Tamil
அடுத்த தலைமுறை LiDAR + கேமரா இணைப்பு: சுயாதீன அமைப்புகளுக்கான உணர்வை மறுபரிசீலனை செய்தல்
2025.12.26 துருக
தன்னாட்சி அமைப்புகள் - தன்னிச்சையாக இயக்கப்படும் கார்கள் முதல் தொழில்துறை ரோபோடுகள் மற்றும் விநியோக ட்ரோன்கள் - பாதுகாப்பாகவும் திறமையாகவும் செயல்படுவதற்கு துல்லியமான சுற்றுப்புற உணர்வுக்கு நம்பிக்கையளிக்கின்றன. பல ஆண்டுகளாக, LiDAR (ஒளி கண்டுபிடிப்பு மற்றும் அளவீடு) மற்றும் கேமராக்கள்இந்த கருத்தின் முதன்மை ஆதாரமாக உள்ளன, ஒவ்வொன்றும் தனித்துவமான பலவீனங்களுடன்: LiDAR 3D தூர அளவீட்டிலும் குறைந்த ஒளி செயல்திறனிலும் சிறந்தது, அதற்குப் பதிலாக கேமராக்கள் செழுமையான அர்த்தமான விவரங்களையும் நிறத் தகவல்களையும் வழங்குகின்றன. இருப்பினும், பாரம்பரிய சென்சார் இணைப்பு அணுகுமுறைகள் இந்த தரவுப் பாய்களை தனித்தனியாக உள்ளீடுகளாகக் கருதுகின்றன, இது தாமதம், தவறான ஒத்திசைவு மற்றும் உள்ளடக்கக் கருத்துக்களை தவிர்க்கிறது.
LiDAR + கேமரா இணைப்பு அடுத்த தலைமுறையை மாற்றுகிறது. இந்த சென்சார்களை ஹார்ட்வேரில், மென்பொரலில் மற்றும் அர்த்தத்திலும் ஒருங்கிணைப்பதன் மூலம்—எட்ஜ் AI, இயக்கவியல் அளவீடு மற்றும் ஆழ்ந்த கற்றலால் இயக்கப்படும்—இது பாரம்பரிய அமைப்புகளின் வரம்புகளை தீர்க்கிறது மற்றும் தன்னாட்சி தொழில்நுட்பத்திற்கு புதிய வாய்ப்புகளை திறக்கிறது. இந்த கட்டுரையில், இந்த புதுமையான இணைப்பு எப்படி கருத்தை மறுபரிசீலனை செய்கிறது, அதன் உண்மையான உலகத்தில் விளைவுகள் மற்றும் இது தன்னாட்சியின் எதிர்காலத்திற்கு ஏன் முக்கியமானது என்பதை ஆராய்வோம்.
பாரம்பரிய LiDAR + கேமரா இணைப்பின் குறைபாடுகள்
அடுத்த தலைமுறைக்கு முந்தையதாக, பாரம்பரிய இணைப்பு அணுகுமுறைகள் இனி போதுமானவை அல்ல என்பதைக் புரிந்துகொள்ளுவது முக்கியம். பாரம்பரிய அமைப்புகள் பொதுவாக "பின்-செயலாக்கம்" மாதிரியை பின்பற்றுகின்றன: LiDAR மற்றும் கேமராக்கள் தரவுகளை தனித்தனியாகப் பிடிக்கின்றன, பின்னர் மைய செயலியில் இணைக்கப்படுவதற்கு முன்பு அவற்றை ஒழுங்குபடுத்தி, தனித்தனியாக பகுப்பாய்வு செய்கின்றன.
• தாமதம் தடைகள்: வரிசைப்படுத்தப்பட்ட செயலாக்கம் தாமதங்களை உருவாக்குகிறது (பொதுவாக 50–100ms) இது உயர் வேகத்தில் இயங்கும் சுய இயக்க அமைப்புகளுக்கு ஆபத்தானது. 60mph வேகத்தில் பயணிக்கும் ஒரு சுய இயக்க கார் மோதல்களை தவிர்க்க மில்லிசெகண்டுகளில் பதிலளிக்க வேண்டும்—பாரம்பரிய இணைப்பு இதற்கேற்ப இயங்க முடியாது.
• நிலையான அளவீடு: பெரும்பாலான அமைப்புகள் உண்மையான உலக மாற்றங்களுக்கு (எ.கா., வெப்பநிலை மாற்றங்கள், அதிர்வு, அல்லது சிறிய சென்சார் இடமாற்றம்) ஏற்ப மாறுபடாத முன்கூட்டிய அளவீட்டு அளவுகளைப் பயன்படுத்துகின்றன. இது LiDAR இன் 3D புள்ளிகள் கேமராவின் 2D பிக்சல்களுடன் பொருந்தாத தவறான ஒழுங்குபடுத்தலுக்கு வழிவகுக்கிறது.
• அர்த்தமின்மை: பாரம்பரிய இணைப்பு "மூல தரவுகள்" (எடுத்துக்காட்டாக, LiDAR புள்ளி மேகங்கள் மற்றும் கேமரா பிக்சல்கள்) ஐ இணைக்கிறது ஆனால் ஒவ்வொரு சென்சாரும் வழங்கும் சூழலை ஒருங்கிணைக்க முடியவில்லை. எடுத்துக்காட்டாக, ஒரு கேமரா "பாதுகாப்பாளர்" ஐ கண்டுபிடிக்கலாம், ஆனால் LiDAR அவர்கள் உள்ள இடத்தை அளவிடுகிறது - ஆனால் அமைப்பு பாதுகாப்பாளரின் இயக்கத்தை (கேமராவிலிருந்து) அவர்களின் அருகாமை (LiDAR இல் இருந்து) நேரத்தில் இணைக்கவில்லை.
• அதிகமான நிலைமைகளுக்கு பாதிப்பு: கடுமையான மழை, மங்கல், அல்லது ஒளி ஒரு சென்சாரை செயலிழக்க செய்யலாம், மேலும் பழமையான அமைப்புகள் மாற்றத்தை ஈடுகொள்வதற்கு தேவையான மீள்படியை கொண்டிருக்கவில்லை. சூரிய ஒளியால் கண்ணை மூடிய கேமரா அல்லது மழையால் மறைக்கப்பட்ட LiDAR பெரும்பாலும் جزئی அல்லது முழுமையான உணர்வு தோல்விக்கு வழிவகுக்கிறது.
இந்த குறைகள், முன்னணி தன்னாட்சி அமைப்புகள் கூட எட்ஜ் சந்தர்ப்பங்களில் ஏன் சிரமம் அடைகின்றன என்பதை விளக்குகிறது—கட்டுமான மண்டலங்களில் இருந்து எதிர்பாராத நடைபாதை இயக்கங்களுக்கு. அடுத்த தலைமுறை இணைப்பு LiDAR மற்றும் கேமரா ஒருங்கிணைப்பை மறுபரிசீலனை செய்வதன் மூலம் இந்த இடைவெளிகளை கையாள்கிறது.
அடுத்த தலைமுறை இணைப்பின் மைய புதுமைகள்
LiDAR + கேமரா இணைப்பின் அடுத்த அலை என்பது வெறும் incremental மேம்பாடு அல்ல - இது கட்டமைப்பில் அடிப்படையான மாற்றமாகும். மூன்று முக்கிய புதுமைகள் அதன் மேன்மையை இயக்குகின்றன: எட்ஜ் AI ஒருங்கிணைப்பு, இயக்கவியல் சுய-அளவீடு, மற்றும் அர்த்தமுள்ள நிலை இணைப்பு.
1. எட்ஜ் AI-சக்தி கொண்ட நேரடி செயலாக்கம்
மையக் கணினியைக் கொண்ட பழைய முறைமைகளுக்கு மாறாக, அடுத்த தலைமுறை இணைப்பு செயலாக்கத்தை சென்சார்களுக்கு ("எட்ஜ்") அருகில் கொண்டு செல்கிறது. இது, மைய முறைமைக்கு அனுப்புவதற்கு முன்பு, LiDAR மற்றும் கேமரா தரவுகளை மூலத்தில் ஒருங்கிணைத்து தாமதத்தை நீக்குகிறது.
• கூட்டுப் செயலாக்க ஹார்ட்வேர்: நவீன LiDAR மற்றும் கேமரா மாடுல்கள் தற்போது தனிப்பட்ட AI சிப்புகளை (எ.கா., NVIDIA Jetson Orin, Mobileye EyeQ6) கொண்டுள்ளன, அவை தரவுகளை இணக்கமாக செயலாக்குகின்றன. எடுத்துக்காட்டாக, ஒரு LiDAR நகரும் பொருட்களை தனித்துவமாகக் கண்டு பிடிக்க புள்ளி மேகங்களை முன்கூட்டியே வடிகட்டி, கேமரா ஒரே நேரத்தில் அந்த பொருட்களை அடையாளம் காண்கிறது - அனைத்தும் 10ms க்குள்.
• எளிதான நரம்பியல் நெட்வொர்க்கள்: தனிப்பயன் மாதிரிகள் (எ.கா., பொருள் கண்டறிதற்கான TinyYOLO, பாயிண்ட் கிளவுட் பிரிப்பு PointPillars) எல்லை சாதனங்களுக்கு உகந்தவையாக வடிவமைக்கப்பட்டுள்ளன. இவை குறைந்த சக்தி கொண்ட ஹார்ட்வேர் மீது இயங்குகின்றன ஆனால் உயர் துல்லியத்தை வழங்குகின்றன, LiDAR இன் இடவெளி தரவுகளை கேமராவின் அர்த்தமுள்ள தரவுடன் நேரத்தில் இணைக்கின்றன.
• பயன்: பாரம்பரிய அமைப்புகளுடன் ஒப்பிடுகையில் 80% தாமதம் குறைக்கப்படுகிறது, இது தன்னாட்சி வாகனங்களுக்கு மனித ஓட்டுனர்களைவிட (சாதாரணமாக 200–300மி.செ. பதிலளிக்க) ஆபத்துகளுக்கு விரைவாக எதிர்வினை செய்ய உதவுகிறது.
2. இயக்கவியல் சுய-அளவீடு
நிலையான அளவீடு கட்டுப்படுத்தப்பட்ட ஆய்வகங்களில் வேலை செய்கிறது ஆனால் உண்மையான உலகில் தோல்வியுறுகிறது. அடுத்த தலைமுறை இணைப்பு AI ஐ LiDAR மற்றும் கேமராக்களை தொடர்ந்து அளவீடு செய்ய பயன்படுத்துகிறது, சுற்றுப்புற மாற்றங்கள் மற்றும் உடல் மாற்றங்களுக்கு ஏற்ப அடிக்கடி மாற்றுகிறது.
• அம்ச அடிப்படையிலான ஒத்திசைவு: இந்த அமைப்பு LiDAR புள்ளி மேகங்கள் மற்றும் கேமரா படங்களில் பொதுவான அம்சங்களை (எ.கா., போக்குவரத்து அடையாளங்கள், கட்டிட எல்லைகள்) அடையாளம் காண்கிறது. பின்னர், இந்த அம்சங்களை பயன்படுத்தி, சென்சார்கள் கிணற்றுகள் அல்லது சூரிய ஒளியால் வெப்பமடைந்தாலும், உடனுக்குடன் அளவீட்டு அளவுகளை சரிசெய்யுகிறது.
• சென்சார் ஆரோக்கிய கண்காணிப்பு: AI செயல்திறன் அளவீடுகளை (எ.கா., LiDAR புள்ளி அடர்த்தி, கேமரா வெளிப்பாடு) கண்காணிக்கிறது. ஒரு கேமராவின் லென்ஸ் மாசு அடைந்தால், பிரச்சினை தீரும் வரை LiDAR மீது அதிகமாக நம்புவதற்காக அமைப்பு தானாகவே இணைப்பின் எடைகளை சரிசெய்கிறது.
• நன்மை: தவறான ஒத்திசைவு பிழைகள் 90% குறைக்கப்படுகின்றன, கடுமையான நிலைகளில் (மருதாணி வெப்பம் முதல் மலை பனிக்கட்டி) நிலையான உணர்வை உறுதி செய்கிறது.
3. அர்த்த அடிப்படையிலான இணைப்பு (தரவுகளை மட்டும் இணைப்பது அல்ல)
மிகவும் பெரிய முன்னேற்றம் என்பது "தரவு மட்டத்தில் இணைப்பு" என்பதிலிருந்து "அர்த்த இணைப்பு" என்பதிற்குப் போகுவது ஆகும். கச்சா பிக்சல்கள் மற்றும் புள்ளி மேகங்களை இணைப்பதற்குப் பதிலாக, அடுத்த தலைமுறை அமைப்புகள் சுற்றுப்புறத்தின் விளக்கங்களை இணைக்கின்றன - பொருட்கள் என்னவென்று (கேமராவிலிருந்து) அவை எங்கு இருக்கின்றன (LiDAR இல் இருந்து) மற்றும் அவை எவ்வாறு நகர்கின்றன (இரண்டிலும்).
