्याच्या सामर्थ्याने केली जाते. उदाहरणार्थ, कॅमेरा "पादचारी" म्हणतो, रडार म्हणतो "१२ मीटरवर, ५ किमी/ताशी"; फ्यूजन दोन्ही एकत्र करते आणि एक विश्वासार्ह ट्रॅक तयार करते.

टीप: शोध दाव्याचे मूल्यमापन करताना, "कोणता सेन्सर तो पाहू शकतो आणि किती चांगले?" विचारा रात्रीच्या वेळी कॅमेराचा अंतराचा अंदाज खराब असल्यास, एकाच कॅमेरावर आधारित अंतराचा निर्णय संशयास्पद आहे.

शोध साखळी

कच्च्या सेन्सर डेटापासून निर्णयापर्यंतची ठराविक साखळी खालीलप्रमाणे आहे:

1. शोध: इमेज/पॉइंट क्लाउडमध्ये ऑब्जेक्ट्स शोधणे ("येथे एक साधन आहे").
2. वर्गीकरण: वस्तूचा प्रकार (पादचारी, सायकल, वाहन, चिन्ह) निश्चित करणे.
3. ट्रॅकिंग: फ्रेम दरम्यान ऑब्जेक्टचे अनुसरण करणे, त्याचा वेग आणि दिशा अंदाज करणे.
4. फ्यूजन: एक सुसंगत जागतिक मॉडेल तयार करण्यासाठी सेन्सर एकत्र करणे.
5. अंदाज: "हा पादचारी रस्ता ओलांडेल का?"
6. नियोजन आणि नियंत्रण: निर्णय आणि स्टीयरिंग/ब्रेक/एक्सीलेटर कमांड.

कृत्रिम बुद्धिमत्ता (विशेषतः सखोल शिक्षण) 1-3. पायऱ्यांमध्ये खूप मजबूत; 5-6. पावले वाढत्या अभियांत्रिकी नियम आणि सुरक्षा तर्काने वेढलेले आहेत.

SAE ऑटोमेशन स्तर

स्वायत्तता ही "हो/नाही" गोष्ट नाही, ती क्रमप्राप्त आहे. SAE J3016 मानक सहा स्तर परिभाषित करते:

पातळी

नाव

कोण चालवत आहे?

उदाहरण

0

ऑटोमेशन नाही

सर्व ड्राइव्ह

फक्त चेतावणी (ब्लाइंड स्पॉट चेतावणी)

१

ड्रायव्हर समर्थन

ड्रायव्हर + सिंगल सपोर्ट

अनुकूली समुद्रपर्यटन किंवा लेन ठेवणे

2

आंशिक ऑटोमेशन

चालक (सतत देखरेख)

वेग + लेन एकत्र, चालक जबाबदार

3

सशर्त ऑटोमेशन

प्रणाली (विशिष्ट स्थितीत)

विशिष्ट स्थितीत सिस्टम चालवते, ड्रायव्हर ताब्यात घेण्यास तयार आहे

4

उच्च ऑटोमेशन

प्रणाली (विशिष्ट क्षेत्रात)

परिभाषित क्षेत्रात ड्रायव्हरलेस

५

पूर्ण ऑटोमेशन

प्रणाली (सर्व परिस्थितींमध्ये)

सर्वत्र चालकरहित (अद्याप नाही)

खबरदारी: सर्वात धोकादायक गैरसमज पातळी 2 आहे. लेव्हल 2 मध्ये, वाहन स्टीयरिंग आणि वेगास समर्थन देते, परंतु ड्रायव्हर सतत पर्यवेक्षण आणि जबाबदारी राखून ठेवतो. यंत्रणा ‘ऑटोपायलट’ समजून लक्ष न दिल्याने जीवघेणे अपघात घडले आहेत. लेव्हल 2 चा अर्थ "ड्रायव्हरलेस" नाही.

मूल्यांकन मेट्रिक्स: चुकीचे सकारात्मक आणि चुकीचे नकारात्मक

डिटेक्शन मॉडेलचे मूल्यांकन करताना दोन प्रकारच्या त्रुटी गंभीर असतात:

• असत्य सकारात्मक: असा विचार करणे की असे काहीतरी आहे जे अस्तित्वात नाही. उदाहरणार्थ, पुलाची सावली हा "अडथळा" आहे असा विचार करणे आणि विनाकारण ब्रेक मारणे. त्रासदायक आणि कधीकधी धोकादायक (मागील टोकाची टक्कर).
• असत्य नकारात्मक (खोटे नकारात्मक / चुकणे): अस्तित्वात असलेली एखादी गोष्ट पाहण्यास सक्षम नसणे. उदाहरणार्थ, प्रत्यक्ष पादचारी न पाहणे. ऑटोनॉमस ड्रायव्हिंगमधील ही सर्वात घातक चूक आहे.

हे सारांशित करणारे मेट्रिक्स:

• अचूकता: तुम्ही जे चिन्हांकित केले आहे त्यातील किती खरे आहे.
• स्मरण करा (संवेदनशीलता): तुम्ही प्रत्यक्षात अस्तित्वात असलेल्या किती गोष्टी कॅप्चर केल्या आहेत.
• mAP (म्हणजे सरासरी अचूकता): ऑब्जेक्ट शोधण्यासाठी सामान्य संमिश्र मेट्रिक.

स्वायत्त ड्रायव्हिंगमध्ये पादचारी शोधण्यासारख्या बाबींमध्ये रिकॉल (कोणताही पादचारी न चुकणे) महत्त्वाचे आहे; हे वाढवल्याने कधीकधी खोटे सकारात्मक वाढते. हा ट्रेड-ऑफ एक सुरक्षा अभियांत्रिकी निर्णय आहे, शुद्ध मॉडेल अचूकता नाही.

काठ केस आणि लांब शेपूट

स्वायत्त ड्रायव्हिंगचा सर्वात कठीण भाग म्हणजे सामान्य परिस्थिती नसून दुर्मिळ आणि विचित्र: बर्फाखाली अर्धे दिसणारे चिन्ह, उलटा ट्रक, पोशाख घातलेला पादचारी, रस्त्यावर पडलेले फर्निचर. या दुर्मिळ परंतु धोकादायक परिस्थितींना लांब शेपटी म्हणतात. एखादे मॉडेल लाखो "सामान्य" मैलांसाठी परिपूर्ण असू शकते, परंतु ते यापूर्वी कधीही न पाहिलेल्या अत्यंत परिस्थितीत अयशस्वी होऊ शकते. म्हणूनच परिस्थिती-आधारित चाचणी, सिम्युलेशन आणि वास्तविक-जागतिक प्रमाणीकरण अंतहीन आहेत.

मिनी केस स्टडी

केस 1 - फ्यूजनचे मूल्य. स्वयंचलित आणीबाणीच्या ब्रेकिंगची चाचणी करताना, एका ADAS टीमला असे आढळून आले की गडद रंगाचे वाहन फक्त कॅमेऱ्यासह तेजस्वी सूर्यप्रकाशात त्याच्या समोर दिसत होते. जेव्हा रडार डेटा जोडला जातो (रडार चकाकीने प्रभावित होत नाही) तेव्हा सिस्टम 0.4 सेकंद आधी वाहन शोधते; याचा अर्थ 90 किमी/ताशी अंदाजे 10 मीटर ब्रेकिंग अंतर. परिणाम: फ्यूजनने सिंगल सेन्सर ब्लाइंड स्पॉट बंद केला.

केस 2 - रिकॉल/प्रिसीजन बॅलन्स. जेव्हा पादचारी शोध मॉडेलचा थ्रेशोल्ड कमी केला जातो तेव्हा रिकॉल 96% वरून 99% पर्यंत वाढते, परंतु खोटे सकारात्मक (सावली, झुडूप) वाढतात, ज्यामुळे अनावश्यक ब्रेकिंग होते. सुरक्षा कार्यसंघ निर्णय घेते: पादचाऱ्यांना टाळणे हे प्राधान्य आहे, परंतु फ्यूजन आणि ट्रॅकिंग लॉजिकसह खोट्या सकारात्मक गोष्टी दूर करून आराम राखला जातो. निष्कर्ष: मेट्रिक निवड हा एक अभियांत्रिकी/सुरक्षा निर्णय आहे, एकही "योग्य संख्या" नाही.

केस 3 - एज केस आश्चर्य. एक मॉडेल त्याच्या व्हॅलिडेशन सेटमध्ये 99.8% यशस्वी असताना, "वास्तविक पादचारी" साठी शेतात बर्फ टायरची जाहिरात घेऊन जाणाऱ्या ट्रकच्या मागे एका विशाल पादचाऱ्याचा फोटो चुकला आणि अचानक ब्रेक लागला. टीम हे एज केस परिदृश्य लायब्ररीमध्ये जोडते आणि मॉडेलला पुन्हा प्रशिक्षण देते. निष्कर्ष: लांब शेपटी कधीही "समाप्त" होत नाही; सतत परिस्थिती संकलन आवश्यक आहे.

प्रॉम्प्ट टेम्पलेट्स

टेम्पलेट 1 - परिस्थिती सूची तयार करणे:

भूमिका: तुम्ही ADAS चाचणी केस अभियंता आहात. कार्य: स्वयंचलित आणीबाणी ब्रेकिंगसाठी आव्हानात्मक (एज केस) चाचणी परिस्थिती तयार करा. संदर्भ: शहरी, 30-50 किमी/ता, मिश्र पादचारी आणि सायकलस्वार. प्रतिबंध: दुर्मिळ/धोकादायक गोष्टींना प्राधान्य द्या, वारंवार परिस्थिती नाही; प्रत्येक परिस्थितीसाठी अपेक्षित योग्य वर्तन लिहा. आउटपुट: परिदृश्य | स्थिती | अपेक्षित वर्तन | जोखीम पातळी.

टेम्पलेट 2 - लेबलिंग मार्गदर्शक बाह्यरेखा:

भूमिका: डेटा लेबलिंग गुणवत्ता लीड. कार्य: पादचारी लेबलिंगसाठी एक मसुदा सुसंगतता नियम लिहा. संदर्भ: पादचारी अंशतः दृश्यमान, बसलेले, व्हीलचेअरमध्ये आणि गटांमध्ये आहेत. आउटपुट: नियम | उदाहरण | राज्य ग्रेड टेबल मर्यादित करा.

टेम्पलेट 3 - मेट्रिक व्याख्या:

भूमिका: संगणक दृष्टी मूल्यांकन तज्ञ. कार्य: माझ्या पादचारी शोध परिणामांचा अर्थ लावा. संदर्भ: अचूकता 0.93, 0.90 आठवते, बहुतेक रात्री किंवा पावसात चुकतात. प्रतिबंध: सुरक्षिततेसाठी परत बोलावण्याच्या महत्त्वावर जोर द्या; कोणत्या परिस्थितीत अतिरिक्त पडताळणी आवश्यक आहे ते मला सांगा. आउटपुट: सुधारणेसाठी टिप्पणी + प्राधान्य क्षेत्र.

टेम्पलेट 4 - फ्यूजन लॉजिक बाह्यरेखा:

भूमिका: तुम्ही सेन्सर फ्यूजन इंजिनिअर आहात. कार्य: कॅमेरा आणि रडारमध्ये संघर्ष झाल्यावर मसुदा निर्णय तर्क सुचवा. संदर्भ: रडार 15 मीटर वर हलणारी लहान वस्तू पाहतो तर कॅमेरा म्हणतो 'पादचारी नाही'. प्रतिबंध: सुरक्षेच्या बाजूने (सुरक्षित बाजू) गृहीत तत्त्व लागू करा. आउटपुट: निर्णय सारणी + औचित्य.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

माझे स्वायत्त वाहन मॉडेल सुरक्षित आहे का?

संदर्भाशिवाय; "सुरक्षित" अपरिभाषित आहे; AI फक्त सामान्य भाषेत बोलते आणि भ्रामक आत्मविश्वास देऊ शकते.

शक्तिशाली सूचना:

भूमिका: तुम्ही ADAS सुरक्षा मूल्यांकन सल्लागार आहात. कार्य: माझ्या पादचारी शोध मॉडेलच्या भेद्यतेबद्दल प्रश्न करण्यासाठी माझ्यासाठी एक चेकलिस्ट तयार करा. संदर्भ: शहरी स्तर 2 प्रणाली; रात्री आणि पावसात आठवणे; फक्त कॅमेरा + रडार आहे, LiDAR नाही. निर्बंध: 'सुरक्षित' घोषित करू नका; सिस्टम कोणत्या परिस्थितीत मर्यादेवर आहे आणि कोणती अतिरिक्त चाचणी आवश्यक आहे ते निर्दिष्ट करा. आउटपुट: जोखीम क्षेत्र | का | शिफारस केलेली चाचणी | महत्त्व सारणी.

सामान्य चुका

• "ड्रायव्हरलेस" साठी चुकीची पातळी 2 जबाबदारी चालकाची; हा गैरसमज घातक आहे.
• एकाच सेन्सरवर अवलंबून. प्रत्येक सेन्सरवर एक आंधळा ठिपका असतो; संलयन आवश्यक आहे.
• फक्त सरासरी अचूकता पहात आहे. 99% यश, 1% चुकलेला पादचारी जीवघेणा असू शकतो; रिकॉल आणि एज केसेस गंभीर आहेत.
• अत्यंत प्रकरणांकडे दुर्लक्ष करणे. लांब शेपूट कधीच संपत नाही; परिस्थिती संकलन सतत चालू आहे.
• सुरक्षा निर्णय मॉडेलवर सोडत आहे. थ्रेशोल्ड आणि शिल्लक निर्णय ही सुरक्षा अभियांत्रिकीची जबाबदारी आहे.

सारांशात

• ADAS आणि ऑटोनॉमस ड्रायव्हिंग सेन्सिंगच्या केंद्रस्थानी कॅमेरा, रडार, LiDAR आणि सेन्सर फ्यूजन आहे; प्रत्येक सेन्सरमध्ये वेगवेगळी ताकद/कमकुवतता असते.
• शोध शृंखलामध्ये शोध, वर्गीकरण, निरीक्षण, संलयन, अंदाज आणि नियंत्रण यांचा समावेश होतो; AI पहिल्या टप्प्यात मजबूत आहे.
• SAE पातळी 0 ते 5 पर्यंत आहे; लेव्हल 2 मध्ये, जबाबदारी ड्रायव्हरची आहे.
• खोटे नकारात्मक (पादचारी अपहरण) ही सर्वात घातक त्रुटी आहे; रिकॉल आणि एज केसेस प्राधान्य देतात.
• सुरक्षा निर्णय ही अभियांत्रिकी जबाबदारी आहे; मॉडेल अचूकता हा एकमेव निकष नाही.

अर्ज कार्य

ADAS फंक्शन निवडा (उदा. लेन राखणे सहाय्य). (1) या कार्याला कोणते सेन्सर समर्थन देतात आणि किती चांगले आहेत ते टेबलमध्ये लिहा. (2) टेम्प्लेट 1 सह 5 एज केस परिस्थिती निर्माण करा आणि प्रत्येकासाठी अपेक्षित सुरक्षित वर्तन निर्दिष्ट करा. (3) या कार्यासाठी चुकीच्या सकारात्मक आणि चुकीच्या नकारात्मक परिणामांची तुलना करा. (४) मॉडेल "सुरक्षित" असल्याचा दावा करण्यापूर्वी कोणती स्वतंत्र चाचणी आवश्यक आहे ते सूचीबद्ध करा.

चेकलिस्ट

• [] मी कार्यानुसार सेन्सर्सच्या सामर्थ्य/कमकुवतपणाचे मूल्यांकन केले.
• [ ] मी शेवटचे केस (लांब शेपूट) परिस्थिती देखील सूचीबद्ध केले आहेत.
• मी सुरक्षिततेसाठी चुकीच्या सकारात्मक/नकारात्मक परिणामांची तुलना केली.
• [ ] मी रिकॉलचे सुरक्षा-गंभीर महत्त्व लक्षात घेतले.
• [ ] मी SAE पातळी आणि कोण जबाबदार आहे हे स्पष्ट केले.
• "सुरक्षित" असा दावा करण्यापूर्वी मी स्वतंत्र चाचणी योजना तयार केली आहे.