സ്മാർട്ട്സിറ്റി സ്വയംഭരണ വാഹനങ്ങൾക്കായുള്ള ലിഡാർ വ്യാഖ്യാന പദ്ധതി
പ്രോജക്റ്റ് അവലോകനം
അതിവേഗം വളരുന്ന മെട്രോപൊളിറ്റൻ പ്രദേശമായ SmartCity, പൊതുഗതാഗതത്തിനായി സ്വയംഭരണ വാഹനങ്ങൾ (AVs) അവതരിപ്പിക്കുന്നതിനുള്ള ഒരു അഭിലാഷ പദ്ധതി ആരംഭിച്ചു. ഈ AV-കളുടെ സുരക്ഷിതവും കാര്യക്ഷമവുമായ പ്രവർത്തനം ഉറപ്പാക്കാൻ, അവർക്ക് നഗരത്തിൻ്റെ വൈവിധ്യമാർന്ന പരിതസ്ഥിതികളിലേക്ക് അയയ്ക്കുന്ന കൃത്യമായി വ്യാഖ്യാനിച്ച LiDAR-ഉം ക്യാമറ ഡാറ്റയും ആവശ്യമായിരുന്നു. ഈ നിർണായക ദൗത്യം കൈകാര്യം ചെയ്യുന്നതിനായി SmartCity പ്രമുഖ ഡാറ്റാ അനോ ടേഷൻ കമ്പനിയായ Shaip-മായി സഹകരിച്ചു.
സ്മാർട്ട്സിറ്റിയുടെ തെരുവുകളിൽ നിന്ന് ശേഖരിച്ച സെൻസർ ഡാറ്റയുടെ 15,000 ഫ്രെയിമുകൾ വ്യാഖ്യാനിക്കാൻ ഷായ്പിനെ ചുമതലപ്പെടുത്തി. ഓരോ ഫ്രെയിമിലും 3 Velodyne VLP-32C LiDAR-കളിൽ നിന്നും 4 ഉയർന്ന റെസല്യൂഷൻ ക്യാമറകളിൽ നിന്നുമുള്ള ഡാറ്റ അടങ്ങിയിരിക്കുന്നു, ഇത് നഗര സാഹചര്യങ്ങളുടെ വിശാലമായ ശ്രേണി പകർത്തുന്നു.
വെല്ലുവിളികൾ
വോളിയവും സങ്കീർണ്ണതയും
ഡാറ്റയുടെ വലിയ അളവും 2D, 3D വ്യാഖ്യാനങ്ങളുടെ ആവശ്യകതയും ഒരു പ്രധാന വെല്ലുവിളി ഉയർത്തി.
വൈവിധ്യമാർന്ന ചുറ്റുപാടുകൾ
സ്മാർട്ട്സിറ്റിയുടെ വ്യത്യസ്തമായ ഭൂപ്രകൃതിക്ക്, ഇടതൂർന്ന നഗര കേന്ദ്രങ്ങൾ മുതൽ സബർബൻ പ്രദേശങ്ങൾ വരെ, പൊരുത്തപ്പെടാൻ കഴിയുന്ന വ്യാഖ്യാന തന്ത്രങ്ങൾ ആവശ്യമാണ്.
ദൃഢത
വിശ്വസനീയമായ AI മോഡലുകളെ പരിശീലിപ്പിക്കുന്നതിന് വ്യത്യസ്ത സെൻസറുകളിലും ഒന്നിലധികം ഫ്രെയിമുകളിലും സ്ഥിരമായ ഒബ്ജക്റ്റ് ഐഡികൾ നിലനിർത്തുന്നത് നിർണായകമായിരുന്നു.
സ്വകാര്യത ആശങ്കകൾ
ഉപയോഗപ്രദമായ ഡാറ്റ സംരക്ഷിക്കുമ്പോൾ, തിരിച്ചറിയാൻ കഴിയുന്ന എല്ലാ വിവരങ്ങളും ശരിയായി മറച്ചുവെച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക.
ടൈറ്റ് ടൈംലൈൻ
സ്മാർട്ട്സിറ്റിക്ക് അവരുടെ എവി വിന്യാസ ഷെഡ്യൂൾ പാലിക്കുന്നതിന് 4 മാസത്തിനുള്ളിൽ പ്രോജക്റ്റ് പൂർത്തിയാക്കേണ്ടതുണ്ട്.
ഷായ്പിൻ്റെ സമീപനം
സ്റ്റാഫ്
പരിചയസമ്പന്നരായ 50 അനോട്ടേറ്റർമാർ, 10 ക്വാളിറ്റി കൺട്രോളർമാർ, 3 പ്രോജക്ട് മാനേജർമാർ എന്നിവരടങ്ങുന്ന ഒരു ടീമിനെ സമാഹരിച്ചു.
ഇഷ്ടാനുസൃത ഉപകരണങ്ങൾ
2D, 3D വ്യാഖ്യാന വർക്ക്ഫ്ലോകൾ സംയോജിപ്പിച്ച്, കാര്യക്ഷമതയും സ്ഥിരതയും വർദ്ധിപ്പിക്കുന്ന പ്രൊപ്രൈറ്ററി സോഫ്റ്റ്വെയർ വികസിപ്പിച്ചെടുത്തു.
പരിശീലനം
SmartCity-യുടെ നിർദ്ദിഷ്ട വ്യാഖ്യാന ആവശ്യകതകളെക്കുറിച്ചും സ്വകാര്യത മാർഗ്ഗനിർദ്ദേശങ്ങളെക്കുറിച്ചും തീവ്രമായ പരിശീലന സെഷനുകൾ നടത്തി.
ഓട്ടോമേഷൻ
പ്രക്രിയ വേഗത്തിലാക്കാൻ, പ്രത്യേകിച്ച് കാറുകൾക്കും കാൽനടയാത്രക്കാർക്കും പോലുള്ള സാധാരണ വസ്തുക്കൾക്ക്, AI- സഹായത്തോടെയുള്ള പ്രീ-അനോട്ടേഷൻ ഉപയോഗിച്ചു.
ഫലം
- ഷെഡ്യൂളിന് രണ്ടാഴ്ച മുമ്പ് 3.5 മാസത്തിനുള്ളിൽ പദ്ധതി പൂർത്തിയാക്കി.
- SmartCity-യുടെ പ്രതീക്ഷകൾക്കപ്പുറമുള്ള 99.7% വ്യാഖ്യാന കൃത്യത കൈവരിച്ചു.
- എല്ലാ ഫ്രെയിമുകളിലുമായി 450,000 തനത് ഒബ്ജക്റ്റുകൾ വിജയകരമായി വ്യാഖ്യാനിച്ചു.
- ഒന്നിലധികം ഫ്രെയിമുകളിലുടനീളമുള്ള 98% ഒബ്ജക്റ്റുകൾക്കും സ്ഥിരമായ ഐഡികൾ നിലനിർത്തി.
- എല്ലാ ലൈസൻസ് പ്ലേറ്റുകളും മുഖങ്ങളും ശരിയായി മറയ്ക്കുക, സ്വകാര്യത പാലിക്കൽ ഉറപ്പാക്കുന്നു.
തീരുമാനം
ഈ വലിയ തോതിലുള്ള LiDAR വ്യാഖ്യാന പദ്ധതിയുടെ വിജയകരമായ നിർവ്വഹണം ഷായ്പിൻ്റെ സ്മാർട്ട്സിറ്റിയുടെ സ്വയംഭരണ വാഹന സംരംഭത്തിൽ നിർണായക പങ്ക് വഹിച്ചു. സങ്കീർണ്ണവും മൾട്ടി-സെൻസർ ഡാറ്റ വ്യാഖ്യാന ടാസ്ക്കുകൾ കാര്യക്ഷമമായും കൃത്യമായും കൈകാര്യം ചെയ്യുന്നതിനായി വിദഗ്ധരായ ഹ്യൂമൻ അനോട്ടേറ്ററുകളെ നൂതന AI- സഹായ ഉപകരണങ്ങളുമായി സംയോജിപ്പിക്കുന്നതിൻ്റെ പ്രാധാന്യം ഈ പ്രോജക്റ്റ് തെളിയിച്ചു.
ഉയർന്ന നിലവാരമുള്ള വ്യാഖ്യാന ഡാറ്റ സ്മാർട്ട്സിറ്റിയെ അവരുടെ AV സിസ്റ്റങ്ങളെ കൂടുതൽ ഫലപ്രദമായി പരിശീലിപ്പിക്കാൻ അനുവദിച്ചു, യഥാർത്ഥ ലോക പരിശോധനയ്ക്ക് ആവശ്യമായ സമയം 30% കുറച്ചു. സ്ഥിരവും കൃത്യവുമായ വ്യാഖ്യാനങ്ങൾ സങ്കീർണ്ണമായ നഗര പരിതസ്ഥിതികളിൽ AV-കളുടെ ഒബ്ജക്റ്റ് ട്രാക്കിംഗും പ്രവചന ശേഷിയും മെച്ചപ്പെടുത്തി.
