Autonomous Vehicles

Otonom Araçlar (AV), genellikle sürücüsüz arabalar olarak anılır, çevrelerini algılayabilen ve insan müdahalesi olmadan çalışabilen akıllı ulaşım sistemleridir. Bu sistemler, karmaşık çevreleri yorumlamak için gelişmiş yazılım algoritmalarıyla sofistike donanımı birleştirerek otomotivde yapay zeka inovasyonunun zirvesini temsil eder. AV teknolojisinin birincil hedefi, insan hatasından kaynaklanan kazaları en aza indirerek trafik güvenliğini artırmak, aynı zamanda trafik verimliliğini optimize etmek ve araç kullanamayanlara mobilite sağlamaktır. Özünde bu araçlar, uyaranları algılamak, bilgileri işlemek ve anlık sürüş kararları almak için yapay zeka (AI) sistemlerine güvenir.

Algı ve Sensör Teknolojileri#

Otonom bir aracın güvenli bir şekilde seyredebilmesi için çevresini kapsamlı bir şekilde anlaması gerekir. Bu, bir dizi sensörden gelen verileri toplayan bir algı katmanı sayesinde başarılır.

• Bilgisayarlı Görü (CV): Kameralar, insan görüşünü taklit eden birincil görsel sensörler olarak hizmet eder. Algoritmalar, şerit çizgilerini, trafik ışıklarını ve tabelaları tanımak için video akışlarını işler.
• LiDAR Teknolojisi: Işık Tespiti ve Uzaklık Ölçümü (LiDAR), derinlik algısı için gerekli olan, çevrenin hassas ve yüksek çözünürlüklü 3D haritalarını oluşturmak üzere lazer darbeleri kullanır.
• Nesne Tespiti: Derin öğrenme modelleri dinamik engelleri tanımlar ve konumlandırır. YOLO26 gibi yüksek hızlı modeller, yayaları ve diğer araçları düşük gecikmeyle tespit etmek için burada çok önemlidir.
• Sensör Füzyonu: Hiçbir sensör tüm koşullarda (örneğin sisli havalarda kameralar) mükemmel değildir. Füzyon algoritmaları; kameralardan, radardan ve LiDAR'dan gelen verileri birleştirerek sağlam bir çevresel model oluşturur.
• Anlamsal Bölütleme: Bu teknik, bir görüntüdeki her pikseli sınıflandırarak aracın sürüşe uygun yol yüzeyini, kaldırımları ve bitki örtüsünü ayırt etmesine yardımcı olur.

Otonomi Seviyeleri#

Otonom sistemlerin yetenekleri, bilgisayar kontrolünün insan müdahalesine oranını tanımlayan SAE J3016 sürüş otomasyonu seviyeleri ile kategorize edilir.

• Gelişmiş Sürücü Destek Sistemleri (ADAS): Seviye 1 ve 2'yi kapsayan bu sistemler direksiyon veya hızlanmaya yardımcı olur (örn. uyarlanabilir hız sabitleyici), ancak sürücünün aktif kalmasını gerektirir.
• Koşullu Otomasyon: Seviye 3'te araç, otoyol trafik sıkışıklığı gibi belirli koşullarda sürüş görevlerinin çoğunu halledebilir, ancak insan uyarıldığında devralmaya hazır olmalıdır.
• Yüksek ve Tam Otomasyon: Seviye 4 ve 5, insan girdisi olmadan çalışabilen araçları temsil eder. Seviye 4 coğrafi olarak sınırlandırılmış alanlarla sınırlıyken, Seviye 5 herhangi bir yolda tam otonomiyi hedefler ve genellikle güçlü Edge AI donanımı gerektirir.

Gerçek Dünyada Yapay Zeka Uygulamaları#

Otonom araç teknolojisi, gerçek dünya karmaşasıyla başa çıkmak için yoğun makine öğrenimi (ML) hesaplamasına güvenerek şu anda çeşitli sektörlerde konuşlandırılmaktadır.

1. Robotaksi: Waymo gibi şirketler, kentsel ortamlarda yolcu taşımak için tamamen otonom araç filoları kullanır. Bu araçlar, karmaşık şehir manzaralarında yayaların ve diğer sürücülerin davranışlarını tahmin etmek için tahmine dayalı modelleme kullanır.

2. Otonom Taşımacılık: Uzun mesafe lojistiği, öngörülebilir otoyol rotalarında otomasyondan yararlanır. Aurora gibi yenilikçiler, yakıt verimliliğini ve güvenliği artırmak için uzun menzilli algıdan yararlanan sürücüsüz kamyonlar geliştirir.

3. Son Kilometre Teslimatı: Küçük otonom robotlar, kaldırımlarda gezinmek ve paket teslim etmek için nesne takibi kullanarak lojistiğin maliyetini ve karbon ayak izini azaltır.

İlgili Kavramları Ayırt Etme#

Otonom Araçları, robotik ve otomotiv alanlarındaki ilgili terimlerden ayırmak önemlidir.

• Robotik Karşılaştırması: AV'ler teknik olarak mobil robotlar olmasa da, robotik alanı daha geniştir ve sabit endüstriyel kolları ve insansı asistanları kapsar. AV'ler özellikle ulaşım mantığı için özelleştirilmiştir.
• Vs. Bağlantılı Araçlar (V2X): Bağlantılı araçlar, hız ve konum gibi verileri paylaşmak için birbirleriyle (V2V) ve altyapıyla (V2I) iletişim kurarlar. Bir araç otonom olmadan da bağlantılı olabilir, ancak bağlantı genellikle AV'lerin güvenliğini artırır.
• Uzaktan Kumanda Karşılaştırması: Uzaktan kumanda, bir insanın bir aracı uzaktan sürmesini içerir. Buna karşılık, gerçek AV'ler yerleşik nötr ağların kararları yerel olarak vermesine dayanır.

Ultralytics YOLO26 ile Algılama Gerçekleştirme#

Her otonom sistemin kritik bir bileşeni, nesneleri zaman içinde takip etme yeteneğidir. Aşağıdaki örnek, bir aracın algılama sistemini simüle ederek bir videoda nesne takibi gerçekleştirmek için Ultralytics Platform uyumlu ultralytics kitaplığının nasıl kullanılacağını gösterir.

from ultralytics import YOLO

# Load the YOLO26 model, optimized for speed and accuracy
model = YOLO("yolo26n.pt")

# Track vehicles and pedestrians in a video stream
# This simulates the continuous perception required by an AV
results = model.track(
    source="https://www.ultralytics.com/blog/ultralytics-yolov8-for-speed-estimation-in-computer-vision-projects",
    show=True,
)

# Process results (e.g., counting objects or estimating speed)
for r in results:
    print(r.boxes.xywh)  # Print bounding box coordinates