• Transformer அடிப்படையிலான இணைப்பு மாதிரிகள்: முன்னணி நரம்பியல் நெட்வொர்க்கள் (எ.கா., DETR, FusionTransformer) LiDAR மற்றும் கேமரா தரவுகளை ஒரே "பலமுறை" உள்ளீடாக செயலாக்குகின்றன. LiDAR இன் 3D ஒருங்கிணைப்புகளை கேமராவின் பொருள் லேபிள்களுடன் (எ.கா., "சைக்கிளில் குழந்தை") மற்றும் இயக்க வெக்டர்களுடன் (எ.கா., "மெதுவாகச் செல்லுதல்") தொடர்புபடுத்த கற்றுக்கொள்கின்றன.
• சூழல் காரணம்: அமைப்பு வரலாற்று தரவுகளை பயன்படுத்தி நடத்தையை கணிக்கிறது. எடுத்துக்காட்டாக, ஒரு கேமரா இடது பக்கம் பார்க்கும் ஒரு நடைபாதையை கண்டுபிடித்தால் மற்றும் LiDAR அவர்கள் 50 மீட்டர் தொலைவைக் கணக்கீடு செய்தால், அமைப்பு அந்த நடைபாதை சாலையை கடக்கலாம் என்று ஊகிக்கிறது - மற்றும் தன்னாட்சி வாகனத்தின் பாதையை முன்னெச்சரிக்கையாக சரிசெய்கிறது.
• Benefit: Object detection accuracy increases by 35% in complex scenarios (e.g., crowded intersections, construction zones) compared to single-sensor or legacy fusion systems.
Real-World Impact: Use Cases Across Industries
Next-generation LiDAR + camera fusion isn’t just theoretical—it’s already transforming autonomous systems across sectors.
Autonomous Vehicles (Passenger & Commercial)
Self-driving cars and trucks are the most high-profile use case. Companies like Waymo, Cruise, and TuSimple are deploying next-gen fusion to handle edge cases that stumped earlier systems:
• Urban navigation: In busy cities, fusion distinguishes between pedestrians, cyclists, and scooters—even when they’re partially obscured by parked cars. LiDAR measures distance, while cameras confirm the object’s type and intent (e.g., a cyclist signaling a turn).
• சாலை பாதுகாப்பு: ஃப்யூஷன் சாலையில் உள்ள கழிவுகளை (LiDAR) கண்டறிந்து, அதை (கேமரா) அடையாளம் காண்கிறது—அது ஒரு டயர் துண்டா அல்லது ஒரு கார்ட்போர்டு பெட்டியா—வாகனம் பாதுகாப்பாக வளைந்து செல்லவோ அல்லது தடுப்பதற்கோ அனுமதிக்கிறது.
• நீண்ட தூரம் போக்குவரத்து: வர்த்தக லாரிகள் மற்ற வாகனங்களிடமிருந்து பாதுகாப்பான தூரங்களை பராமரிக்க ஃப்யூஷனைப் பயன்படுத்துகின்றன, மங்கலிலும் கூட. LiDAR குறைந்த காட்சி தூரத்தை கடக்கிறது, கேமராக்கள் பாதை குறியீடுகள் மற்றும் போக்குவரத்து சிக்னல்களை உறுதிப்படுத்துகின்றன.
தொழில்துறை ரோபோட்டிக்ஸ்
உற்பத்தி மற்றும் கையிருப்பு ரோபோட்டுகள் மனிதர்களுடன் இணைந்து செயல்பட ஃப்யூஷனில் நம்பிக்கையுடன் இருக்கின்றன:
• ஒத்துழைப்பு ரோபோட்டுகள் (கோபோட்டுகள்): ஃப்யூஷன் கோபோட்டுகளை நேரத்தில் மனித தொழிலாளிகளை கண்டறிய உதவுகிறது, மோதல்களை தவிர்க்க வேகம் மாற்றுவதற்கோ அல்லது நிறுத்துவதற்கோ அனுமதிக்கிறது. கேமராக்கள் உடல் பகுதிகளை (எ.கா., கை, கைகள்) அடையாளம் காண்கின்றன, LiDAR அருகிலுள்ள இடத்தை அளவிடுகிறது.
• கையிருப்பு தானியங்கி: ட்ரோன்கள் மற்றும் AGVs (தானியங்கி வழிகாட்டும் வாகனங்கள்) குறுகிய இடங்களில் வழிசெலுத்த ஃப்யூஷனைப் பயன்படுத்துகின்றன. LiDAR கையிருப்பு அமைப்பை வரைபடம் வரைந்துவிடுகிறது, கேமராக்கள் பார்கோடுகளைப் படிக்கின்றன மற்றும் தொகுப்புகளை அடையாளம் காண்கின்றன—ஆர்டர் நிறைவேற்றத்தை 40% வேகமாக்குகிறது.
மனிதமில்லா விமானங்கள் (UAVs)
விநியோக ட்ரோன்கள் மற்றும் ஆய்வு UAVகள் நகர மற்றும் தொலைவிலுள்ள சூழ்நிலைகளில் செயல்பட பிணைப்பு பயன்படுத்துகின்றன:
• கடைசி மைல் விநியோகம்: ட்ரோன்கள் மின்கம்பங்களை தவிர்க்க (LiDAR) மற்றும் இறக்குமதி இடங்களை அடையாளம் காண (கேமராக்கள்)—காற்று மழை நிலைகளிலும் கூட. அர்த்தமுள்ள பிணைப்பு, அவை ஒரு கூரை மற்றும் ஒரு இறக்குமதி மேடையை குழப்புவதில்லை என்பதை உறுதி செய்கிறது.
• அடிப்படைக் கட்டமைப்பு ஆய்வு: UAVகள் பாலங்கள் மற்றும் காற்றாடிகளை ஆய்வு செய்கின்றன, கட்டமைப்புப் பிழைகளை அளவிட LiDAR ஐப் பயன்படுத்தி (எ.கா., பிளவுகள்) மற்றும் காட்சியியல் ஆதாரங்களைப் பிடிக்க கேமராக்களைப் பயன்படுத்தி. பிணைப்பு இந்த தரவுகளை இணைத்து பொறியாளர்களுக்கான 3D மாதிரிகளை உருவாக்குகிறது.
முக்கிய நன்மைகள்: அடுத்த தலைமுறை பிணைப்பு ஏன் பேச்சுவார்த்தை செய்ய முடியாதது
அடுத்த தலைமுறை இணைப்பு தொழில்நுட்பங்கள் தன்னாட்சி முறைமைகளுக்கு உண்மையான நன்மைகளை வழங்குகின்றன:
• மேலான பாதுகாப்பு எல்லைகள்: தாமதத்தை குறைத்து, துல்லியத்தை மேம்படுத்தி, கடுமையான நிலைகளுக்கு ஏற்ப மாறுவதன் மூலம், இணைப்பு 60% (2024 IEEE ஆய்வின் அடிப்படையில்) பார்வை தொடர்பான விபத்துகளை ஏற்படுத்தும் ஆபத்தை குறைக்கிறது.
• குறைந்த செலவுகள்: இணைப்பு உற்பத்தியாளர்களுக்கு உச்ச தரமான சென்சார்கள் பதிலாக மத்திய தரமான சென்சார்கள் பயன்படுத்த அனுமதிக்கிறது. அடுத்த தலைமுறை இணைப்பு கொண்ட மத்திய செலவுள்ள LiDAR + கேமரா அமைப்பு, உயர்ந்த செலவுள்ள ஒற்றை சென்சார் முறைமையை முந்திக்கொண்டு, உபகரண செலவுகளை 30–40% குறைக்கிறது.
• விரைவான வர்த்தகமயமாக்கல்: பாரம்பரிய முறைமைகள் எட்ஜ்-கேஸ் தோல்விகளால் ஒழுங்கு பாதுகாப்பு தரங்களை பூர்த்தி செய்ய போராடின. அடுத்த தலைமுறை இணைப்பு இந்த இடைவெளிகளை தீர்க்கிறது, L4+ தன்னாட்சி முறைமைகளின் செயல்பாட்டை விரைவுபடுத்துகிறது.
• அளவிடத்தக்கது: அடுத்த தலைமுறை இணைப்பு தொழில்நுட்பத்தின் எட்ஜ் AI மற்றும் மாடுலர் வடிவமைப்பு வாகனங்கள், ரோபோக்கள் மற்றும் ட்ரோன்களில் செயல்படுகிறது. உற்பத்தியாளர்கள் பல தயாரிப்புகளுக்காக ஒரே இணைப்பு கட்டமைப்பைப் பயன்படுத்தி, வளர்ச்சி நேரத்தை குறைக்கலாம்.
சவால்கள் மற்றும் எதிர்கால திசைகள்
எடுத்துக்காட்டி அடுத்த தலைமுறை இணைப்பு புரட்சிகரமாக இருந்தாலும், இது இன்னும் தடைகளை எதிர்கொள்கிறது:
• கணினி தேவைகள்: எட்ஜ் AI சக்திவாய்ந்த, குறைந்த சக்தி செலவுள்ள சிப்புகளை தேவைப்படுத்துகிறது—இது மைக்ரோ-டிரோன்கள் போன்ற சிறிய சாதனங்களுக்கு இன்னும் ஒரு தடையாக உள்ளது.
• தரவுப் பதிவேற்றம்: அர்த்தமுள்ள இணைப்பு மாதிரிகளை பயிற்சி பெறுவதற்கு பெரிய அளவிலான லேபிள் செய்யப்பட்ட LiDAR மற்றும் கேமரா தரவுகளின் தொகுப்புகள் தேவை, இது நேரம் எடுத்துக்கொள்ளும் மற்றும் செலவானது.
• தொழில்துறை தரநிலைகள்: இணைப்பு கட்டமைப்புகளுக்கான உலகளாவிய தரநிலை இல்லை, இது வெவ்வேறு உற்பத்தியாளர்களின் சென்சார்கள் ஒருங்கிணைக்க கடினமாக்குகிறது.
எதிர்காலம் இந்த சவால்களை மூன்று போக்குகளுடன் கையாளும்:
• சிறப்பு இணைப்பு சிப்புகள்: இன்டெல் மற்றும் க்வால்காம் போன்ற நிறுவனங்கள் பல்வேறு முறை இணைப்புக்கு உகந்த சிப்புகளை உருவாக்குகின்றன, குறைந்த சக்தி செலவில் அதிக கணினி சக்தியை வழங்குகின்றன.
• செயற்கை தரவுகள்: AI உருவாக்கிய தரவுத்தொகுப்புகள் (எ.கா., யூனிட்டி அல்லது அன்ரியல் என்ஜின் மூலம்) கையேடு குறிப்பு செயல்முறையை மாற்றும், பயிற்சி நேரம் மற்றும் செலவுகளை குறைக்கும்.
• V2X ஒருங்கிணைப்பு: இணைப்பு சென்சார் தரவுகளை வாகனத்திற்கான அனைத்துக்கும் (V2X) தொடர்புடன் இணைக்கும், தன்னியக்க அமைப்புகள் தங்கள் சென்சார் வரம்புக்கு அப்பால் “காண” அனுமதிக்கும் (எ.கா., ஒரு மூலையில் உள்ள கார்).
தீர்வு: சுயாதீனத்தின் எதிர்காலம் இணைக்கப்பட்டுள்ளது
அடுத்த தலைமுறை LiDAR + கேமரா இணைப்பு ஒரு மேம்பாடு மட்டுமல்ல - இது பாதுகாப்பான, நம்பகமான சுயாதீன முறைமைகளின் அடித்தளம். எட்ஜ் AI, இயக்கவியல் அளவீடு மற்றும் அர்த்தமுள்ள காரணங்களை ஒருங்கிணைத்து, இது பழைய முறைமைகளின் வரம்புகளை தீர்க்கிறது மற்றும் போக்குவரத்து, உற்பத்தி மற்றும் லாஜிஸ்டிக்ஸ் ஆகியவற்றில் புதிய பயன்பாட்டு வழிகளை திறக்கிறது.
தொழில்நுட்பம் வளர்ந்துவரும் போது, நாங்கள் சிக்கலான, உண்மையான உலக சூழ்நிலைகளில் இடையூறு இல்லாமல் செயல்படும் தன்னாட்சி அமைப்புகளை காண்போம் - கூட்டமான நகரங்களில் இருந்து தொலைவிலுள்ள தொழில்துறை இடங்களுக்கு. ஒரே சென்சாரின் நம்பிக்கை காலம் முடிந்தது; எதிர்காலம் இணைப்புக்கு சொந்தமானது.
தன்னாட்சி தொழில்நுட்பத்தை உருவாக்கும் நிறுவனங்களுக்கு, அடுத்த தலைமுறை LiDAR + கேமரா இணைப்பை ஏற்கது போட்டி நன்மை மட்டுமல்ல; இது பாதுகாப்பு தரங்களை பூர்த்தி செய்ய, செலவுகளை குறைக்க மற்றும் தன்னாட்சியின் வாக்குறுதிகளை நிறைவேற்ற தேவையானது.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat