Daha akıllı CCAM için Üretken Yapay Zeka: algılama, karar verme ve doğrulamayı geliştirme (CCAM Ortaklığı)

Beklenen Sonuç:

Proje sonuçlarının aşağıdaki tüm beklenen sonuçlara katkıda bulunması beklenmektedir:

• Durumsal farkındalığı artırmak ve güvenli karar vermeyi desteklemek için Üretken Yapay Zeka (GenAI) teknolojik ilerlemelerinden yararlanan; gelişmiş, güvenilir ve enerji verimli algılama sistemlerinin mevcudiyeti ve entegrasyonu;
• Geliştirilmiş, davranış ve niyet tahminlerine karşı daha dirençli algılama ve anlama kabiliyetine dayalı, Güvenli Yol Kullanıcısı (VRU) güvenliğinin artırılması;
• CCAM sistemlerinin -hem araç üstü hem de altyapı tarafında- GenAI tarafından oluşturulan senaryolarda eğitim, sanal test ve doğrulama yoluyla kritik durumlarda artırılmış sağlamlığı; bu süreçte CCAM sistemlerinin test ve doğrulanması için mevcut senaryo veri tabanlarını tamamlaması;
• CCAM için GenAI kullanımının ilgisi ve sınırlamaları konusundaki anlayışın geliştirilmesi;
• GenAI'nın mobilite teknolojisi geliştirme, eğitim ve doğrulamanın yanı sıra trafik yönetimi ve uzaktan kontrol gibi sistemsel uygulamalarda kullanımı için araçlar ve uyumlu yaklaşımlar; bunların mevcut yaklaşımlara entegrasyonu.

Kapsam:

Seviye 3 ve 4 araç servislerini kullanan pilot uygulamalar ve gösterimler, algılama ve karar verme konularında büyük zorluklarla karşı karşıyadır; bu durum, gerçek zamanlı çalışma koşullarında tepkiselliği ve durumsal farkındalığı artıran düşük gecikmeli çözümlerin gerekliliğini vurgulamaktadır. Bu durum, çevresel değişkenliğin daha yüksek olduğu ve yeni senaryolarla düzenli olarak karşılaşılabilen kentsel alanlar gibi daha karmaşık ortamlarda sürüş için özellikle önemlidir. Ayrıca, araç üstü hesaplamalar için gecikme, bant genişliği ve enerji kullanımının sınırlandırılması gerektiği gibi güvenlik, gizlilik ve güvenilirliği (örneğin sahne anlama ve yakın gelecek senaryo gelişimi tahmini) artırma ihtiyacı da bulunmaktadır. VRU'lar ile etkileşimlerde hızlı karar verme, CCAM destekli çözümlerin uygulanması ve ölçeklenebilirliğin sağlanması için esastır.

Aynı zamanda, sektörden bağımsız teknolojilerin gelişimi, CCAM için faydalı olabilecek GenAI gibi ilerlemeler göstermektedir. HORIZON-CL5-2023-D6-01-02[1] kapsamında finanse edilen bir projeden, CCAM sistemlerinin geliştirilmesi, eğitimi, sanal testi ve doğrulanması için kullanılabilecek uç durumların (edge cases) sanal üretimindeki potansiyele ilişkin ilk keşif adımlarının gelmesi beklenebilir.

Özellikle CCAM alanı için GenAI uygulamalarında daha ileri düzeyde ilerlemeler geliştirilmeli, eğitilmeli ve doğrulanmalıdır[2]. Bu nedenle, önerilen eylemler CCAM için daha ileri teknolojik ilerlemelerden yararlanma yaklaşımlarını içermelidir. Otonom araçlar için son derece gelişmiş, ultra güvenli, güvenilir ve enerji verimli gerçek zamanlı algılama ve karar verme sistemlerine geçmek için önemli adımlara ihtiyaç vardır; burada özellikle ölçeklenebilir çözümlere ve GenAI'nın kullanımına odaklanılmalıdır. Bu ilerlemeler, gerçek zamanlı işlemeyi kolaylaştırmak için düşük gecikmeli sistemlerden veya dağıtılmış hesaplama kaynaklarından yararlanmalı, böylece sistem tepkiselliğini ve güvenliğini artırmalıdır. Bu konu, otomotiv sektöründe yapay zeka gelişimini ve benimsenmesini teşvik ederek AI Continent Action Plan[3]'e katkıda bulunacaktır.

Önerilen eylemlerin aşağıdaki hususların tümünü ele alması beklenmektedir:

• Sağlam çevre algılama ve karar verme (uç noktada, araç üstünde, altyapıda veya arka ofiste) için araç ve yaklaşımların geliştirilmesi. Bu yaklaşımlar, başlangıç kullanım durumu olarak yol planlamayı kullanarak karar verme akıl yürütmesini hızlandırmayı ve ilerletmeyi, uygulamaların verimlilik, (siber) güvenlik ve güvenilirlik düzeyini artırmayı amaçlamalıdır. Bu, diğerlerinin yanı sıra VRU'ların algılanmasını, davranışlarının ve niyetlerinin tahmin edilmesini desteklemek içindir ve kaza yakın senaryolarda eylemler için daha geniş bir zaman penceresi oluşturmak amacıyla CCAM çözümleri için veri paylaşımı yaklaşımlarını içerir. Kullanımı...