Teknoloji & Yapay Zeka

Sürücü Belirsizliğini Çözen Yeni Otonom Araç Sistemi: VADv2

Araştırmacılar, otonom sürüş teknolojisinde önemli bir adım atan VADv2 sistemini geliştirdi. Bu yeni yaklaşım, geleneksel deterministik planlama yöntemlerinin aksine, sürüş sırasındaki belirsizlikleri ve insan benzeri karar verme süreçlerini modelleyebilen olasılıksal bir planlama modeli kullanıyor. Sistem, büyük ölçekli sürüş verilerinden öğrenmeyi mümkün kılarak, gerçek dünya koşullarındaki öngörülemezlik sorununu ele alıyor. VADv2, karmaşık sürüş aksiyonlarını önce kesin kategorilere ayırıp sonra bunları dijital tokenlara dönüştürerek işliyor. Bu tokenler, çevresel bilgilerle etkileşime girerek olasılıksal eylem dağılımları üretiyor.

Otonom sürüş teknolojisinde çığır açabilecek yeni bir sistem geliştirildi. VADv2 adı verilen bu sistem, mevcut otonom araçların en büyük sorunlarından biri olan belirsizlik yönetimi konusunda önemli bir ilerleme kaydediyor.

Geleneksel otonom sürüş sistemleri, her durumda tek bir kesin karar vermeye odaklanırken, VADv2 insan sürücülerin doğasında bulunan belirsizlik ve çok seçenekli düşünme yapısını taklit ediyor. Bu yaklaşım, gerçek sürüş koşullarının öngörülemez doğasını daha iyi yansıtıyor.

Sistemin çalışma prensibi oldukça yenilikçi. Karmaşık ve sürekli olan sürüş eylem uzayını önce belirli kategorilere ayırarak büyük bir 'sürüş kelime dağarcığı' oluşturuyor. Bu kelime dağarcığındaki her eylem daha sonra dijital tokenlara dönüştürülüyor.

Bu planlama tokenleri, çevresel verileri temsil eden sahne tokenleriyle etkileşime girerek, hangi eylemin ne olasılıkla gerçekleştirileceğini belirleyen bir dağılım üretiyor. Bu sayede sistem, deterministik yaklaşımların aksine, her durum için birden fazla makul seçeneği değerlendirebiliyor.

VADv2'nin eğitimi için büyük ölçekli gerçek sürüş verileri kullanılıyor. Bu veriler sayesinde sistem, insan sürücülerin farklı durumlardaki davranış kalıplarını öğrenebiliyor ve benzer belirsizlik seviyelerinde karar verebiliyor.

Özgün Kaynak
arXiv (CS + AI)
VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning
Orijinal makaleyi oku

Bu içerik, özgün kaynaktaki bilgiler temel alınarak BilimKapsül editörleri tarafından yeniden kaleme alınmıştır. Orijinal metnin birebir çevirisi değildir. Telif hakkı özgün yayıncıya aittir.