Tamil
தானியங்கி கார்களில் கேமரா தொகுதிகள் மற்றும் LiDAR-ன் எதிர்காலம்
01.21 துருக
தானியங்கி வாகனங்களில் கேமரா தொகுதிகள் மற்றும் LiDAR இடையேயான விவாதம் நீண்ட காலமாக ஒரு வெற்றியாளர் அனைத்தையும் எடுத்துக்கொள்ளும் போராகவே சித்தரிக்கப்பட்டுள்ளது: Elon Musk, LiDAR-ஐ "விலையுயர்ந்த ஊன்றுகோல்" என்று நிராகரிக்கிறார், அதே நேரத்தில் Waymo மற்றும் Huawei ஆகியவை பாதுகாப்பான சுய-ஓட்டுதலை வழங்க லேசர் அடிப்படையிலான உணர்திறனில் பில்லியன் கணக்கான டாலர்களை பந்தயம் கட்டுகின்றன. ஆனால் 2025 இல் தானியங்கி ஓட்டுநர் தொழில் ஒரு முக்கியமான திருப்புமுனையை அடையும் போது, ஒரு புதிய கதை வெளிவருகிறது - இந்த இரண்டு தொழில்நுட்பங்களும் போட்டியாளர்கள் அல்ல, ஆனால் உண்மையான நம்பகமான தன்னாட்சிக்கான தேடலில் நடனக் கூட்டாளிகள். இந்த கட்டுரை எவ்வாறு ஆராய்கிறதுகேமரா தொகுதிகள் மற்றும் LiDAR வளர்ந்து கொண்டிருக்கின்றன, அவற்றின் ஒத்துழைப்பு ஏன் தவிர்க்க முடியாததாக மாறுகிறது, மற்றும் இது மொபிலிட்டியின் எதிர்காலத்திற்கு என்ன அர்த்தம் கொண்டுள்ளது.
அவர்களின் எதிர்காலத்தைப் புரிந்துகொள்ள, ஒவ்வொரு தொழில்நுட்பத்தையும் வரையறுக்கும் முக்கிய பலங்களையும் உள்ளார்ந்த வரம்புகளையும் நாம் முதலில் அங்கீகரிக்க வேண்டும். மனித கண்களைப் பின்பற்றி வடிவமைக்கப்பட்ட கேமராக்கள், போக்குவரத்து விளக்குகளின் நிறங்கள், பாதை அடையாளங்கள், பாதசாரிகளின் சைகைகள் மற்றும் பிற ஓட்டுநர்களின் பிரேக் விளக்குகளின் நிலை போன்ற வளமான சூழல் தகவல்களைப் பிடிப்பதில் சிறந்து விளங்குகின்றன. இதற்கு மாறாக, LiDAR லேசர் துடிப்புகளை வெளியிட்டு, சுற்றுச்சூழலின் துல்லியமான 3D வரைபடங்களை உருவாக்குகிறது, இது கேமராக்கள் சிக்கலான AI அல்காரிதம்கள் மூலம் மட்டுமே தோராயமாகப் பெறக்கூடிய ஆழமான உணர்திறன் மற்றும் இடஞ்சார்ந்த விழிப்புணர்வை வழங்குகிறது. பல ஆண்டுகளாக, இந்த வேறுபாடுகள் எதிரெதிர் தொழில்நுட்ப தத்துவங்களைத் தூண்டியுள்ளன: மென்பொருள்-மையப்படுத்தப்பட்ட தூய பார்வைக்கு எதிராக வன்பொருள்-மிகைப்படுத்தப்பட்ட பல-சென்சார் இணைவு.
கேமரா தொகுதிகளின் பரிணாம வளர்ச்சி: 2D பிக்சல்கள் முதல் அறிவார்ந்த உணர்தல் வரை
கேமரா தொகுதிகள், AI மற்றும் கணக்கீட்டு புகைப்படவியலில் ஏற்பட்ட முன்னேற்றங்களால் உந்தப்பட்டு, அடிப்படை படப் பிடிப்பு சாதனங்களில் இருந்து அதிநவீன உணர்தல் கருவிகளாக நீண்ட தூரம் வந்துள்ளன. டெஸ்லாவின் கேமரா-மட்டும் அணுகுமுறை, அதன் FSD V12 அமைப்பு மற்றும் 100 பில்லியனுக்கும் அதிகமான உண்மையான ஓட்டுநர் தரவுகளால் இயக்கப்படுகிறது, மேம்பட்ட நியூரல் நெட்வொர்க்குகள் மற்றும் BEV (Bird’s Eye View) + Transformer கட்டமைப்புகளுடன் இணைக்கப்படும்போது கேமராக்கள் பெரும்பாலான அன்றாட ஓட்டுநர் சூழ்நிலைகளைக் கையாள முடியும் என்பதை நிரூபித்துள்ளது. இந்த பாதையின் முக்கிய நன்மை அளவிடுதல்: 8-கேமரா அமைப்பு $500 க்கும் குறைவாக செலவாகும், இது ஆரம்பகால LiDAR அமைப்புகளின் விலையில் ஒரு பகுதி மட்டுமே, இது வெகுஜன சந்தை வாகனங்களுக்கு சாத்தியமாக்குகிறது.
சமீபத்திய கண்டுபிடிப்புகள் கேமராக்களின் திறன்களை மேலும் விரிவுபடுத்துகின்றன. நவீன வாகன கேமராக்கள் இப்போது புலப்படும் ஒளி நிறமாலைக்கு அப்பால் செயல்படுகின்றன, குறைந்த ஒளியில் பாதசாரிகளைக் கண்டறிய வெப்பப் படத்தைப் பயன்படுத்துகின்றன மற்றும் லேசான மூடுபனியை ஊடுருவ அருகிலுள்ள அகச்சிவப்பு சென்சார்களைப் பயன்படுத்துகின்றன. மென்பொருள் ரீதியாக, "நிழல் முறை" கற்றல், கேமரா அடிப்படையிலான அமைப்புகள் மில்லியன் கணக்கான ஒரே நேரத்தில் ஓட்டும் காட்சிகளின் மூலம் தொடர்ந்து மேம்படுத்த அனுமதிக்கிறது, வாராந்திர OTA புதுப்பிப்புகள் அவற்றின் முடிவெடுக்கும் திறனைச் செம்மைப்படுத்துகின்றன. இருப்பினும், கேமராக்கள் இன்னும் கடக்க முடியாத உடல் வரம்புகளை எதிர்கொள்கின்றன: கனமழை, பனி அல்லது அடர்ந்த மூடுபனியில், அவற்றின் அங்கீகார விகிதம் 40% வரை குறைகிறது, மேலும் வெற்று நெடுஞ்சாலைகள் அல்லது வெள்ளைச் சுவர்கள் கொண்ட சுரங்கப்பாதைகள் போன்ற அம்சமற்ற சூழல்களில் ஆழத்தைப் புரிந்துகொள்வதில் அவை சிரமப்படுகின்றன.
LiDAR-ன் மறுமலர்ச்சி: செலவு குறைப்பு மற்றும் செயல்திறன் மேம்பாடுகள்
LiDAR, ஒரு காலத்தில் பிரீமியம் சோதனை வாகனங்களுக்கு மட்டுமே ஒதுக்கப்பட்ட ஒரு சிறப்பு தொழில்நுட்பமாக இருந்தது, திட-நிலை வடிவமைப்பு மற்றும் அளவிலான பொருளாதாரங்கள் காரணமாக வியக்கத்தக்க மாற்றத்தை அடைந்துள்ளது. 2018 இல், ஒரு ஒற்றை தானியங்கி LiDAR யூனிட்டின் விலை சுமார் $800 ஆக இருந்தது; 2025 வாக்கில், RoboSense போன்ற நிறுவனங்கள் விலையை $200 க்குக் கீழே கொண்டு வந்துள்ளன, மேலும் 2027 வாக்கில் $100 க்குக் குறைவான யூனிட்களை எதிர்பார்க்கின்றன. இந்த விலை புரட்சி, இயந்திர சுழலும் LiDAR இலிருந்து திட-நிலை வகைகளுக்கு மாறியதன் மூலம் இயக்கப்படுகிறது, இது நகரும் பாகங்களை நீக்குகிறது, அளவைக் குறைக்கிறது மற்றும் நம்பகத்தன்மையை மேம்படுத்துகிறது - இது வெகுஜன உற்பத்திக்கு முக்கியமான காரணிகள்.
