సెల్ఫ్ డ్రైవింగ్ కారు

సెల్ఫ్ డ్రైవింగ్ కారు అనేది మానవ ఇన్‌పుట్ లేకుండా పర్యావరణాన్ని గ్రహించి నావిగేట్ చేయగల వాహనం. సెల్ఫ్ డ్రైవింగ్ కార్లు తమ పరిసరాలను గ్రహించడానికి, డేటాను విశ్లేషించడానికి, రహదారిని ఎలా నావిగేట్ చేయాలనే దాని గురించి నిర్ణయాలు తీసుకోవడానికి సెన్సార్లు, కెమెరాలు, రాడార్, కృత్రిమ మేధస్సు అల్గారిథమ్‌ల కలయికను ఉపయోగిస్తాయి. సెల్ఫ్ డ్రైవింగ్ కారును స్వీయ-డ్రైవింగ్ కారు, స్వయంప్రతిపత్తి వాహనం లేదా డ్రైవర్‌లేని కారు లేదా రోబోటిక్ కారు ( రోబో-కార్ ) అని కూడా పిలుస్తారు, [1][1][2] ఇది మానవ ఇన్‌పుట్ లేకుండా ప్రయాణించగల సామర్థ్యం ఉన్న కారు .[3][4] సెల్ఫ్ డ్రైవింగ్ కార్లు ఆప్టికల్, థర్మోగ్రాఫిక్ కెమెరాలు, రాడార్, లైడార్, అల్ట్రాసౌండ్ / సోనార్, GPS, ఓడోమెట్రీ, ఇనర్షియల్ మెజర్‌మెంట్ యూనిట్‌లు వంటి వాటి పరిసరాలను గ్రహించడానికి సెన్సార్‌లను ఉపయోగిస్తాయి.[5] వాహనం యొక్క పరిసరాల యొక్క త్రిమితీయ నమూనాను రూపొందించడానికి నియంత్రణ వ్యవస్థలు ఇంద్రియ సమాచారాన్ని అర్థం చేసుకుంటాయి. మోడల్ ఆధారంగా, కారు తగిన నావిగేషన్ మార్గం, ట్రాఫిక్ నియంత్రణలు (స్టాప్ సంకేతాలు మొదలైనవి), అడ్డంకులను నిర్వహించడానికి వ్యూహాలను గుర్తిస్తుంది.[1][1][6][7][8]

గూగుల్ యొక్క అంతర్గత ఆటోమేటెడ్ కారు

సెల్ఫ్ డ్రైవింగ్ కార్ల అభివృద్ధి రవాణాలో విప్లవాత్మక మార్పులు చేయగలదు, మానవ తప్పిదాల వల్ల జరిగే ప్రమాదాలను తగ్గించగలదు. స్వీయ డ్రైవింగ్ కార్లు వయస్సు లేదా వైకల్యం కారణంగా డ్రైవింగ్ చేయలేని వ్యక్తులకు చలనశీలతను పెంచుతాయి, రద్దీని తగ్గించడం ద్వారా ట్రాఫిక్ ప్రవాహాన్ని మెరుగుపరుస్తాయి.

అయినప్పటికీ, సెల్ఫ్ డ్రైవింగ్ కార్లు ప్రధాన స్రవంతి రవాణా విధానంగా మారడానికి ముందు ఇంకా ముఖ్యమైన సవాళ్లను అధిగమించాల్సిన అవసరం ఉంది. ఈ సవాళ్లలో విశ్వసనీయమైన, సురక్షితమైన సాంకేతికతను అభివృద్ధి చేయడం, చట్టపరమైన, నైతిక సమస్యలను పరిష్కరించడం, స్వయంప్రతిపత్తి వాహనాలకు మద్దతు ఇవ్వడానికి అవసరమైన మౌలిక సదుపాయాలను నిర్మించడం వంటివి ఉన్నాయి.

సెల్ఫ్ డ్రైవింగ్ టెక్నాలజీకి సంబంధించింది. ప్రస్తుతానికి, సెల్ఫ్ డ్రైవింగ్ టెక్నాలజీ ఇంకా అభివృద్ధి దశలోనే ఉంది, కారును పూర్తిగా స్వయంప్రతిపత్తిగా మార్చడానికి అవసరమైన హార్డ్‌వేర్, సాఫ్ట్‌వేర్ ధర ఇప్పటికీ సాపేక్షంగా ఎక్కువగానే ఉంది. ఫలితంగా, సెల్ఫ్ డ్రైవింగ్ కార్లు ప్రస్తుతం తక్కువ సంఖ్యలో వినియోగదారులకు మాత్రమే అందుబాటులో ఉన్నాయి.

