භෞතික AI යනු කැමරා, ආලෝක අනාවරණය හා පරාසය (LiDAR), සහ රේඩාර් වැනි සංවේදක භාවිතයෙන් සැබෑ ලෝක දත්ත එකතු කරයි. මෙය ස්වයංක්‍රීය පද්ධති සහ රොබෝවන් සඳහා යොදන ලද AI ආදර්ශයන්ට භෞතික අවකාශය තේරුම් ගැනීමට ඉඩ සලසයි, එමඟින් ඔවුන්ට සැබෑ ලෝක තත්ත්වයන් යටතේ කාර්යයන් ඉටු කළ හැක.

සෙන්සර් සංයෝජනය යනු තොරතුරු වල නිරවද්‍යතාවය සහ විශ්වාසනීයතාවය වැඩිදියුණු කිරීම සඳහා බහු සෙන්සර්වලින් ලබාගන්නා දත්ත එකට එක් කිරීමේ ක්‍රියාවලියයි. විවිධ වර්ගයේ සෙන්සර් (උදාහරණයක් ලෙස LiDAR, රේඩාර් සහ කැමරා) වලින් ලබාගන්නා තොරතුරු එකට එක් කිරීමෙන් පද්ධතියකට පරිසරය පිළිබඳ සම්පූර්ණතම රූපයක් නිර්මාණය කළ හැකිය. සෙන්සර් සංයෝජනය මඟින් තනි සෙන්සර්යක් තුළ ඇති විය හැකි දෝෂ හෝ අසාර්ථකතා වල බලපෑමද අඩු කළ හැකිය. මෙම තාක්ෂණය ස්වයංක්‍රීය වාහන (AV) සහ රොබෝටිකා ඇතුළු විවිධ යෙදුම්වල භාවිතා වේ.

සෙන්සර් සංයෝජනයේ අතිශය පොදු යෙදුම් වලින් එකක් වන්නේ රොබෝටැක්සියකට ස්ථාපනය කර ඇති විවිධ සෙන්සර් එකට එකතු කිරීමයි, මෙයට LiDAR වලින් ලැබෙන 3D ලක්ෂ්‍ය වලාකුළු සහ ඉදිරිපස, පැත්ත සහ පසුපස කැමරා වලින් ලැබෙන 2D රූප ඇතුළත් වේ.

සෙන්සර් යනු ආලෝකය, උෂ්ණත්වය සහ ශබ්දය වැනි භෞතික උත්ප්‍රේරක අනාවරණය කර ඒවාට ප්‍රතිචාර දක්වන උපාංග වේ. විවිධ සෙන්සර් තම කාර්යයන් ඉටු කිරීමට විවිධ තාක්ෂණ භාවිතා කරයි. උදාහරණයක් ලෙස, LiDAR සහ රේඩාර් සෙන්සර් තම පරිසරය අනාවරණය කිරීමට ලේසර් සහ රේඩියෝ තරංග භාවිතා කරන අතර, අල්ට්‍රාසොනික් සෙන්සර් ශබ්ද තරංග භාවිතා කරයි.

LiDAR (ආලෝක අනාවරණය සහ දුර මැනීම)

ඉහළ නිරවද්‍යතාවය, දිගු පරාසය සහ වේගවත් දත්ත ලබාගැනීම. LiDAR යනු AV සහ රොබෝට් සඳහා සිතියම් සකස් කිරීම සහ ආපදා වලක්වා ගැනීම සඳහා ඉතා සුදුසුයි.

රේඩාර් (රේඩියෝ අනාවරණය සහ දුර මැනීම)

රේඩාර් සංවේදකයන්ට විවිධ කාලගුණ තත්ත්වයන් හරහා සහ දිගු දුරවලදී වස්තු අනාවරණය කළ හැකි බැවින්, ඒවා ගැටුම් වැළැක්වීම සහ ස්වයංක්‍රීය රියැදීම වැනි යෙදුම් සඳහා ඉතා සුදුසුය.

සෝනාර් (ශබ්ද නාවික හා දුර පරීක්ෂණය)

සෝනා සංවේදක ශබ්ද තරංග නිකුත් කරයි සහ ඒ තරංගයක් වස්තුවකට හැරී ආපසු පැමිණීමට ගතවන කාලය මනිනු ලබයි. රොබෝටිකා හා වාහන ක්ෂේත්‍රයන්හි, ඒවා භාවිතා කර වස්තුවට ඇති දුර තීරණය කළ හැක.