செயல்திறன் ஆதாயங்களும் சமமாக ஈர்க்கக்கூடியவையாக உள்ளன. ஹுவாவேயின் 192-சேனல் LiDAR ஆனது 0.05° கோணத் தெளிவுத்திறனை அடைகிறது, இது 200 மீட்டர் தொலைவில் உள்ள பாதசாரிகளைக் கண்டறிய உதவுகிறது - இது பெரும்பாலான வாகன கேமராக்களின் பயனுள்ள வரம்பை விட இரு மடங்கு அதிகமாகும். வேமோவின் நிஜ உலக சோதனைகள், அடர்ந்த மூடுபனி மற்றும் கனமழையில் விஷன் சிஸ்டம்களை விட LiDAR 3 மடங்கு அதிக தரவு நிலைத்தன்மையை பராமரிக்கிறது என்பதைக் காட்டுகிறது, இது ஒரு பெரிய பாதுகாப்பு இடைவெளியை நிவர்த்தி செய்கிறது. இருப்பினும், LiDAR குறைபாடற்றது அல்ல: கண்ணாடி திரைச் சுவர்கள் மற்றும் குட்டைகள் போன்ற பிரதிபலிக்கும் பரப்புகளுடன் இது போராடுகிறது, இது "கோஸ்ட் பிரேக்கிங்" சம்பவங்களுக்கு வழிவகுக்கும், மேலும் இது போக்குவரத்து விளக்குகள் போன்ற வண்ண-குறியிடப்பட்ட தகவல்களை வேறுபடுத்தி அறிய முடியாது - சிக்கலான நகர்ப்புற சூழல்களில் செல்ல இது அவசியம்.
திருப்புமுனை: ஏன் இணைப்பு போட்டியாளர்களை மாற்றுகிறது
"ஒரே ஒரு 'மேம்பட்ட' சென்சார் என்ற கட்டுக்கதை, நிஜ உலக தோல்விகளால் உடைக்கப்பட்டுள்ளது. 2024 இல், லாஸ் ஏஞ்சல்ஸில் FSD V12 பொருத்தப்பட்ட டெஸ்லா கார், ஒரு குட்டையைத் தடையாகத் தவறாக அடையாளம் கண்டு, திடீரென பிரேக் போட்டது. இதனால் பின்னால் வந்த வாகனம் மோதும் அபாயம் ஏற்பட்டது - இது கேமரா-மட்டும் அமைப்புகளின் ஒரு பொதுவான வரம்பு. இதற்கு மாறாக, ஆரம்பகால LiDAR-மட்டும் முன்மாதிரிகள், பிரகாசமான சூரிய ஒளியில் சிவப்பு நிற டிராஃபிக் விளக்குகளை அடையாளம் காணத் தவறிவிட்டன. இது தொழில்நுட்பத்தின் சூழல் சார்ந்த காட்சித் தகவல்களைப் புரிந்துகொள்ளும் திறனின்மையைக் காட்டுகிறது. இந்த சம்பவங்கள், சென்சார் இணைப்பை நோக்கிய தொழில்துறையின் நகர்வை விரைவுபடுத்தியுள்ளன. குறிப்பாக 'ஆரம்பகால இணைப்பு' (early fusion) - இது கேமராக்கள் மற்றும் LiDAR இலிருந்து வரும் மூலத் தரவை, பின்னர் விளக்கப்பட்ட முடிவுகளை ஒன்றிணைப்பதற்குப் பதிலாக, செயலாக்கத்தின் ஆரம்ப கட்டத்திலேயே இணைக்கும் ஒரு நுட்பமாகும்."
Haomo.AI இன் சமீபத்திய ஆரம்பகால இணைவு அல்காரிதம் இந்த அணுகுமுறையின் சக்தியை வெளிப்படுத்துகிறது, ஒற்றை-சென்சார் அமைப்புகளுடன் ஒப்பிடும்போது உணர்தல் பிழைகளை 72% குறைக்கிறது. கேமரா பிக்சல்களை LiDAR பாயிண்ட் கிளவுட்களுடன் நிகழ்நேரத்தில் சீரமைப்பதன் மூலம், இந்த அமைப்பு கேமராவின் சூழல் வலிமை மற்றும் LiDAR இன் இடஞ்சார்ந்த துல்லியத்தைப் பயன்படுத்தி ஒரு விரிவான சுற்றுச்சூழல் மாதிரியை உருவாக்குகிறது. உதாரணமாக, ஷென்சென்னின் மாலை நேர நெரிசலில், 192-சேனல் LiDAR மற்றும் 8 கேமராக்களை இணைக்கும் Huawei இன் ADS 3.0, சாலையில் கடந்து செல்லும் ஒரு ஒளிராத மூன்று சக்கர வண்டியை வெற்றிகரமாக அடையாளம் காட்டியது, இது எந்தவொரு சென்சார் தனியாகவும் சவாலாக இருந்திருக்கும் ஒரு சூழ்நிலை.
