سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

رفتن به صفحه اصلی

ارائه مجازی مقاله

کد مقاله CCES-1245

عنوان یادگیری عمیق در خودرو های خودران: بررسی جامع پیشرفت‌ها، چالش‌ها و روندهای نوظهور در ادراک، تصمیم گیری و امنیت

نویسندگان محمدمهدی باستانی نجف آبادی - نسیم نورافزا - علیرضا نیکیان

چکیده این مقاله به بررسی جامع تحولات صنعت حمل‌ونقل با محوریت خودروهای خودران (AVs) می‌پردازد و بر نقش محوری یادگیری عمیق (Deep Learning - DL) در پیشبرد این فناوری تأکید می‌کند. با تحلیل چگونگی استفاده از یادگیری عمیق در ادراک محیط، تصمیم‌گیری و کنترل خودرو، مقاله به قابلیت‌های بی‌نظیر این سیستم‌ها در تشخیص اشیاء، درک صحنه، پیش‌بینی رفتار و برنامه‌ریزی حرکت اشاره می‌کند. همچنین، چالش‌های اساسی پیش روی توسعه و استقرار گسترده خودروهای خودران، از جمله امنیت سایبری و حملات مخرب، مسائل اخلاقی و حریم خصوصی، ایمنی فنی و پذیرش عمومی، و محدودیت‌های محاسباتی و تعمیم‌پذیری مدل‌ها، مورد بحث قرار می‌گیرد. در ادامه، رویکرد رانندگی End-to-End (E2E) به عنوان یک جایگزین نوین برای معماری‌های ماژولار سنتی معرفی می‌شود که ورودی‌های حسی را مستقیماً به خروجی‌های کنترلی نگاشت می‌کند. مقاله به روش‌های یادگیری در E2E (مانند یادگیری تقلیدی و تقویتی) و اهمیت ایمنی و قابلیت توضیح‌پذیری در این سیستم‌ها می‌پردازد. در نهایت، نقش سیستم‌های منبع‌باز در تسریع تحقیقات و توسعه خودروهای خودران تحلیل می‌شود. مقاله با اشاره به روندهای نوظهور (مانند یادگیری پایدار و مدل‌های زبان و بینایی بزرگ) و چالش‌های باقی‌مانده، بر ضرورت همکاری‌های بین‌رشته‌ای، استانداردسازی و نوآوری مستمر برای تحقق آینده حمل‌ونقل خودران تأکید می‌کند.

فایل ها

فایل ارایه مقالات پوستری

محتوای ارائه مجازی مقاله

نظرات