Tekoälyn ratkaisut autonomisten ajoneuvojen anturien toiminnan parantamiseksi

Abstract

Autonomisilla ajoneuvoilla tarkoitetaan ajoneuvoja, jotka pystyvät toimimaan ilman ihmisen aktiivista ohjausta. Niiden kehittämisellä pyritään parantamaan liikenneturvallisuutta vähentämällä inhimillisistä päätöksentekovirheistä johtuvia liikenneonnettomuuksia. Tämä tutkielma on kirjoitettu kirjallisuuskatsauksena. Sen tavoitteena on selvittää huonon sään aiheuttamia häiriöitä autonomisten ajoneuvojen antureiden toiminnassa sekä selvittää, millaisia ratkaisuja näiden häiriöiden lieventämiseksi on esitetty. Erityisesti keskitytään tunnistusalgoritmeihin ja niiden koulutukseen, koulutusaineiston merkitykseen sekä sensorifuusioon. Suosittua YOLO-tunnistusalgoritmia tarkastellaan yksityiskohtaisemmin, samoin kuin koulutusaineistojen parannusmenetelmiä, varsinkin liittyen tekoälytyökaluilla tuotettuja aineistoja. Tutkielmassa arvioidaan näiden menetelmien hyötyjä ja haasteita. Tutkielman tuloksena selvisi, että nykyisissä autonomisissa ajoneuvoissa käytettävät anturit ovat edelleen puutteellisia erityisesti fysikaalisista syistä. Näitä rajoitteita pyritään lieventämään sensorifuusiolla, jota kehitetään kohti hybridimalleja, joissa yhdistetään useiden antureiden tuottamaa tietoa tehokkaammin. Lisäksi havaittiin, että vaikka konvoluutioon perustuva YOLO-algoritmi on laajasti käytetty, on tutkittu myös menetelmiä, jotka eivät hyödynnä YOLO-algoritmia osoittaen alan monimuotoisia ratkaisuja.