உதயமாகும் போக்குகள் ஒத்துழைப்பை வடிவமைக்கின்றன
மூன்று முக்கிய போக்குகள் கேமரா மாட்யூல்கள் மற்றும் LiDAR இடையிலான உறவை மறுபரிசீலனை செய்கின்றன, அவற்றின் ஒத்துழைப்பு மேலும் தாக்கத்தை ஏற்படுத்துகிறது:
1. 4D மில்லிமீட்டர் அலை ரேடார் ஒரு பாலமாக: கண்டினென்டல் குழுவின் சமீபத்திய 4D ரேடார் LiDAR இன் செலவின் 1/10 இல் 0.5° கோண தீர்மானத்தை அடைகிறது, கேமரா மற்றும் LiDAR இடையே ஒரு முழுமை அடுக்காக செயல்படுகிறது. இது மிதமான வானிலைச் சூழலில் தூர அளவீட்டை மேம்படுத்துகிறது மற்றும் குறைந்த அளவிலான சூழ்நிலைகளில் LiDAR மீது நம்பிக்கையை குறைக்கிறது, மேலும் செலவின் செயல்திறனை மேம்படுத்துகிறது.
2. V2X ஒருங்கிணைப்பு புலனுணர்வு எல்லைகளை விரிவுபடுத்துகிறது: சீனாவின் 5G-இயக்கப்பட்ட வாகனம்-க்கு-எல்லாம் (V2X) நெட்வொர்க் இப்போது 100,000 கிலோமீட்டருக்கும் அதிகமான சாலைகளை உள்ளடக்கியுள்ளது, இது ஆன்-போர்டு சென்சார்களுக்கு துணைபுரியும் நிகழ்நேர போக்குவரத்து மற்றும் ஆபத்து தரவை வழங்குகிறது. இந்த சூழல் அமைப்பில், கேமராக்கள் மற்றும் LiDAR உடனடி சுற்றுப்புறங்களில் கவனம் செலுத்துகின்றன, அதே நேரத்தில் V2X சென்சார் வரம்பிற்கு அப்பால் உள்ள குருட்டுப் பகுதிகளை நிரப்புகிறது - இது "360°+" புலனுணர்வு குமிழியை உருவாக்குகிறது.
3. AI-ஐ அடிப்படையாகக் கொண்ட அடிப்படைக் கணினி ஒதுக்கீடு: எதிர்கால சுயாதீன அமைப்புகள் இயக்க நிலைகளின் அடிப்படையில் கேமரா அல்லது LiDAR இல் இருந்து தரவுகளை தானாகவே முன்னுரிமை அளிக்கும். சுத்தமான பகலில் நெடுஞ்சாலைகளில், அமைப்பு சக்தியைச் சேமிக்க கேமராவை அதிகமாக நம்பலாம்; மங்கலான நகர பகுதிகளில், துல்லியத்திற்காக LiDAR க்கு மாறும். இந்த அடிப்படைக் கணினி அணுகுமுறை பாதுகாப்பை பராமரிக்கும் போது திறனை அதிகரிக்கிறது.
தொழில் இயக்கங்கள் மற்றும் கொள்கை தாக்கம்
கார் தயாரிப்பாளர்களின் உத்திகள் இந்த இணைப்பு போக்கு பிரதிபலிக்க அதிகமாக மாறிவருகிறது, கடுமையான நிலைகளிலிருந்து விலகி. BMW LiDAR தயாரிப்பாளர் Luminar மற்றும் கேமரா மையமான Mobileye இல் முதலீடு செய்கிறது; Volkswagen Horizon Robotics உடன் ஒத்துழைக்கிறது, LiDAR விருப்பங்களை வைத்திருக்கிறது. தூய கண்ணோட்டத்தின் போஸ்டர் குழந்தை Tesla கூட, அதன் ரோபோட்டாக்சி மாதிரிகளில் LiDAR ஒருங்கிணைப்பை அமைதியாக ஆராய்ந்துள்ளது, வர்த்தக சுயாதீன சேவைகளுக்கான ஒரு சாத்தியமான மாறுதலைக் குறிக்கிறது.
கொள்கைகளும் பல-சென்சார் தீர்வுகளை நோக்கி உந்துகின்றன. சீனா L3+ தன்னாட்சி வாகனங்களுக்கு LiDAR-ஐ கட்டாயமாக்குகிறது, அதே நேரத்தில் ஐரோப்பிய NCAP அதன் 2025 பாதுகாப்பு மதிப்பீட்டு அமைப்பில் LiDAR-ஐ சேர்க்கும். அமெரிக்க NHTSA தொழில்நுட்ப ரீதியாக நடுநிலையாக இருந்தாலும், பாதுகாப்பு தேவைகளில் "மிகைப்பு" என்பதை வலியுறுத்துகிறது - இது ஒற்றை-சென்சார் சார்ந்திருப்பதை விட சென்சார் இணைப்பிற்கு சாதகமான மொழி. இந்த ஒழுங்குமுறை மாற்றங்கள் ஒருங்கிணைந்த கேமரா-LiDAR கட்டமைப்புகளின் தத்தெடுப்பை விரைவுபடுத்துகின்றன.
2027 பார்வை: கேமரா-மையப்படுத்தப்பட்ட LiDAR சரிபார்ப்புடன்
2027 ஆம் ஆண்டை எதிர்நோக்கும்போது, கேமரா தொகுதிகள் மற்றும் LiDAR இன் எதிர்காலம் தெளிவாக உள்ளது: L4-நிலை தன்னாட்சிக்கு "கேமரா-முதன்மை, LiDAR-சரிபார்க்கப்பட்ட" பொன்னான கலவையாகும். கேமராக்கள் முதன்மை உணர்திறன் அடுக்காக இருக்கும், அவற்றின் குறைந்த செலவு, உயர் சூழல் விழிப்புணர்வு மற்றும் தொடர்ச்சியான AI மேம்பாடுகளைப் பயன்படுத்தி 90% ஓட்டுநர் சூழ்நிலைகளைக் கையாளும். LiDAR ஒரு முக்கியமான பாதுகாப்பு வலையாக செயல்படும், அதிக ஆபத்துள்ள சூழ்நிலைகளில் - கடுமையான வானிலை, சிக்கலான சந்திப்புகள், கட்டுமானப் பகுதிகள் - துல்லியமான 3D தரவை வழங்குவதன் மூலம் பேரழிவுகரமான பிழைகளைத் தடுக்கும்.
இந்த ஒத்துழைப்பு சுய இயக்கத்தின் மைய சிக்கலானது: அளவீட்டுடன் பாதுகாப்பை சமநிலைப்படுத்துவது. செலவுகளை குறைவாக வைத்திருப்பதன் மூலம் கேமராக்கள் பரந்த அளவில் ஏற்றுக்கொள்ள உதவுகின்றன, அதே சமயம் LiDAR முழு சுய இயக்கத்தை தடுக்கும் "எட்ஜ் கேஸ்கள்" க்கு தீர்வு அளிக்கிறது. LiDAR விலைகள் தொடர்ந்து குறைவாகும் போது மற்றும் கேமரா AI மேலும் நுணுக்கமாக ஆகும் போது, அவற்றின் ஒருங்கிணைப்பு அனைத்து சுய இயக்க வாகன நிலைகளிலும் தரமாக மாறும் - நுகர்வோர் ADAS அமைப்புகளிலிருந்து ரோபோட்டாக்ஸிகளுக்குப் போகும்.
தீர்வு: போட்டியை கடந்த, நம்பிக்கைக்கு நோக்கி
கேமரா மற்றும் LiDAR விவாதம் தொழில்நுட்ப மேலாண்மையைப் பற்றியதல்ல - இது நம்பிக்கையை உருவாக்குவதற்கானது. தன்னாட்சி வாகனங்கள் பொதுவாக மாறுவதற்கு, அவை மனித ஓட்டுநர்களைவிட பாதுகாப்பானதாக இருக்க வேண்டும், மற்றும் ஒரு தனி சென்சார் அதை தனியாக அடைய முடியாது. கேமராக்கள் சூழல் அறிவு மற்றும் அளவீட்டில் விரிவாக்கத்தை கொண்டுவருகின்றன; LiDAR துல்லியம் மற்றும் நம்பகத்தன்மையை கொண்டுவருகிறது. அவற்றின் எதிர்காலம் போட்டியிடுவதில் அல்ல, ஒருவருக்கொருவர் முழுமையாக செயல்படுவதில் உள்ளது.
தன்னியக்க இயக்கம் கொண்ட உலகை நோக்கி நாம் நகரும்போது, இனி "கேமராக்களா அல்லது LiDAR-ஆ?" என்ற கேள்வி இருக்காது, மாறாக "அவற்றை எவ்வாறு சிறப்பாக ஒருங்கிணைப்பது?" என்பதே கேள்வியாக இருக்கும். இந்த பதில் போக்குவரத்தின் அடுத்த சகாப்தத்தை வரையறுக்கும் - தொழில்நுட்பம் இணைந்து செயல்பட்டு, அனைவருக்கும் பாதுகாப்பான, அணுகக்கூடிய மற்றும் திறமையான தன்னியக்கத்தின் வாக்குறுதியை வழங்கும் ஒரு சகாப்தம்.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat