Sürücüsüz araçlarda yapay zeka

Otonom araçlar artık sadece fütüristik bir fikir değil; otonom sürüşe yönelik yapay zeka (AI) alanındaki gelişmelerle bir gerçekliğe dönüşüyorlar. Bu araçlar, etraflarındaki dünyayı anlamak ve yorumlamak için büyük ölçüde bilgisayarlı görü gibi gelişmiş yapay zeka sistemlerine dayanır. Bu teknoloji, nesneleri tanımlamalarını, trafik işaretlerini tanımalarını ve gerçek zamanlı olarak karmaşık ortamlarda güvenle seyretmelerini sağlar.

Küresel otonom araç pazarı 2021 yılında 27 milyar ABD dolarının üzerinde bir değere sahipti ve 2026 yılına kadar yaklaşık 62 milyara ulaşması bekleniyor; otonom sürüş için kullanılan yapay zekanın ulaşımın geleceğini şekillendirdiği açıktır. Bu makalede, bilgisayarlı görünün otonom araçlarda nasıl uygulandığına daha yakından bakacak; yaya algılama, trafik işareti tanıma ve şerit takip sistemleri gibi temel uygulamaları ele alarak bu yeniliklerin sürüşün geleceğini nasıl dönüştürdüğünü inceleyeceğiz.

Link to this sectionOtonom araçlarda yapay zekanın rolü#

Yapay zeka, otonom araçların çevrelerini anlamalarına ve gerçek zamanlı kararlar almalarına büyük ölçüde yardımcı olabilir. Yapay zekanın pek çok uygulaması arasından, otonom sürüşün güvenilirliğini artıran iki önemli unsur olan yaya algılama ve trafik işareti tanımaya nasıl yardımcı olduğunu keşfedelim.

Link to this sectionYaya algılama için yapay zeka#

Sürüş, direksiyon başındayken sürekli bir odaklanma ve çevrende olup bitenlerin farkında olmayı gerektirir. Otonom araçlardaki yapay zeka, arabalarımızın günlük kullanımının sayısız yönüne yardımcı olabilir. Örneğin yapay zeka, yayaları fark ederek ve hareketlerini tahmin ederek onları güvende tutmada önemli bir rol oynayabilir. "Otonom Araçlarda Yaya Algılama Çalışması" başlıklı araştırmaya göre bu süreç, aracın çevresini (yollar, kaldırımlar ve yaya geçitleri dahil) tam bir görüntüyle yakalamak için aracın dört bir yanına yerleştirilmiş kameralarla başlar. Bu kameralar sürekli olarak görsel verileri alır ve bu da aracın yoğun veya zorlu durumlarda bile yayaları "görmesine" yardımcı olur.

The visual data collected can then be processed using computer vision models such as Ultralytics YOLOv8. To do so, the first step is using object detection which entails identifying the location of potential objects, such as pedestrians, vehicles, and traffic signs, within the image. Once detected, the AI model moves to the next step, which is classification—determining what each detected object actually is. The models are trained on vast datasets, enabling them to recognize pedestrians in various poses, lighting conditions, and environments, even when they are partially obscured or in motion.

Bazı bilgisayarlı görü modelleri algılama ve sınıflandırmada mükemmel olsa da, diğerleri tespit edilen yayaların hareketlerini tahmin etmek gibi görevlere odaklanır. Bu sistemlerde, bir nesne yaya olarak sınıflandırıldıktan sonra, yapay zeka modeli bir adım daha ileri giderek bir sonraki hareketini tahmin eder. Örneğin, birisi yaya geçidinin kenarında duruyorsa, araç onun yola adım atıp atmayacağını tahmin edebilir. Bu tahmine dayalı yetenek, aracın yavaşlayarak, durarak veya yön değiştirerek olası bir tehlikeden kaçınması için gerçek zamanlı tepki vermesi adına çok önemlidir. Bu kararları daha akıllı hale getirmek için yapay zeka sistemleri, kameralardan gelen görsel verileri LIDAR gibi diğer sensörlerden gelen girdilerle birleştirerek araca çevresi hakkında daha eksiksiz bir anlayış kazandırabilir.

Şekil 1. Yaya algılayan Ultralytics YOLOv8.

Link to this sectionTrafik işareti tanıma için yapay zeka#

Kısaca TSR olarak bilinen trafik işareti tanıma, otonom araçların bir diğer önemli parçasıdır. Aracın dur işaretleri, hız sınırları ve yönlendirmeler gibi trafik işaretlerini gerçek zamanlı olarak tanımasına ve bunlara yanıt vermesine yardımcı olur. Bu, aracın trafik kurallarına uymasını, kazalardan kaçınmasını ve yolcuların sorunsuz ve güvenli bir yolculuğun keyfini çıkarmasını sağlar.

TSR'nin temelinde, işaretleri tanımlamak için aracın kameralarını kullanan derin öğrenme algoritmaları yer alır. Bu sistemlerin yağmur, düşük ışık veya işaretin açıyla görüldüğü durumlar gibi farklı koşullarda çalışması gerekir. Daha eski yöntemler, işaretlerin şeklini ve rengini analiz etme gibi tekniklere dayanır ancak bunlar kötü hava koşulları gibi karmaşık durumlarda genellikle başarısız olabilir.

"Çok sınıflı trafik işareti algılama için YOLOv8 tabanlı bir yaklaşım" başlıklı araştırma makalesinde yazarlar, trafik işaretlerinin bulunduğu görüntü alanlarını belirlemek için YOLOv8 modelini kullandıklarını açıklıyor. Model, farklı açılar, aydınlatma ve mesafeler gibi çeşitli koşullardaki trafik işareti görüntülerini içeren bir veri kümesi üzerinde eğitildi. YOLOv8 modeli trafik işaretlerini içeren bölgeleri algıladığında, bunları %80,64 gibi etkileyici bir doğrulukla sınıflandırır. Bu yetenekler, otonom araçların önemli trafik işaretlerini gerçek zamanlı olarak tanımlayarak yol koşullarını anlamalarına yardımcı olabilir ve potansiyel olarak daha güvenli sürüş kararlarına katkıda bulunabilir.

Şekil 2. Bir trafik işaretini doğru şekilde algılayıp sınıflandıran ve otonom araçlar için güvenli sürüş sağlayan bilgisayarlı görü modeli. (Kaynak: computervision.zone)

Link to this sectionOtonom araçlarda yapay zekanın faydaları#

Yapay zeka, otonom araçların çalışma şeklini giderek değiştirerek onları daha güvenli ve daha verimli hale getiriyor. Akıllı algoritmalar ve verileri hızlı işleme yeteneği sayesinde bu araçlar tehlikeleri fark edebilir, daha iyi sürüş kararları alabilir ve hatta çevresel etkilerini azaltabilirler. İşte yapay zekanın otonom araçlara sağladığı temel faydalardan bazıları.

Link to this sectionGeliştirilmiş güvenlik#

Yapay zeka, tehlikelerin gerçek zamanlı olarak algılanmasını ve yanıt verilmesini sağlayarak otonom araçlarda güvenliği artırma kapasitesine sahiptir. Ulusal Karayolu Trafik Güvenliği İdaresi (NHTSA) tarafından hazırlanan bir rapora göre, ciddi kazaların %94'ü insan hatasından kaynaklanmaktadır. Yapay zeka, insan sürücülerden daha hızlı tepki vererek bu tür olayları azaltma potansiyeline sahiptir ve otonom sistemler daha gelişmiş hale geldikçe kaza oranlarını %90'a kadar düşürebilir.

Link to this sectionDaha akıcı trafik ve yakıt verimliliği#

Otonom araçlarda nesne algılama için kullanılan yapay zeka sadece güvenliğe yardımcı olmakla kalmaz, aynı zamanda trafik akışını da iyileştirir. Yapay zeka kullanan bu araçlar, hızlarını ayarlayabilir, optimum mesafeyi koruyabilir ve ani frenleme veya hızlanma ihtiyacını azaltabilir; bunların tümü trafik sıkışıklığını en aza indirmeye yardımcı olur. Yapay zeka algoritmaları ayrıca araçların en verimli rotaları izlemesini, gereksiz duruşlardan kaçınmasını ve yakıt tüketimini insan sürücülerden daha iyi yönetmesini sağlayarak yakıt verimliliğini optimize eder. Sonuç olarak yapay zeka sadece sürüş deneyimini iyileştirmekle kalmaz, aynı zamanda emisyonların ve yakıt maliyetlerinin azaltılmasına da katkıda bulunur.

Link to this sectionOtonom araçların geleceği#

Otonom araçların geleceği, ortam veya durum ne olursa olsun insan müdahalesine gerek kalmadan tam otonom sürüş anlamına gelen 5. Seviye otonomluğa ulaşmak etrafında dönüyor. Teknolojinin nereye gittiğini anlamak için, Otomotiv Mühendisleri Topluluğu (SAE) tarafından tanımlanan beş otonom sürüş seviyesini incelemek önemlidir:

• Seviye 0: Otomasyon yok. İnsan sürücü tamamen kontrol sahibidir.
• Seviye 1: Sürücü desteği. Hız sabitleyici gibi temel sistemler sürüşe yardımcı olur ancak insan denetimi gerektirir.
• Seviye 2: Kısmi otomasyon. Araç hem direksiyonu hem de hızlanmayı kontrol edebilir ancak sürücünün dikkatli kalması ve devralmaya hazır olması gerekir.
• Seviye 3: Koşullu otomasyon. Araç çoğu sürüş görevini yönetebilir ancak karmaşık durumlarda insan müdahalesi gerekir.
• Seviye 4: Yüksek otomasyon. Araç çoğu ortamda ve koşulda kendi kendine gidebilir ancak aşırı durumlarda hala bir sürücü gerekebilir.
• Seviye 5: Tam otomasyon. Araç tamamen otonomdur ve tüm koşullar altında herhangi bir insan girdisi olmadan çalışabilir.

Günümüzde ticari olarak mevcut araçların çoğu, aracın direksiyon ve hız kontrolüne yardımcı olabildiği ancak sürücünün hala dikkatli olmasını gerektiren Seviye 2 otonomlukla çalışmaktadır. Mercedes-Benz, belirli koşullar altında sürücülerin ellerini direksiyondan çekmelerine, gözlerini yoldan ayırmalarına ve etraflarını izlemelerine olanak tanıyan Seviye 3 otonomluğa ulaşan ilk şirketlerden biridir.

Bununla birlikte, yoğun şehir merkezlerinden uzak kırsal yollara kadar her türlü arazide, haritalar veya insan müdahalesi olmadan yol alabilen araçların olduğu Seviye 5 otonomluğa ulaşmak önemli zorluklar barındırıyor. Bu zorluklar arasında, tahmin edilemeyen ortamlarda gerçek zamanlı kararlar alabilen, karmaşık hava koşullarını yönetebilen ve tüm sürüş senaryolarında güvenliği sağlayan gelişmiş yapay zeka sistemleri geliştirmek yer alıyor.

Link to this sectionÖne çıkanlar#

Yapay zeka, otonom araçları daha da gerçekçi hale getirmenin anahtarıdır. Bu araçların nesneleri algılamasına, trafik işaretlerini tanımasına, şeritlerinde kalmasına ve YOLOv8 gibi bilgisayarlı görü modelleriyle trafik yönetiminde ve otopark yönetiminin optimize edilmesinde yardımcı olmasına olanak tanıyarak sürüşü daha güvenli ve akıcı hale getirir. YOLO ve CNN gibi teknolojiler, araçların yolda akıllı kararlar almasını sağlıyor. Şu anda otonom araçların çoğu, sürüşe yardımcı oldukları ancak yine de insan dikkati gerektiren Seviye 2'de çalışıyor ve sınırlı el serbest sürüşe izin veren Seviye 3 otonomluk test ediliyor.

Önümüzdeki büyük zorluk, araçların herhangi bir koşulda insan yardımı olmadan kendi kendine gidebildiği 5. Seviye otonomluğa ulaşmaktır. Bu, beklenmedik olayları ele almak ve tüm durumlarda gerçek zamanlı kararlar alabilen sistemler oluşturmak için daha fazla çalışma gerektirecektir. Yapay zeka geliştikçe, tamamen otonom araçlar daha güvenli yollar ve daha konforlu bir sürüş deneyimi vaat ederek gerçeğe daha çok yaklaşıyor.

Curious about AI? Explore our GitHub repository to dive into groundbreaking projects and connect with our growing community. From healthcare breakthroughs to innovations in self-driving, we're driving the future of AI!