అయితే, సాంకేతికత మరింత అధునాతనంగా, విస్తృతంగా స్వీకరించబడినందున, సెల్ఫ్ డ్రైవింగ్ టెక్నాలజీ ఖర్చు తగ్గే అవకాశం ఉంది. ఇది వినియోగదారులకు మరింత అందుబాటులో ఉండేలా చేస్తుంది, చివరికి సెల్ఫ్ డ్రైవింగ్ కార్లు రోడ్లపై ఒక సాధారణ దృశ్యంగా మారడానికి దారితీయవచ్చు.

స్వీయ డ్రైవింగ్ కార్లు వివిధ కారణాల వల్ల దీర్ఘకాలంలో సాంప్రదాయ కార్ల కంటే ఎక్కువ ఖర్చుతో కూడుకున్నవిగా ఉంటాయి.

ఒక అంశం భద్రత. సెల్ఫ్ డ్రైవింగ్ కార్లు మానవ తప్పిదాల వల్ల సంభవించే ప్రమాదాల సంఖ్యను బాగా తగ్గించగలవు, దీని వలన బీమా ప్రీమియాలు తగ్గుతాయి, వైద్య ఖర్చులు, వాహన మరమ్మతులు వంటి ప్రమాదాలకు సంబంధించిన ఖర్చులు తగ్గుతాయి.

మరో అంశం ఇంధన సామర్థ్యం. స్వీయ-డ్రైవింగ్ కార్లు తరచుగా మానవ డ్రైవర్ల కంటే మరింత సమర్థవంతమైన పద్ధతిలో పనిచేయడానికి రూపొందించబడ్డాయి, ఇది తక్కువ ఇంధన వినియోగం, ఇంధనంతో సంబంధం ఉన్న ఖర్చులను తగ్గిస్తుంది.

అదనంగా, సెల్ఫ్ డ్రైవింగ్ కార్లు తమ ప్రయాణ సమయాన్ని పని లేదా విశ్రాంతి కోసం ఉపయోగించుకునే ప్రయాణీకులకు ఉత్పాదకతను పెంచుతాయి. ఈ పెరిగిన ఉత్పాదకత వ్యక్తులు, వ్యాపారాలకు ఆర్థిక ప్రయోజనాలకు దారితీయవచ్చు.

మొత్తంమీద, స్వీయ-డ్రైవింగ్ సాంకేతికత యొక్క ప్రారంభ ధర ఎక్కువగా ఉన్నప్పటికీ, దీర్ఘకాలంలో సంభావ్య ఖర్చు ఆదా గణనీయంగా ఉండవచ్చు. అయినప్పటికీ, ఈ వ్యయ పొదుపులు ఇప్పటికీ చాలావరకు సైద్ధాంతికంగా ఉన్నాయని, స్వీయ-డ్రైవింగ్ కార్ల స్వీకరణ స్థాయి, నియంత్రణ వాతావరణంతో సహా పలు అంశాలపై ఆధారపడి ఉంటుంది.

చిత్రమాలిక

మార్చు

ఇవి కూడా చూడండి

మార్చు

మూలాలు

మార్చు
  1. 1.0 1.1 1.2 1.3 Error on call to Template:cite paper: Parameter title must be specified
  2. Maki, Sydney; Sage, Alexandria (19 March 2018). "Self-driving Uber car kills Arizona woman crossing street". Reuters. Retrieved 14 April 2019.
  3. Xie, S.; Hu, J.; Bhowmick, P.; Ding, Z.; Arvin, F., "Distributed Motion Planning for Safe Autonomous Vehicle Overtaking via Artificial Potential Field" IEEE Transactions on Intelligent Transportation Systems, 2022.
  4. Gehrig, Stefan K.; Stein, Fridtjof J. (1999). Dead reckoning and cartography using stereo vision for an automated car. IEEE/RSJ International Conference on Intelligent Robots and Systems. Vol. 3. Kyongju. pp. 1507–1512. doi:10.1109/IROS.1999.811692. ISBN 0-7803-5184-3.
  5. Xie, S.; Hu, J.; Ding, Z.; Arvin, F., "Cooperative Adaptive Cruise Control for Connected Autonomous Vehicles using Spring Damping Energy Model" IEEE Transactions on Vehicular Technology, 2022.
  6. Hu, J.; Bhowmick, P.; Jang, I.; Arvin, F.; Lanzon, A., "A Decentralized Cluster Formation Containment Framework for Multirobot Systems" IEEE Transactions on Robotics, 2021.
  7. Lassa, Todd (January 2013). "The Beginning of the End of Driving". Motor Trend. Retrieved 1 September 2014.
  8. "European Roadmap Smart Systems for Automated Driving" (PDF). EPoSS. 2015. Archived from the original (PDF) on 12 February 2015.