28 مه 2021 توسط آلیسون میلز، دانشگاه فناوری میشیگان
هیچ کس دوست ندارد رانندگی در کولاک و برف را با وسایل نقلیه خودران را انجام دهد. مهندسان برای ایمن تر ساختن اتومبیل‌های خودران در جاده‌های برفی از نظرگاه اتومبیل به مسئله نگاه می‌کنند.
چالش اساسی برای وسایل نقلیه کاملاً مستقل حرکت در شرایط بد آب و هوایی است. در شرایط برفی، حسگر داده‌های مهمی را که به وسیله نقلیه از نظر عمق اندازه گیری، یافتن موانع و نگه‌داشتن حرکت در سمت صحیح کمک می‌کند.
درست مثل هوا در بعضی مواقع، خودرانی یک انتخاب آفتابی یا برفی نیست، که بصورت بله-نه انجام شود. وسایل نقلیه خودران طیفی از سطوح را شامل می‌شوند، از اتومبیل‌هایی که با هشدارهای نقطه کور یا کمک به ترمز در بازار حضور دارند، تا وسایل نقلیه‌ای که می‌توانند حالت‌های خود رانندگی را تغییر داده و خودرو را از جاده خارج کنند و سایر مواردی که می‌توانند به صورت کاملاً خودکار حرکت کنند. خودروسازان بزرگ و دانشگاه‌های تحقیقاتی هنوز در حال استفاده از فناوری و الگوریتم های خودران هستند. گهگاه تصادفات رخ می‌دهد، یا به دلیل قضاوت نادرست توسط هوش مصنوعی خودرو (AI) یا سو استفاده رانندگان انسان از ویژگی‌های خودرانی.
انسان‌ها نیز دارای حسگر هستند: اسکن چشم، حس تعادل و حرکت و قدرت پردازش مغز به ما در درک محیط کمک می‌کنند. این ورودی‌های به ظاهر اساسی به ما امکان می‌دهد تقریباً در هر سناریویی رانندگی کنیم، حتی اگر برای ما جدید باشد، زیرا مغز انسان در تعمیم تجربه‌های بدیع تبحر دارد. در وسایل نقلیه خودران، دو دوربین نصب شده روی بدنه با استفاده از دید استریو برای تقلید از دید انسان، عمق را اسکن و درک می کنند، در حالی که تعادل و حرکت را می‌توان با استفاده از واحد اندازه‌گیری اینرسی اندازه گرفت. اما، رایانهها فقط می‌توانند به سناریوهایی که قبلاً با آنها روبرو شده‌اند یا برای شناسایی برنامه ریزی شده اند، واکنش نشان دهند.
از آن‌جا که مغزهای مصنوعی هنوز وجود ندارند، الگوریتم‌های هوش مصنوعی مخصوص کار باید حرکت چرخ را در دست بگیرند – این بدان معناست که وسایل نقلیه مستقل باید به حسگرهای متعدد اعتماد کنند. دوربین‌های Fisheye دید را وسیع می‌کنند در حالی که دوربین‌های دیگر مانند چشم انسان عمل می‌کنند. مادون قرمز علایم گرمایی را برمی‌دارد. رادار می‌تواند در مه و باران ببیند. تشخیص نور و دامنه (لیدار) در تاریکی انجام می‌شود.
بیشتر حسگرهای خودمختار و الگوریتم‌های خودران در مناظر آفتابی و شفاف در حال توسعه هستند. آزمایشگاه Bos با دانستن اینکه بقیه دنیا مانند آریزونا یا جنوب کالیفرنیا نیست، در هنگام بارش شدید برف شروع به جمع‌آوری داده‌های محلی در یک وسیله نقلیه خودمختار Michigan Tech با رانندگی ایمن توسط یک انسان کرد. تیم Rawashdeh، به ویژه Abu-Alrub، بیش از 1000 فریم لیدار، رادار و داده‌های تصویری را از جاده‌های برفی در آلمان و نروژ وارد سیستم نمود تا به آموزش برنامه هوش مصنوعی خود بپردازند که برف چگونه است و چگونه می‌توان از آن عبور کرد.
یک محقق با اشاره به اینکه تنوع برف تشخیص سنسور را به یک چالش تبدیل کند، گفت: «همه برف‌ها برابر نیستند. هوش مصنوعی مانند یک آشپز است -اگر مواد خوبی داشته باشید، یک وعده غذایی عالی برگزار می‌شود. اگر داده‌های حسگر کثیف را به شبکه یادگیری هوش مصنوعی بدهید و نتیجه بد خواهید گرفت.»
داده‌های بی کیفیت یک مشکل است و آلودگی واقعی نیز همین است. تقریباً مانند آلودگی جاده‌ها، جمع شدن برف روی سنسورها مسئله‌ای قابل حل اما آزاردهنده است.
