چکیده مقاله
با گسترش روزافزون فناوری های هوش مصنوعی به ویژه در حوزه یادگیری عمیق و بینایی ماشین، خودروهای خودران به یکی از مهم ترین دستاوردهای هوش مصنوعی در حمل و نقل هوشمند تبدیل شده اند هدف این مقاله بررسی نقش هوش مصنوعی در هدایت هوشمند خودروهای خودران با تمرکز بر فرآیند تشخیص اشیاء و تصمیم گیری لحظه ای در محیط های واقعی و پیچیده شهری است در این پژوهش ابتدا به مبانی نظری مرتبط با ادراک محیط و مفاهیم کلیدی در طراحی سیستم های خودران پرداخته شده و سپس ساختار فنی سیستم های تشخیص اشیاء شامل حسگرها، شبکه های عصبی پیچشی CNN و الگوریتم های شناخته شده ای نظیر SSD، YOLO و Faster R CNN مورد بررسی قرار گرفته است، همچنین نحوه ترکیب داده های چند حسگر Sensor Fusion و چالش هایی مانند نور ضعیف، شرایط آب و هوایی نامساعد و اشیاء پنهان تحلیل شده است در ادامه، فرآیند تصمیم گیری بلادرنگ بر اساس اطلاعات ادراکی، با استفاده از شبکه های تصمیم گیری و یادگیری تقویتی بررسی می شود نتایج حاصل از مطالعات موردی و ارزیابی های تجربی نشان می دهد که دقت و سرعت الگوریتم های نوین یادگیری عمیق نقش تعیین کننده ای در افزایش ایمنی، کارایی و اعتمادپذیری خودروهای خودران دارد در پایان با تاکید بر روندهای نوظهور از جمله بهره گیری از مدل های مبتنی بر ترنسفورمر و یادگیری تطبیقی بر ضرورت توسعه سیستم هایی با قابلیت تعمیم بالا در شرایط واقعی تاکید شده است یافته های این مقاله می تواند مبنایی برای طراحی نسل جدید سامانه های خودران در محیط های شهری و بین شهری قرار گیرد
کلیدواژهها
نویسندگان
شیوه ارجاع
مشایخی، مهدی و عادلی نیا، محمد و بهره مند، میلاد،1404،هوش مصنوعی در خودروهای خودران چالش ها و راهکارهای تصمیم گیری،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز