با گسترش سریع خودروهای برقی و خودران، نرمافزارها به قلب تپنده صنعت حملونقل تبدیل شدهاند. طبق گزارش آژانس بینالمللی انرژی (IEA)، تعداد خودروهای الکتریکی جهان در سال ۲۰۲۴ از ۴۰ میلیون دستگاه عبور کرده و پیشبینی میشود تا سال ۲۰۳۰ بیش از ۶۰ درصد خودروهای جدید دارای سطوحی از رانندگی خودکار باشند. در چنین شرایطی، تشخیص دقیق وضعیت حرکتی خودرو در هر لحظه، نقشی حیاتی در ایمنی و عملکرد آن ایفا میکند. کوچکترین خطا در تخمین حرکت میتواند منجر به کاهش پایداری، خطای فرمان یا حتی تصادف شود. اکنون پژوهشگران راهکاری نوین ارائه دادهاند که این چالش را هدف قرار میدهد.
خودروهای خودران و چالش درک حرکت
به گزارش اقتصاددان به نقل از تجارت نیوز ، سیستمهای کنترل مدرن خودرو برای تصمیمگیری صحیح به دادههای بسیار دقیق نیاز دارند؛ دادههایی مانند سرعت، شتاب، نیروی جانبی و زاویه حرکت. در خودروهای معمولی، راننده میتواند با حس خود خطر را تشخیص دهد، اما در خودروهای خودران، این وظیفه کاملا بر عهده الگوریتمهاست.
مشکل اصلی آنجاست که جادههای واقعی همیشه قابل پیشبینی نیستند. تغییر ناگهانی اصطکاک جاده، تغییر شکل تایرها، پیچهای تند یا مانورهای اضطراری، همگی میتوانند باعث شوند مدلهای کلاسیک فیزیکی دچار خطا شوند. بر اساس آمار، بیش از ۳۰ درصد خطاهای سیستمهای خودران به تخمین نادرست وضعیت حرکتی خودرو مربوط میشود.
هوش مصنوعی فیزیکی؛ پیوند داده و قوانین طبیعت
تیمی از پژوهشگران به سرپرستی پروفسور کانگهیون نام از مؤسسه DGIST کره جنوبی، با همکاری دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو، راهحلی نوآورانه ارائه کردهاند. آنها سیستمی مبتنی بر هوش مصنوعی فیزیکی (Physics-Informed AI) طراحی کردهاند که بهجای حذف مدلهای فیزیکی، آنها را با یادگیری ماشینی تقویت میکند.
تمرکز اصلی این سیستم بر تخمین پارامترهایی است که بهطور مستقیم توسط حسگرها اندازهگیری نمیشوند؛ یکی از مهمترین آنها زاویه لغزش جانبی است. این زاویه نشان میدهد خودرو هنگام پیچیدن یا در شرایط کماصطکاک تا چه حد به پهلو سر میخورد؛ عاملی کلیدی در حفظ پایداری خودرو.
فناوری بهکاررفته در سیستم جدید
در قلب این سامانه، ترکیبی از دو فناوری پیشرفته قرار دارد:
- فیلتر کالمن بدون بو (UKF): برای حفظ انسجام و صحت قوانین فیزیکی خودرو
- رگرسیون فرآیند گاوسی (Gaussian Process Regression): برای یادگیری رفتار غیرخطی تایرها و شرایط متغیر جاده
دادههای بلادرنگ حسگرها، مانند نیروی جانبی تایر، بهصورت مداوم وارد سیستم میشوند و الگوریتم هوش مصنوعی خود را با شرایط جدید تطبیق میدهد. نتیجه این ترکیب، افزایش چشمگیر دقت تخمین است؛ بهطوری که در آزمایشها، خطای تخمین تا ۴۵ درصد کمتر از روشهای سنتی گزارش شده است.
آزمایشهای واقعی و نتایج چشمگیر
محققان این سیستم را روی یک پلتفرم واقعی خودروی برقی آزمایش کردند. آزمایشها شامل شرایط متنوعی مانند:
- سرعتهای مختلف (۳۰ تا ۱۲۰ کیلومتر بر ساعت)
- سطوح جاده خشک، خیس و کماصطکاک
- پیچهای ملایم و تند
نتایج نشان داد که سیستم در تمامی شرایط، دقت و پایداری بالایی دارد. این موضوع برای استفاده در خودروهای تجاری بسیار حیاتی است، زیرا حتی ۱۰ میلیثانیه تاخیر کمتر در تشخیص لغزش میتواند از بروز تصادف جلوگیری کند.
پیامدها برای آینده صنعت خودرو
تخمین دقیق وضعیت خودرو، زیربنای بسیاری از عملکردهای حیاتی از جمله سیستمهای کنترل پایداری (ESC)، ایمنی خودروهای خودران و کاهش مصرف انرژی و افزایش عمر تایرها است.
بر اساس برآوردها، بهبود تنها ۵ درصدی در کنترل پایداری میتواند تا ۲۰ درصد تصادفات ناشی از لغزش را کاهش دهد. پروفسور نام تاکید میکند که هدف این پروژه تنها افزایش دقت نبوده، بلکه قابلیت اطمینان و ایمنی بلندمدت نیز در اولویت قرار داشته است.
پژوهش منتشرشده در مجله IEEE Transactions on Industrial Electronics نشان میدهد که آینده خودروهای برقی و خودران، در گرو همکاری نزدیک فیزیک و هوش مصنوعی است. سیستم جدید تخمین وضعیت خودرو، نهتنها محدودیتهای مدلهای سنتی را جبران میکند، بلکه راه را برای نسل جدیدی از کنترل هوشمند، ایمن و قابل اعتماد هموار میسازد. به نظر میرسد هوش مصنوعی فیزیکی، یکی از ستونهای اصلی معماری خودروهای آینده خواهد بود.
مخاطب گرامی، ارسال نظر پیشنهاد و انتقاد نسبت به خبر فوق در بخش ثبت دیدگاه، موجب امتنان است.
ع
