مانند روز روشن ، تاریکی را ببینیم
-
1402/7/5
-
تحقيق و پژوهش
-
8545
-
0
-
0
تکنولوژی تصویربرداری حرارتی پوردو با استفاده از هوش مصنوعی به ما این امکان را می‌دهد که مانند روز روشن، در شرایط تاریکی را ببینیم.
HADAR یا تشخیص و محدوده به کمک گرما، فیزیک حرارتی، تصویربرداری مادون قرمز و یادگیری ماشین را ترکیب می کند تا راه را برای درک ماشین کاملاً غیرفعال و آگاه از فیزیک هموار کند. یک تیم پژوهشی تحت رهبری زوبین ژاکوب، دانشیار مهندسی برق و کامپیوتر در دانشگاه المور، و همچنین دانشمند پژوهشی فانگلین بائو، این پیشرفت را به عنوان مقاله‌ای ارزشمند در یک مجله معتبر به نام نیچر منتشر کرده‌اند.
یک نوآوری جدید در حال انتظار برای ثبت اختراع، قابلیت تشخیص و درک بافت و عمق اشیاء و ویژگی‌های فیزیکی افراد و محیط‌ها را به ماشین‌ها می‌بخشد.
محققان دانشگاه پردو در حال پیشرفت در دنیای رباتیک و استقلال ماشین‌ها با استفاده از روشی که به زبان اختصاری HADAR یا تشخیص و محدوده به کمک گرما نامیده می‌شود، بهبودی در بینایی و ادراک ماشین‌های سنتی ایجاد کرده‌اند.
در این تلاش، دکتر زوبین ژاکوب، دانشیار مهندسی برق و کامپیوتر المور در دانشکده مهندسی برق و کامپیوتر خانواده Elmore و دانشمند محقق فانگلین بائو، تکنولوژی HADAR را پیشتر توسعه داده‌اند. نتایج تحقیقات آنها در شماره 26 مجله معتبر Nature منتشر شده و ویدیویی مربوط به این تکنولوژی در یوتیوب قابل مشاهده است. همچنین مجله Nature یک پادکست با مصاحبه‌ای از جیکوب منتشر کرده است.
جیکوب تصریح کرده است که انتظار می‌رود تا سال 2030، هر 10 وسیله نقلیه، یکی از آنها به صورت خودکار عمل کند و حتی 20 میلیون ربات کمکی وجود داشته باشد. این ربات‌ها با استفاده از حسگرهای پیشرفته اطلاعاتی را از محیط اطراف خود جمع آوری کرده و بدون نیاز به دخالت انسان تصمیم‌گیری می‌کنند. با این حال، درک همزمان توسط این ربات‌ها از محیط به دلیل پیچیدگی عوامل مختلف بسیار دشوار است.
روش‌های سنتی برای درک محیط توسط ماشین‌ها شامل سنسورهای فعالی مثل LiDAR، رادار و سونار هستند. این سنسورها سیگنال‌های خود را منتشر می‌کنند و اطلاعات سه بعدی از محیط را جمع‌آوری می‌کنند. اما با بزرگ‌تر شدن و تعداد بیشتر شدن این سنسورها، مشکلاتی مانند تداخل سیگنال و خطرات برای ایمنی افراد افزایش می‌یابد. در مقابل، دوربین‌های فیلمبرداری که بر اساس نور خورشید یا منابع نوری مشابه کار می‌کنند، در شرایط نوری ضعیف مانند شب، باران یا مه، عملکرد بهتری دارند.
تصویربرداری حرارتی سنتی از تابش گرمای نامرئی اشیاء استفاده می‌کند و این تکنولوژی از طریق تاریکی، آب و هوای نامساعد و حتی تابش نور خورشید عمل می‌کند. با این حال، در حال حاضر چالش‌های اساسی این تکنولوژی، مانع از بهره‌گیری کامل از آن شده‌اند. برای مثال، تصاویر حاصل از این روش به شکلی ساده و بی‌جزئی نمایش داده می‌شوند و اطلاعات مهمی را از دست می‌دهند. به عبارت دیگر، این تکنولوژی نمی‌تواند بافت و ویژگی‌های مهم محیط را به دقت انتقال دهد.
HADAR یک فناوری نوآورانه است که از ترکیب فیزیک حرارتی، تصویربرداری مادون قرمز و یادگیری ماشینی بهره می‌برد تا ماشین‌ها را قادر به درک محیط به نحوی کاملاً منطقی و آگاه از ویژگی‌های فیزیکی اطراف‌شان کند.
کار این تکنولوژی از تئوری‌های اطلاعاتی در حوزه ادراک حرارتی آغاز شده و نشان داده است که تاریکی زمین همان مقدار اطلاعاتی را دارد که در نور روز روشن وجود دارد. این توانایی به ماشین‌ها اجازه می‌دهد که در شب و روز با قدرت بیشتری عمل کنند. دکتر ژاکوب توضیح می‌دهد که در آینده، ماشین‌ها بهتر از انسان‌ها می‌توانند در شرایط روز و شب متمایز عمل کنند.
HADAR قادر است به دقت بافت‌ها را از سیگنال‌های گرمای به هم ریخته بازیابی کند و اطلاعات مفصلی از دما، انتشار و بافت اشیاء مختلف را در یک صحنه تفکیک کند. این تکنولوژی تصویربرداری حرارتی متفاوتی از تصاویر معمولی از دید ما برای ماشین‌ها ارائه می‌دهد و به آنها امکان مشاهده ویژگی‌های فیزیکی اشیاء را به خوبی می‌دهد. دکتر بائو می‌گوید: "این تکنولوژی به وضوح می‌تواند از تاریکی به نحوی دیده شود که واقعاً شب روز می‌شود."
برای بهره‌برداری کامل از HADAR، باید اندازه و وزن حسگرها را کاهش داده و سرعت جمع‌آوری داده‌ها را افزایش داد. در حال حاضر، حسگرها نیاز به زمانی حدود یک ثانیه دارند تا یک تصویر ایجاد کنند، اما برای استفاده در خودروهای خودران و روبات‌ها باید بتوانند به سرعت تصاویر را ضبط کنند.
از کاربردهای اولیه این تکنولوژی می‌توان به خودروهای خودران و روبات‌هایی اشاره کرد که در محیط‌های پیچیده و با انسان‌ها تعامل می‌کنند. همچنین این فناوری می‌تواند در حوزه‌های کشاورزی، دفاع، علوم زمین، مراقبت‌های بهداشتی و نظارت بر حیات وحش نیز مورد استفاده قرار گیرد.