کاربرد روش های یادگیری ماشین در خودروهای خودران

محققان علم و فناوری در حال حاضر بر روی ساخت خودروهای خودران تمرکز دارند. این امر می تواند تاثیر عمیقی بر پیشرفت اجتماعی و اقتصادی داشته باشد. خودروهای خودران می توانند به کاهش چشمگیر تصادفات رانندگی و افزایش کیفیت زندگی مردم در سراسر جهان کمک کنند. خودروهای خودران در گذشته اخیر به دلیل توسعه هوش مصنوعی، محبوبیت چشمگیری داشته اند. با این حال، کارهای تحقیقاتی زیادی برای تولید خودروهای کاملا خودکار باید انجام شود زیرا یک خودروی خودران باید بتواند محیط خود را حس کند و بدون دخالت انسان عمل کند. نیازی به کنترل خودرو توسط سرنشین انسانی در هر زمانی نیست و همچنین نیازی به حضور او در خودرو نیست. در حال حاضر، خودروهای خودران هنوز در سطح ۳ هستند و به دلیل چالش های زیادی که معمولا باعث تاری تصاویر می شوند، از جمله جاده های نامنظم، عوامل آب و هوایی (باران و مه) اجازه تردد در جاده ها را ندارند. این مقاله به کاربرد یادگیری ماشین در خودروهای خودران و بررسی موانعی که خودروهای خودران با آن مواجه هستند و همچنین چگونگی غلبه بر آنها خواهد پرداخت. این مقاله اطلاعاتی در مورد خودروهای خودران، چالش های پیش روی آنها، روش های اخیر مورد استفاده برای غلبه بر این چالش ها و مزایا، معایب و دقت این روش ها در اختیار محققان قرار می دهد. هدف این مقاله تشویق محققان به کار بر روی حل مشکلاتی است که مانع تکامل خودروهای خودران می شوند.

کلیدواژه ها:

خودروهای خودران ، تشخیص عابر پیاده ، تشخیص علائم راهنمایی ، شبکه عصبی کانولوشن (CNN)