Eğer elinizde kahveyle, bisikletlilerden sıyrılarak kalabalık bir kavşağı geçmeye çalıştıysanız, yolların ne kadar öngörülemez olduğunu bilirsiniz.

Şimdi bir de, içgüdüsü ve insan sezgisi olmayan bir otomobil olduğunuzu hayal edin ve bu kaosu anlamaya çalışın.

Otonom araçlar (OA) için, bir yaya arabalardan zigzag yaparak ilerlerken veya bir alışveriş arabasının yola doğru yuvarlanışını fark etmek en zor görevlerden biridir. Üstelik bu yeteneği kusursuzca öğrenmeden trafiği paylaşmaya güvenmek mümkün değildir.

Bu sadece kazalardan kaçınmakla ilgili değil; aynı zamanda, durum mükemmel senaryolara uymadığında bile, saniyeler içinde tahmin edip uyum sağlamak ve harekete geçmekle alakalıdır. Peki, otonom araçlar karmaşık gerçek hayat koşullarında dünyayı nasıl “görür” ve yorumlar?

Sensör Füzyonu Yöntemi

Otonom arabalar tek bir “göz”e güvenmezler; farklı koşullarda üstün olan çeşitli sensörleri bir arada kullanırlar. İşte bu yüzden “sensör füzyonu” denilen yöntemle, birçok cihazdan gelen veriler tek ve detaylı bir çevre resmi olarak birleştirilir.

Kameralar: Yüksek çözünürlüklü kameralar şekilleri, renkleri ve desenleri algılar. Yaya geçidi işaretleri, trafik ışıkları veya parlak bir ceket gibi detayları tanımak için vazgeçilmezdirler.

LiDAR (Işık Algılama ve Menzil Ölçme): 3 boyutlu lazer tarayıcı gibi düşünebilirsiniz. Saniyede milyonlarca lazer ışını göndererek mesafeleri son derece hassas ölçer. Düşük ışıkta bile engelleri görmek için idealdir.

Radar: LiDAR kadar detay vermez ama yağmur, sis veya kar gibi kötü hava koşullarında çok başarılıdır. Arkadan hızla yaklaşan bir bisikletliyi ya da hareket halindeki diğer nesneleri ölçmede etkilidir.

Ultrasonik Sensörler: Kısa menzilli algılayıcılar, genellikle park ederken veya kaldırım gibi yakın engelleri fark etmekte kullanılır.

Bu sistemler bir araya geldiğinde birbirlerinin zayıflıklarını tamamlarlar. Kameralar parlamadan etkilenir, LiDAR yoğun kar yağışında zorlanır, radar ince detayları göremez ama birlikte güvenilir bir güvenlik ağı oluştururlar.

Ham Veriden Gerçek Kararlara

Veri toplamak sadece işin yarısıdır. Asıl mucize, aracın içinde çalışan bilgisayarın bu verileri nasıl işlediğindedir. İşte burada yapay zeka (YZ) devreye girer.

• Nesne Tanıma: Milyonlarca yol görüntüsüyle eğitilmiş YZ algoritmaları, bir nesnenin yaya mı, dur işareti mi yoksa ağaç mı olduğunu ayırt eder.

• Nesne Takibi: Bir nesne tespit edilince hareketi izlenir. Bu, yayanın yolun kenarında mı durduğunu yoksa karşıdan karşıya mı geçeceğini anlamaya yardımcı olur.

• Hareket Tahmini: Gelişmiş modeller, gelecekteki hareketi öngörür. Örneğin, top peşinde koşan bir çocuğun birkaç saniye içinde nerede olacağını tahmin eder.

Gerçek Dünyanın Karmaşasıyla Baş Etmek

İyi hava koşullarında ve düzenli trafikte sürüş kolaydır. Asıl zorluk, nadir ama kritik durumlarda ortaya çıkar; kuralların net olmadığı anlarda.

Kısmi Gizlenme: Park etmiş bir kamyonun arkasında gizlenen bir yaya son anda görünür. OA’lar, LiDAR ve çok açılı kameralarla kol sallama gibi ince hareketleri bile fark eder.

Öngörülemez Davranışlar: Yaya, yaya geçidinin dışında aniden yola atlayabilir. YZ, davranış modelleriyle olası hareketlere olasılık puanı verir ve acil fren için hazırlanır.

Karışık Trafik: Araba, scooter ve yayaların aynı yolu kullandığı ve şerit kurallarının net olmadığı durumlarda, radar hareket analizinde, LiDAR ise 3D konumlandırmada önemli rol oynar.

Hava Koşullarının Yol Açtığı Zorluklar: Kar şerit çizgilerini kapatabilir, yağmur kameraları yanıltabilir. İşte burada sensör yedekliliği devreye girer; bir sistem zorlanırken diğer devreye girer.

Güvenlik Katmanları

En gelişmiş YZ’ye rağmen otonom araçlar başarısızlığı önlemek için birçok güvenlik katmanı barındırır:

• Güven Eşikleri: Sistem gördüklerinden yüzde yüz emin değilse, temkinli davranır; yavaşlar veya durur.

• Hata Güvenlik Protokolleri: Sensör arızasında, yedek sensörler devreye girer ya da yarı otonom modlarda kontrol sürücüye geçer.

• Sürekli Öğrenme: İzin verilen yerlerde, zor durumlar kaydedilir ve filo modelleri yeniden eğitilerek zamanla performans artırılır.

İnsana Benzeyen Anlayış Neden Hala Zor?

İnsanlar, birinin hafifçe öne eğilmesi ya da ağırlığını tek ayağa vermesi gibi küçük beden dili işaretlerinden yola çıkarak o kişinin geçeceğini anlar. Makinelere bu mikro sinyalleri öğretmek büyük bir araştırma zorluğudur. Derin öğrenme modelleri gelişse de, insanların sahip olduğu incelikli anlayıştan hala uzaktır.

MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’na (CSAIL) göre, sıradaki büyük adım “sosyal farkındalık” olacak. Yani makineler sadece nesneleri değil, insanların yol üzerindeki niyetlerini ve yazılmamış kurallarını da anlayacaklar.

Bir dahaki sefere kalabalık bir caddede otonom bir araba görürseniz unutmayın; o sadece sizi görmüyor, hareketinizi anlık analiz edip bir sonraki adımınızı tahmin ediyor ve sizi fark ettirmeden nasıl tepki vereceğine karar veriyor.

Eğer böyle araçlar mahallenizde yaygınlaşırsa, park halindeki arabaların arasından çıkmaya çalışırken sizi fark etmelerine güvenebilir misiniz?