ව්‍යුහගත ආලෝකය

ව්‍යුහගත ආලෝක සංවේදක 3D ස්කෑනරයක් භාවිතා කර වස්තුවක 3D මානයන් මැනයි. ඉහළ විභේදනය සහ නිරවද්‍යතාවය නිසා ඒවා 3D ස්කෑනින් සහ සිතියම්කරණ යෙදුම් සඳහා සුදුසු වේ.

Time-of-Flight (ToF) සංවේදකය

ToF සංවේදක භාවිතා කරන්නේ ගැඹුරු හැඟීමේ තාක්ෂණය සමඟ දුර මැනීම සඳහාය. ඒවා වේගවත් සහ විශ්වාසදායක බැවින්, අත් සන්කේත හඳුනා ගැනීම, වස්තු හඹා යාම සහ රොබෝට් නාවික යෙදුම් සඳහා හොඳ තේරීමකි.

ස්ටීරියෝ දෘශ්‍ය සංවේදකය

ස්ටෙරියෝ දෘශ්‍ය සංවේදක භාවිතා කරන්නේ මිනිස් ද්විචක්ෂු දෘශ්‍යය අනුකරණය කිරීම සඳහා සංවේදක දෙකක් (හෝ වැඩි සංඛ්‍යාවක්) යොදාගෙනයි. ඉහළ නිරවද්‍යතා ගැඹුරු සංවේදනය, හොඳ අවකාශීය විභේදනය සහ අඩු වියදම නිසා මෙය ආපදා වලක්වීම, ත්‍රිමාණ සිතියම් සෑදීම සහ රොබෝට් නාවික යෙදුම් සඳහා සුදුසු වේ.

අල්ට්‍රාසොනික් සංවේදකය

අල්ට්‍රාසොනික් සංවේදක අඩු වියදමින්, භාවිතයට පහසු වන අතර, විවිධ වර්ගයේ ද්‍රව්‍ය අනාවරණය කළ හැකි නිසා, ඒවා වාහන නැවැත්වීමේ උපකාරක හා වස්තු අනාවරණය වැනි යෙදුම් සඳහා සුදුසු වේ.

පියවර 1: දත්ත ආවරණය කරන්න

• පළමු පියවර වන්නේ සියලු සංවේදක දෘශ්‍යයන් කැලිබ්‍රේට් කිරීම සහ සරිලැසීමයි, එවිට ඔබගේ සියලු දත්ත එකම දෘශ්‍යයකට ආවරණය කරන්න. මෙම ඒකාබද්ධ දෘශ්‍යය ඔබේ ලේබල්කරුට වැඩි පසුබැසීමක් ලබාදෙයි, එය කුමන ලක්ෂ්‍ය වලාකුළු කණ්ඩායම් නිරූපණය කරන්නේද කියා හඳුනා ගැනීමට ඉඩ සලසයි.

පියවර 2: 3D ලක්ෂ්‍ය වලාකුළු ලේබල් කරන්න

• ඔබගේ ප්‍රධාන අවධානය 2D ලේබල් ලබා ගැනීම වුවද, කිසිඳු සැකයක් නැතිව 3D හි පළමුව ලේබල් කිරීම බොහෝවිට සුවිශේෂී ලෙස වැඩි කාර්යක්ෂමතාවක් ලබා දෙන බව අපි උපදෙස් දෙමු. 2D වෙත ප්‍රක්ෂේපණය කිරීමට පෙර 3D හි ලේබල් කිරීම කිසිඳු සැකයක් නැතිව තේරුම් ගැනීමට අපහසු වුවද, ඒ සඳහා කිහිපයක් හේතු ඇත.
• ඔබ ස්ථාවර වස්තුවක්, උදාහරණයක් ලෙස රථ වාහන සංඥා පුවරුවක්, අසුරා යන බව සිතා බලන්න. බහු කැමරා කිහිපයක් සමඟ සවි කර ඇති මෙම රථ වාහන සංඥා පුවරුව ඔබ එය අසුරා යන විට කැමරා තුනකදී තවමත් දෘශ්‍යමානව පවතින අතර, එය සම්පූර්ණයෙන්ම සලකා බැලූ විට සන්ධාන වශයෙන් ෆ්‍රේම් 100ක් පමණ ආවරණය කරයි.
• මෙම අවස්ථාව 2D සීමාකෘති කොටු භාවිතයෙන් සටහන් කිරීම සඳහා ඔබට මුළු එකතුවක් වූ අවස්ථා 300ක් ලේබල් කිරීම අවශ්‍ය වේ. එහෙත්, 3D අවකාශයේදී, මෙම ස්ථාවර, නොසෙලෙන රථවාහන සංඥාව සටහන් කිරීම සඳහා එක් කුබොයිඩ් සටහන් කිරීමක් පමණක් අවශ්‍ය වේ.
• 3D ඩ්‍රව්‍යයක ලේබල් කිරීම 2D සීමාකඩ කොටුවක් සටහන් කිරීමේ වඩා තිස්වරක් වැඩි කාලයක් ගන්නා නමුත්, එය තවමත් රූපවල සෘජුව ලේබල් කිරීමේ වඩා ගුණාත්මකව සෙසු වතාවක් වැඩි කාර්යක්ෂමතාවක් ලබා දෙයි.

පියවර 3: 2D රූප වෙත ප්‍රක්ෂේපනය

• ඔබගේ 3D ලක්ෂ්‍ය වලාකුළු ලේබල් කළ පසු, ඒවා ඔබගේ 2D රූප දත්තයට කැලිබ්‍රේට් කර සුරැකුම් කළ හැකිය. Segments.ai ස්වයංක්‍රීයව වස්තු හැඳුනුම් අංක 2D දත්තයට පිටපත් කරයි, ඔබට පැතිකඩ කොටු ඇඳීමට වැයවන පැය ගණනක් ඉතිරි කරයි. ඔබට අවශ්‍ය වන්නේ ගුණාත්මකභාව පාලන පරීක්ෂණයේදී සුළු සවිස්තර සංශෝධන පමණි.

ස්වයංක්‍රීය වාහන සහ රොබෝ තාක්ෂණ සමාගම් තම යන්ත්‍ර ඉගෙනුම් (ML) ආකෘතිවලදී ප්‍රමාද ඒකාබද්ධ කිරීමේ ප්‍රවේශයකින් ආරම්භක ඒකාබද්ධ කිරීම ප්‍රවේශයක් වෙත මාරුවීම වැඩි වශයෙන් දක්නට ලැබේ.

බද්ධ කිරීමේ ක්‍රමවේදය තුළ භාවිතා කරන සෑම සංවේදකයක් සඳහාම වෙන් වෙන් වූ ML ආකෘති යොදාගනු ලබන අතර, ඒවා මඟින් ස්වාධීන ප්‍රතිදාන ජනනය කරනු ලබයි. පසුව මෙම ප්‍රතිදාන එකට එක් කර හෝ ඒකාබද්ධ කර, දර්ශනයේ සමගාමී ත්‍රිමාණ (3D) නිරූපණයක් නිර්මාණය කරනු ලැබේ. මෙහිදී බහු ආකෘති ස්වාධීනව ක්‍රියාත්මක කර, පසුව ඒවායේ ප්‍රතිඵල එකට ඒකාබද්ධ කරනු ලැබේ.

ආරම්භක ඒකාබද්ධ කිරීමේ (Early Fusion) ක්‍රමවේදය වඩාත් නවීන ප්‍රවේශයක් අනුගමනය කරයි. එක් සංවේදකය සඳහා වෙන වෙනම ආකෘති භාවිතා කිරීම වෙනුවට, සියලුම සංවේදක දත්ත එක් තනි (ML) ආකෘතියකට ඇතුළත් කරනු ලැබේ. මෙම ඒකාබද්ධ ආකෘතිය නිර්මාණය කර ඇත්තේ (3D) අවකාශය තුළ සෘජුවම අනාවැකි සිදු කිරීම සඳහාය.

ආරම්භක ඒකාබද්ධ කිරීමේ ක්‍රමවේදය ඵලදායී වීමට නම්, දර්ශනය නිරූපණය කිරීම සඳහා වොක්සල් ග්‍රිඩ් ප්‍රයෝජනවත් සහ වාසිදායක නිරූපණ ක්‍රමයක් ලෙස සැලකේ. වොක්සල් ග්‍රිඩ් නිත්‍ය ව්‍යුහයක් පෙන්නුම් කරන බැවින්, මෙම ප්‍රවේශය සඳහා ඒවා ඉතා සුදුසු නිරූපණ ක්‍රමයක් වේ. ඒවා ටෙන්සර් ලෙස සංකල්පගත කළ හැකි අතර, එමඟින් ආරම්භයේ සිට අවසානය දක්වා අනාවැකි සිදු කිරීමට හැකියාව ලැබේ. ආදානයේ සිට ප්‍රතිදානය දක්වා සම්පූර්ණ ක්‍රියාවලිය එක් තනි ආකෘතියක් භාවිතයෙන් අනාවැකි කළ හැකිය.