نظر: "مانند اندوه پس از تصادف اتومبیل ، پیامدهای استخدامی سابقه کیفری می تواند مادام العمر باقی بماند"

دوشنبه 1 شهريور 1400
1:00
چکاد احمدیان

نظر: "مانند اندوه پس از تصادف اتومبیل ، پیامدهای استخدامی سابقه کیفری می تواند مادام العمر باقی بماند"

[یادداشت ویراستار: این پست توسط مارک اوبراین از مرکز اقدام حقوقی در ابتدا در Huffington Post.]

9 فوریه 2008 بدترین روز زندگی من بود.

آن روزی بود که دوست دخترم برای من جشن تولد گرفت و من انتخاب وحشتناکی را برای مست شوید و ما را به خانه برسانید من اتومبیل خود را در I-97 در خارج از آناپولیس ، MD ، زیر و رو کردم ، بر روی نرده ای وارونه فرود آمدم ، لورا را کشتم ، و به زندگی که قصد داشتیم با هم بسازیم پایان دادم. وقتی در مرکز شوک تروما بیدار شدم و شنیدم چه کار کرده ام ، می دانستم که غم و اندوه من باعث می شود که عزیزان لورا برای همیشه مرا درگیر خود کنند.

چیزی که من متوجه نشدم این بود که با پیوستن 70-100 میلیون آمریکایی با سوابق جنایی ، من فوراً و برای همیشه حقوق و فرصتهایی را که قبلاً برای خود مسلم تلقی کرده بودم ، از دست دادم. خانواده لورا به نوعی من را بخشیده اند و در مجالس خود به استقبال من می روند ، اما جامعه تنها مجازات دائمی را در نظر می گیرد.

با پایان یافتن دوران محکومیت ما ، انتظار می رود افرادی که سابقه کیفری دارند به خانه بازگردند ، به اجتماعات ما بپیوندند و شروع کنند. برای حمایت از خانواده و خودمان.

با این حال ، انجمن وکلای آمریکا بیش از 40،000 موانع را برای افرادی که دارای جرایم جنایی هستند ، از مزاحمت های خفیف عمومی و نگهداری مواد مخدر گرفته تا جنایات مالی و خشونت آمیز جدی ، فهرست بندی کرده اند. حتی پس از پرداخت بدهی خود به جامعه ، این سیاست ها کمک دانشجویی و پذیرش کالج را از ما دریغ می کند. آنها ما را از کار در مشاغل خاص باز می دارند و ما را در معرض تبعیض شغلی ناعادلانه قرار می دهند. آنها زندگی با خانواده هایمان را برای ما سخت کرده و امنیت برنامه های شبکه ایمنی را از ما دریغ می کنند. ما موارد ساده ای مانند داوطلب بودن برای مربیگری تیم بسکتبال دختر یا همراهی پسر در سفر مدرسه را از دست می دهیم.

بسیاری از این سیاست ها ما را بدون توجه به نوع جنایتی که مرتکب شده ایم ، چه جنایت ما ، حذف می کند. اخیر بود یا مدتها پیش ، یا آنچه انجام داده ایم تا نشان دهیم تغییر کرده ایم.

وقتی از زندان خارج شدم ، کار سخت بازسازی را شروع کردم. من فارغ التحصیل رشته حقوق از جورج تاون بودم ، اما مشروط شدن من به این معنی بود که عضویت در وکالت مطرح نیست. وکیل مدافعم به من کار پاره وقت داد. این امر و بازپرداخت مالیات در چند ماه اول باعث شد من بتوانم کار کنم.

امیدوارم برخی از شرکتهای تجاری یا حقوقی به من فرصتی بدهند تا از آنچه آموخته ام برای شروع کار استفاده کنم. من به بیش از 60 شغل مراجعه کردم ، اما هیچ کس مرا استخدام نکرد. سرانجام ، من به عنوان پیشخدمت در مرکز شهر بالتیمور مشغول به کار شدم.

وجود یک طبقه کامل از افراد بیکار یا کم کار به دلیل سابقه کیفری ، خبر بدی برای اقتصاد و جامعه است. بیکاری در زندانیان سابق تا 50 درصد است و سالانه 65 میلیارد دلار برای اقتصاد از دست می دهد و به رشد آسیب می رساند. با استفاده نادرست از مهارت های یکی از هر سه آمریکایی که دارای سابقه کیفری هستند ، کارفرمایان گروه عظیمی از کارگران با استعداد را از دست می دهند. افرادی که خارج ازکار به احتمال زیاد مرتکب جنایات جدید می شود و کمتر قادر به حمایت از فرزندان یا افراد تحت تکفل خود می باشد. ما بیشتر و بیشتر در مورد خطر وقوع مجدد تهاجم و راههای ایمن نگه داشتن محل کار می دانیم.

شرکت های برتر توجه خود را به این موضوع آغاز کرده اند. Walmart و Target س askingال در مورد سوء پیشینه در برنامه های شغلی خود را "جعبه را ممنوع کرده اند". اوبر به تازگی اعلام کرد که شیوه های غربالگری رانندگان در کالیفرنیا برای افرادی که سوابق کیفری آنها مربوط به ایمنی مسافران نیست منصفانه تر خواهد بود. Uber با افرادی در کالیفرنیا تماس می گیرد که قبلاً در مراحل غربالگری رد صلاحیت شده اند تا از قانون جدیدی مطلع شوند که امکان کاهش پرونده ها را فراهم می کند تا بتوانند به راحتی فرصت های زندگی خود را پیدا کنند.

من یکی از افراد خوش شانس هستم. من هیچ وقت از آنچه در آن شب انجام دادم فرار نخواهم کرد ، اما من یک خانواده تشکیل داده ام و یک حرفه کامل پیدا کرده ام. میلیون ها آمریکایی دیگر شانس دوم نداشته اند. اکثر آنها مرتکب جنایات کمتر از جنایات من شده اند.

در حالی که نظام سیاسی به آهستگی به سمت اصلاح سیستم عدالت کیفری پیش می رود ، بخش خصوصی می تواند با اتخاذ سیاست های عادلانه استخدام ، تأثیر فوری بر اقتصاد و جوامع داشته باشد.

این بدان معناست که افراد را از نظر همه شایستگی ها ارزیابی کنید ، نه فقط بدترین روز زندگی.


فناوری
[ بازدید : 15 ] [ امتیاز : 3 ] [ نظر شما :
]

فناوری

يکشنبه 31 مرداد 1400
18:20
چکاد احمدیان

فناوری

من ویژگی های ایمنی بیشتری در ماشین بعدی ام می خواهم

من فکر می کنم رانندگی روباتیک سالها فاصله دارد

عکس توسط برام ون اوست در Unsplash

خودروی فعلی ما سوبارو فارستر 2020 است. ما می خواستیم در Outbacks بمانیم ، اما چیزهای وحشتناک برای گاراژ ما بسیار گسترده شده است!

Forester مجهز به ویژگی های ایمنی مورد انتظار مدرن است: کمک خط ، ترمز خودکار ، حفاظت از نقاط کور ...


بینایی رایانه : درک اتومبیل خودران به صورت خلاصه
[ بازدید : 13 ] [ امتیاز : 3 ] [ نظر شما :
]

بینایی رایانه : درک اتومبیل خودران به صورت خلاصه

يکشنبه 31 مرداد 1400
11:30
چکاد احمدیان

منبع تصویر: گروه کاربران GNU/Linux (GLUG)

بینایی رایانه : درک اتومبیل خودران به صورت خلاصه

مقدمه ای بر اتومبیل های خودران (قسمت 4)

یکی از مواردی که در یادگیری درباره اتومبیل های خودران بیشترین لذت را می برم این است که به سادگی درک این که یک سری ماشین های محاسباتی چقدر می توانند با بدن انسان شباهت داشته باشند. بخشی که برای من برجسته بود ادراک است ، زیرا پس از بسیاری از عملکردهای بصری در آناتومی بدن ما انجام می شود. …


آیا خدا با ماشین K سوار می شود؟
[ بازدید : 36 ] [ امتیاز : 3 ] [ نظر شما :
]

آیا خدا با ماشین K سوار می شود؟

يکشنبه 31 مرداد 1400
4:55
چکاد احمدیان

آیا خدا با ماشین K سوار می شود؟

در حمل و نقل عمومی اتفاقات اسرارآمیزی رخ می دهد. وقتی انجام می دهند ، منظورشان چیست؟ نظر شما در مورد مورد زیر چیست؟ SFSU توسط افراط گرایان طرفدار اسرائیل ، که مدرسه را یهودستیز خوانده اند ، شکایت کرده است ، زیرا به دانشجویان فلسطینی اجازه داده است تا به اسرائیل اعتراض کنند. و حقوق فلسطین علیه این دعوی ساختگی. برخی از دانشجویان یهودی که مایل به صحبت هستند می توانند با گفتن این که در دانشگاه احساس راحتی می کنند و یهودستیزی را تجربه نکرده اند ، این لباس را غرق کنند. اما من آنجا دانشجو یا استاد نیستم ، و هیچ بخش JVP در محوطه دانشگاه وجود ندارد ، و من هیچ کمکی پیدا نکرده ام.

بنابراین ، روز یکشنبه ، این روز را در یک جشنواره فرهنگی فلسطین در گلدن گذراندم. پارک گیت. سپس به جلسه JVP رفتم و تی شرت بر تن کردم که روی آن نوشته شده بود "فلسطینی ها باید آزاد باشند". ساعت 9:30 بعد از ظهر که به خانه آمدم ، ماشین MUNI M به دلایلی به تأخیر افتاد ، بنابراین من برای نزدیک شدن به خانه سوار ماشین K شدم. روی نیمکت روبه روی من ، مردی ریش دار به پیراهن من نگاه کرد و شروع به بلند گفتن با من کرد.

تی شرت من ، نه بدن من

" فلسطینی ها بازنده هستند. آنها سزاوار چیزی هستند که به دست می آورند. سازمان ملل همه چیز را به آنها داد اما آنها فقط می خواهند یهودیان را بکشند. طولی نکشید که فهمیدم حرف زدن با او فایده ای ندارد ، بنابراین بیشتر سکوت کردم. او گفت: "من یهودی هستم. شما نیز یهودی هستید ، درست است؟ " من گفتم بله. من با صدای یهودی برای صلح هستم این پیراهن آنها است. "

این واقعاً او را مجبور کرد. او بلندتر صحبت می کرد و در مورد نازی ها و احمق بودن من صحبت می کرد و اینکه JVP چقدر بد بود. او شروع به تهاجمی تر کرد ، از روی صندلی بلند شد و عقب نشست و به جلو خم شد تا نزدیکتر شود.

سپس مرد قد بلندی که کمی دورتر ایستاده بود ، حرکت کرد و بین ما قرار گرفت. این یکی از اقداماتی است که افراد در شرایط قلدری تشویق می کنند. مزاحم من با عصبانیت شروع به صحبت با او کرد ، سپس دوباره به من فریاد زد و به اطراف نگاه کرد تا مرا ببیند. در ایستگاه فارست هیل ، صدای بلند بلند شد و با چند توهین جدا شد. همه آرام شدند.

ماشین K در زمانهای آفتابی تر

محافظ من شروع به صحبت با زن جوانی کرد که در طرف دیگر مزاحم نشسته بود. من زیاد نمی شنیدم اما متوجه شدم که هر دو با SF State ارتباط دارند. به آنها نزدیک شدم و از زن پرسیدم آیا او دانشجوی ایالت است. او گفت که است و پرسید که آیا من آنجا کار می کنم. من به طور مختصر در مورد مشارکت خود در مسائلی که در بالا توضیح دادم توضیح دادم.

او گفت که در مورد برخی از این موارد شنیده است و علاقه مند است که بیشتر بدانند. من پرسیدم که آیا او یهودی است و هست ، و او علاقه مند است که در این مسائل شرکت کند. ما اطلاعات تماس را رد و بدل کردیم.

وقتی در ایستگاه پورتال غربی در حال تجزیه بودیم ، او گفت ،"من از سوءاستفاده ای که آن مرد به شما کرد متأسفم." گفتم: "هدیه بود. من به دنبال شخصی مثل شما می گشتم ، و اگر او و مردی که به من کمک می کرد و صحبت شما با او نبود ، دلمان برای هم تنگ می شد. "

- - - - - - - - - - - - - - - - - - - - - - - -

روز بعد آن داستان را در فیس بوک قرار دادم ، درست همانطور که در اینجا نوشتم ، فقط بدون عنوان و با جملات مقدماتی «خدا خوب است. در اینجا یک مثال وجود دارد. "

من نظرات و لایک های مثبت زیادی دریافت کردم ، اما بسیاری از مردم از ذکر خدا ناراحت بودند. یکی از دوستانش ، کریس نوشت: "بله ، البته. خدا تصمیم گرفت در این مورد مداخله کند ، در حالی که به هزاران کودک بی گناه اجازه می دهد هر روز در شرایط وحشتناک از گرسنگی بمیرند یا بمیرند ، اما او آن شخص را فرستاد تا از طرف شما شفاعت کند. "

ریک اظهار داشت ،" این مداخله الهی یا راز نبود. یک تقلب به شما سختی داد. یک پسر خوب آمد و به شما کمک کرد آن چیزها اتفاق می افتد. "

حدس می زنم که من واضح نبودم. من معتقدم نهادی به نام خدا وجود ندارد که تصمیم می گیرد و اقدامات را انجام می دهد و از طرف من از طرف K-Car وارد کار می شود. اما اتفاقی اسرارآمیز رخ داد و چنین مواردی اغلب برای من اتفاق می افتد.

هیچ معجزه ای وجود ندارد. با این وجود ، من به دنبال یک دانشجوی یهودی SF State بودم و شانس زیادی برای جمع آوری ما لازم بود. چرا من به جای انتظار برای M ، که در نهایت برای رسیدن به خانه نیاز دارم ، از K-Car استفاده کردم؟ چه شد که این احمق به جای چرت زدن به تی شرت من عصبانی شد؟ چگونه اتفاق افتاد که دانشجوی SFSU در کنار مرد بدرفتار نشسته بود و چه چیزی باعث شد او با کمک من صحبت کند و چرا آنها در مورد State صحبت کردند؟ این مانند پاسخ به یک دعا بود ، اما من دعا نمی کنم.

در اینجا من درباره خدا فکر می کنم. ادیانی که ما در غرب می شناسیم: یهودیت ، مسیحیت ، اسلام ، معتقدند ابر موجودی به نام خدا جهان را آفرید و آن را به انسان ها سپرد تا اداره شوند. برای من ، این یک توهم خطرناک است. اکثر ادیان دیگر جهان معتقدند خدا جهان است و انسانها بخشی از خدا هستند. خدا همه چیز است ، از مولکولها گرفته تا ستاره ها ، باد ، باران ، کرم ها ، شما ، من ، همه. طبیعت کلمه دیگری برای خداست.

اکنون من خدا را به عنوان یک بازی متقابل جاودانه و جهانی می دانم (با تشکر از کیم راندولوف برای این کلمه) با تأکید بر "بازی". همه اینها با هم کار می کنند ، به طریقی که ما نمی توانیم آنها را درک کنیم. و نه همیشه به شکلی که ما می خواهیم. اما بسیاری اوقات ، اگر اجازه دهید جهان کار کند و سعی نکنید آن را هدایت یا قضاوت کنید ، چیزهای خوبی به سراغ شما می آید.

مانند غذا. چگونه به شما می آید؟ خورشید ، زمین ، حیوانات و گیاهان ، حشرات و کرم ها و باکتری ها ، کشاورزان و کشاورزان و زایمانگران ، افرادی که به شما پول پرداخت کرده اند را کنار هم قرار دهید.آن را بخرید ، و دیگران ، و چه چیزی دارید؟ در برخی از محیط های اجتماعی ، من آن را خدا می نامم. زمانهای دیگر ، نه. این فقط یک کلمه است.


پولیش ماشین شما بیهوده است اگر موتور خراب باشد
[ بازدید : 35 ] [ امتیاز : 3 ] [ نظر شما :
]

پولیش ماشین شما بیهوده است اگر موتور خراب باشد

شنبه 30 مرداد 1400
22:30
چکاد احمدیان

پولیش ماشین شما بیهوده است اگر موتور خراب باشد

ابتدا قسمت داخلی را برطرف کنید

صرفنظر از اینکه بدن بیرونی چقدر صاف و براق باشد ، لاستیک ها با آج با نوار عمیق ، آینه های بال برقی ، برچسب در پنجره عقب با نقل قول های تیز ، شما نمی توانید اگر به آن سنگ زنی اصرار آمیز در زیر کاپوت توجه نمی کنید ، حرکت کنید.
تنها ماشین من دوچرخه است: Epilogue
[ بازدید : 34 ] [ امتیاز : 3 ] [ نظر شما :

]

تنها ماشین من دوچرخه است: Epilogue

شنبه 30 مرداد 1400
16:00
چکاد احمدیان

تنها ماشین من دوچرخه است: Epilogue

دوچرخه من دوست من است ، همراه ثابت سفر من. هر روزی که شامل دوچرخه سواری باشد ، روز خوبی است. هر روزی که شامل تمام روز سوار شدن باشد ، یک روز فوق العاده است. بی صبرانه منتظر رفت و آمد روزانه ام هستم. چه کسی جز یک دوچرخه سوار چنین چیزی می گوید؟ در راه ورود ، انرژی می گیرم. هنگام سوار شدن ایده های خوبی به ذهنم خطور می کند. من در کار بهره وری بیشتری دارم. در راه بازگشت به خانه ، استرس های روز از بین می روند. وقتی دوچرخه سواری می کنم ، هر فعالیت لذت بخشی افزایش می یابد. وقتی وارد کلاس آیکیدو می شوم ، کاملاً گرم می شوم. لذت تمرین گروه کر به دلیل دوچرخه سواری برای تمرین بیشتر می شود. من با ریه هایم آمادگی خوبی برای خوانندگی دارم.

دوچرخه من شفا دهنده من است. من شصت و پنج سال دارم. دوچرخه ام من را در شرایط بدنی عالی نگه داشته است. من از اضافه وزن به راحتی در محدوده نرمال تبدیل شدم. دردهای معمول مربوط به سالهای پیشرفت همیشه با دوچرخه من آرام می شود.

دوچرخه من معلم من است. دوچرخه من باعث ایجاد صمیمیت با محیط اطرافم می شود که به غیر از پیاده روی با هیچ وسیله نقلیه دیگری قابل دستیابی نیست. آموخته ام که خود را برای باران و سرما آماده کنم. من ظرافت های آب و هوایی را تجربه می کنم.

سفرهای جاده ای خود را با دوچرخه ای انجام می دهم که از آن در شهر استفاده می کنم. من عاشق سواری مایل به مایل ، ساعت به ساعت ، حتی روز به روز هستم. افراد غیر سوار ممکن است در درک این موضوع مشکل داشته باشند. هنگامی که حدود 30 مایل را طی کرده ام ، احساس می کنم می توانم تمام روز به سواری ادامه دهم. بعد از 60 مایل ، احساس می کنم می توانم برای همیشه سوار شوم. فقط من ، جاده باز و دوچرخه ام هستم.

سایر مقالات این مجموعه:

مقدمه

قسمت 1: امنیت

قسمت 2: کجا سوار شوید: چیزهای آسان

قسمت 3: مخلوط کردن آن در ترافیک

قسمت 4: تجهیزات شما


نحوه استفاده از خودرو برای پیمودن روالهای جدید
[ بازدید : 45 ] [ امتیاز : 3 ] [ نظر شما :
]

نحوه استفاده از خودرو برای پیمودن روالهای جدید

شنبه 30 مرداد 1400
9:40
چکاد احمدیان

نحوه استفاده از خودرو برای پیمودن روالهای جدید

در این فصل ، کنترل زمان خود را با روالها و مراسم جدید در دست بگیرید.

با نزدیک شدن به فصل دیگر ، پاییز روزانه شما ممکن است شباهت زیادی به بهار داشته باشد (در این صورت شاید شما نیاز به تغییر دارید) ، یا برنامه شما کمی پیچیده تر می شود. پیگیری برنامه های مدرسه کودکان ، برنامه کاری اصلاح شده ، نوبت شما تماشای بچه های همسایه است ... همانطور که گفتیم ، پیچیده تر است. در هر اردوگاهی که در آن قرار دارید ، ما نکاتی را جمع آوری کرده ایم که به شما کمک می کند با برنامه های جدید سازگار شده و طرز فکر خود را تازه کنید. برنامه ریز را که می خواهید از آن استفاده کنید بیرون بیاورید و اجازه دهید نکاتی را یادداشت کنیم.

برنامه خود را احمقانه نگه دارید

فرض کنید شما ترکیبی از برنامه های مدرسه حضوری و خانگی را مدیریت می کنید (نه با یک ، بلکه با سه کودک) و همه چیز در محل کار رو به افزایش است. چگونه مدیریت می کنید؟ مطمئناً شما برنامه ریز جدیدی را که تهیه کرده اید دارید و تقویم زیادی دعوت می کند تا تلفن شما را پینگ کند. اما سازمان دهنده دیگری وجود دارد که می توانید از آن برای حفظ برنامه خود استفاده کنید ، به ویژه اگر چندین توقف دارید.

اگر تقویم خود را با Waze همگام سازی کنید ، به راحتی می توان به یاد آورد که بچه ها در چه روزها و زمانهایی نیاز به سوار شدن دارند. اعلان ها را در برنامه روشن کنید ، و به شما یادآوری می کند که بهترین زمان برای ترک یا ترک کودکان در مدرسه یا خانه والدین دیگر در صورت یادگیری در "غلاف" است.

< p> هنگامی که قصد دارید به جاده بروید ، برنامه را برای به روزرسانی های ترافیک در زمان واقعی بررسی کنید تا بتوانید از تاخیرهای مزاحم در طول مسیر (ساخت و ساز ، دور زدن ، متوسط ​​ترافیک چهار ساعته) پیشگیری کنید. به این ترتیب ، می توانید کارهای خود را بدون استرس و طبق برنامه انجام دهید.

"غرفه کارپول" را تشکیل دهید

آیا سعی می کنید در برنامه جدید خود صرفه جویی کنید؟ هم گروهی با دوستان و همسایگان در "Carpool pod" یک گزینه است. مردم در حال حاضر برای موقعیت های دیگر ، مانند مراقبت از کودکان و انجام کارهایی که نمی توانند به آنها برسند ، غلاف ایجاد می کنند. شما می توانید غلاف "استخر" خود را با ویژگی "Groups" در کارپول سازماندهی کنید ، همسایه ها و همکاران خود را دعوت کرده و برنامه های سواری را تنظیم کنید یا در چت با پیش آمدن اوضاع در برنامه Carpool به یکدیگر ضربه بزنید. هنگام استفاده از Waze Carpool ، به یاد داشته باشید که از راهنمای CDC پیروی کنید. و اگر در حال سوار شدن با افراد خارج از خانه خود هستید ، پنجره ها را برای تهویه بیشتر پایین بیاورید و ماسک ها را روی صورت خود نگه دارید.

استراحت کنید و مرزها را تعیین کنید

اگر هزار تن هزینه می کنید وقتی در خانه کار می کنید ، کلاس مجازی بچه خود را اداره می کنید ، یا هر دو ، به راحتی می توانید زمان را از دست بدهید و احساس کنید روز به طور کامل انجام نشده است.

ممکن است ماشین شما در این مورد حرفی برای گفتن داشته باشد. هیچ چیز مانند "رانندگی برنامه ریزی شده" برای یک کار به موقع ، دویدن در قهوه یا پیاده روی در طبیعت برای تعیین محدوده و شکستن روز نیست. صبح ها برای بریدن قهوه درایو را برنامه ریزی کنید (اگر قبل از رفتن ایمیل کاری خود را چک نکرده اید ، امتیازهای اضافی دریافت کنید). تعطیلات ناهار را به خاطر دارید؟ به خودتان یادآوری کنید که با اعلانی که شما را هدایت می کند به رانندگی در نزدیکی یا پارکی بروید که در آن می توانید وعده غذایی خود را بسته و لذت ببرید.یک ناهار بی وقفه روز خود را با بستن لپ تاپ و رفتن به یک پارک مجاور برای پیاده روی های دور از اجتماع با دوستان یا قرارهای بازی برای بچه ها به پایان برسانید. برای تحصیل در خانه ، می توانید روز را با فعالیت های سازماندهی شده مانند P.E. در پارک یا گروههای مطالعه با فاصله اجتماعی با دوستان. بیاموزید که روال رویایی آنها چگونه است. >

یک دوره آموزشی در مورد روالها

روالها و مناسک به ما کمک می کند تا زمان ، انرژی و رفاه عمومی خود را مدیریت کنیم. در زمان های غیرقابل پیش بینی ، عادات حتی بیشتر اهمیت دارند. اما حتی م effectiveثرترین روالها می توانند با تغییر فصول ، برنامه ها و تعهدات نیاز به تجدید نظر داشته باشند. به گفته آنک جیکوب اسمیت ، روان درمانگر ، روال عادی به ما کمک می کند تا گذر زمان را که برای سلامت روان مهم است ، مشخص کنیم. او توضیح می دهد: "با ایجاد یک برنامه معمول و یک برنامه آخر هفته که شامل سرگرمی و ماجراجویی می شود ، احساس می کنید که زمان در حال گذر است. اسمیت توصیه می کند که در طول روز استراحت طبیعی داشته باشید. او می گوید: "ما در اطراف شکم خود ساخته شده ایم." "روالهای مشابه را در مکانی متفاوت از محل کار خود تنظیم کنید." وقتی برای رانندگی برنامه ریزی می کنید ، انجام کارهای روزانه و سفر به پارک می تواند به آیینی تبدیل شود که به شکستن طولانی مدت خیره شدن به صفحه نمایش کمک می کند.

فعال بمانید

فعال ماندن یکی دیگر از کلیدها است. به سلامت روان اسمیت می گوید: "برای مراقبت از خود باید یک جزء فیزیکی وجود داشته باشد." انجام هر نوع کاردیو به مدت 20 دقیقه می تواند همه چیز را تغییر دهد. " هفته را با رانندگی های برنامه ریزی شده به مکانهای جدید طبیعت شروع کنید ، جایی که می توانید پیاده روی کنید ، دوچرخه سواری کنید ، بدوید ، یوگا تمرین کنید یا چند تمرین جدید با وزن بدن را امتحان کنید. Waze به شما یادآوری می کند که زمان ترک - و استراحت از نشستن است.

یک هفته "روز ماجراجویی" اعلام کنید

تعیین وقت برای سرگرمی و پیدا کردن خانواده بسیار مهم است. روشهای جدید برای شارژ مجدد ذهنی اسمیت توضیح می دهد: "ما حیوانات تازه کار هستیم." "ماشین شما می تواند ابزاری برای ارائه آن ماجراجویی به روشی ایمن و دوستدار COVID باشد." می توانید سریعترین مسیرها را پیدا کرده و قیمت بنزین و عوارض را در طول مسیر خود قبل از رفتن بررسی کنید. با هماهنگی با به روزرسانی های زمان واقعی روی نقشه ، از ترافیک و تأخیرها جلوتر باشید و عوارض خود را همگام کنید تا سریعترین مسیرها را بدست آورید. مراقبت از Speedometer و ماندن در Speedcams روی نقشه می تواند به شما کمک کند تا در شهرهای مختلف با خیال راحت و بدون بلیط حرکت کنید. به علاوه ، همه اعضای خانواده می توانند به نوبت مقصد را انتخاب کنند ، بنابراین همه می توانند نظر خود را بدهند.

ماشین خود را مقصد کنید

با رفتن به یک "وقت من" بسیار مورد نیاز را دریافت کنید. بدون مقصد رانندگی کنید پخش کننده صوتی مورد علاقه خود را متصل کرده و از پادکست کامل بدون وقفه از طرف بچه ها ، هم اتاقی ها یا محل کار لذت ببرید (تنظیمات را باز کرده و روی تنظیمات دلخواه خود روی یادداشت صورتی ضربه بزنید). یا از حریم خصوصی برای تماس با یک دوست استفاده کنیدو برسد برای یک ماجراجویی کوچک ، هم اتاقی یا خانواده خود را جمع کنید و شبها در شهر خود رانندگی کنید. به نوبت داستانهای ارواح را بیان کنید یا آهنگهای یک کارائوکه DIY را افزایش دهید.

حرکت رو به جلو

یک روال پایدار اولین گام برای حفظ یک سبک زندگی سالم (و سرگرم کننده) است ، حتی وقتی همه چیز احساس عدم قطعیت می کند با تجدید آئین های خود و خلاقیت با کمک ماشین خود ، می توانید نحوه حرکت به معنای واقعی کلمه در فصل جدید را بیاموزید.


آیا خودروی خودران را قلدری می کنید؟
[ بازدید : 37 ] [ امتیاز : 3 ] [ نظر شما :
]

آیا خودروی خودران را قلدری می کنید؟

شنبه 30 مرداد 1400
3:35
چکاد احمدیان

آیا خودروی خودران را قلدری می کنید؟

قرار است وسایل نقلیه خودران خفیف با وسایل نقلیه کوچک توسط همکارانشان مورد آزار و اذیت قرار بگیرند.

دو اتومبیل با سرعت زیاد به سمت یکدیگر حرکت می کنند ، مگر اینکه یکی مسیر خود را تغییر دهد ، آنها با هم برخورد خواهند کرد. اما ، به موقع ، یک ماشین منحرف می شود تا از تصادف جلوگیری کند.

آن ماشین مرغ است.


آموزش ماشین برای رانندگی-برنامه ریزی مسیر بزرگراه
[ بازدید : 37 ] [ امتیاز : 3 ] [ نظر شما :
]

آموزش ماشین برای رانندگی-برنامه ریزی مسیر بزرگراه

جمعه 29 مرداد 1400
21:30
چکاد احمدیان

آموزش ماشین برای رانندگی-برنامه ریزی مسیر بزرگراه

رانندگی خودرو در بزرگراه < /img>

این اولین پروژه از ترم 3 مهندسی اتومبیل رانندگی خودکار Udacity Nanodegree است. همه کد های مربوط به این پروژه را می توانید در github بیابید. همچنین می توانید پست های من در پروژه های قبلی را بخوانید:

دوره 1 - پروژه 1: تشخیص خطوط خط با استفاده از دید رایانه ترم 1 - پروژه 2: طبقه بندی علائم راهنمایی و رانندگی با استفاده از یادگیری عمیق ترم 1 - پروژه 3: پیش بینی زاویه فرمان با استفاده از یادگیری عمیق ترم 1 - پروژه 4: تشخیص خط پیشرفته با استفاده از دید کامپیوتر دوره 1 - پروژه 5: خودرو تشخیص با استفاده از یادگیری ماشین و بینایی رایانه ای

برنامه ریزی مسیری که هم ایمن و هم کارآمد باشد یکی از سخت ترین مشکلات در توسعه یک وسیله نقلیه خودران است. در واقع ، این مرحله که به برنامه ریزی مسیر معروف است ، هنوز یک منطقه فعال تحقیقاتی است. دلیل اینکه برنامه ریزی مسیر کار بسیار پیچیده ای است این است که شامل همه اجزای یک وسیله نقلیه خودران است ، اعم از محرک های سطح پایین ، سنسورهایی که برای ایجاد یک تصویر فوری از جهان ، همراه با محلی سازی و ماژول های پیش بینی برای درک دقیق اینکه ما کجا هستیم و موجودات مختلف در جهان ما (سایر وسایل نقلیه ، انسان ، حیوانات و غیره) چه اقداماتی را در چند ثانیه آینده انجام می دهند. یکی دیگر از م obviousلفه های آشکار ، تولید کننده مسیر است که می تواند مسیرهای نامزد را برای ارزیابی توسط برنامه ریز محاسبه کند.

در این پست ، ما بر توصیف نحوه اجرای برنامه ریز مسیر C ++ که قادر به ایجاد ایمن است ، تمرکز می کنیم. و مسیرهای کارآمد در شبیه ساز ، با استفاده از تکنیک های به حداقل رساندن حرکت تند و سریع. محدودیت های پروژه عبارتند از: 10 متر بر ثانیه حداکثر حرکت تند 10 متر بر ثانیه خودرو نمی تواند بیش از 3 ثانیه بین خطوط بین خودروها خودرو نتواند از 3 خارج شود خطوط بزرگراه خودرو نمی تواند در سمت اشتباه بزرگراه رانندگی کند

ما در تکمیل این پروژه با مشکلات زیادی روبرو شدیم و تصویر زیر برخی از محدودیت های اولیه ما را نشان می دهد

شروع نادرست

برای شروع ، بیایید نگاهی دقیق تر به موارد مختلف بیندازیم لایه های درگیر در برنامه ریزی مسیر.

لایه های عملکردی در اتومبیل خودران mNT1_8kBfGssr84gssA7Jw.png "> لایه های درگیر در برنامه ریزی مسیر - از Udacity

همانطور که قبلاً ذکر شد ، برنامه ریزی مسیر نیاز به همکاری لایه های مختلف یک دستگاه خودکار دارد وسیله نقلیه وحشتناک نمودار بالا مروری بر چگونگی لایه بندی چنین اجزایی در یک سیستم خودران دارد: این لایه با سریعترین مقیاس زمانی Sensor Fusion کار می کند: مسئول ادغام خروجی های سنسور (به عنوان مثال RADAR + LIDAR) است. وسیله نقلیه روی نقشه است ، و مکانهای دیگر (به عنوان مثال ماشین های دیگر) در رابطه با وسیله نقلیه ما پیش بینی: مسئول شناسایی ماهیت موجودیت های تشخیص داده شده با حسگرها (با نام مستعار ادراک) و همچنین پیش بینی آینده نزدیک تغییرات در صحنه بر اساس مسیر حرکت اتومبیل ، مسیر دیگر وسایل نقلیه و عناصر متفرقه در صحنه (به عنوان مثال چراغ راهنمایی). یکی از وظایف مهم این لایه استپیش بینی برخوردها نیز است. رفتار: لایه هماهنگ کننده ای که تمام اطلاعات را از لایه های پایینی می گیرد و وضعیت آینده را برای گذار به همراه مسیر اتخاذ تصمیم می گیرد مسیر: مسئول مسیرهای محاسبه با مجموعه ای از محدودیت ها (به عنوان مثال سرعت ، مسافت ، خط ، حرکت تند ، و غیره)

روش های زیادی برای ایجاد مسیر وجود دارد ، و در این پروژه ما محاسبه مسیرها را در یک سیستم مختصات Frenet انتخاب کرده ایم .

تشخیص داده های تلفیقی سنسور

وسیله نقلیه ما در شبیه ساز به طیف وسیعی از حسگرها مجهز است که خروجی آنها برای ایجاد اندازه گیری دقیق تر ، ذوب شده است. اکثر شرکت هایی که در استقلال سطح 4 کار می کنند از Radar ، Lidar و Camera در مجموعه حسگر خود استفاده می کنند. داشتن انواع مختلف سنسورها بسیار مهم است زیرا هر کدام نقاط قوت و ضعف خود را دارند. علاوه بر این ، داشتن موارد متعدد از یک سنسور یکسان برای کاهش خرابی های سخت افزاری در یک سنسور مشخص ، بسیار مهم است.

در مورد ما ، شبیه ساز اطلاعات زیر را از ماژول همجوشی سنسور خود ارائه می دهد: موقعیت ، سرعت و جهت وسیله نقلیه ما موقعیت و سرعت وسایل نقلیه دیگر (می توان جهت را با استفاده از مثلثات کوچک محاسبه کرد - به مستطیل رنگ مراجعه کنید) در محدوده حسگر بقیه مسیرهای پیشتر برای اجرا

با استفاده از این اطلاعات می توانیم فاصله وسیله نقلیه خود را با سایر وسایل نقلیه دیگر محاسبه کنیم. ما این مراحل را بسیار فراتر می گذاریم و سعی می کنیم برخوردها را بر اساس مسیر خودرو و مسیرهای برآمده سایر خودروها پیش بینی کنیم. ما از این اطلاعات در توابع هزینه ای که بعداً تعریف می کنیم به نفع خود استفاده می کنیم.

ایجاد مسیر

سیستم مختصات Frenet

ما اغلب از یک سیستم مختصات سنتی دکارتی استفاده می کنیم نشان دادن یک نقطه معین (x ، y) در یک هواپیما ، و این در واقع سیستم پیش فرض مورد استفاده در شبیه ساز برای شناسایی ماشین ما در جاده است. با این حال ، در دنیای واقعی ، جاده ها همیشه مستقیم نیستند و بنابراین عملیات "آسانی" که انسانها انجام می دهند مانند تشخیص اینکه خودرو در کدام خط قرار دارد ، تکرار آن با استفاده از سیستم دکارتی برای رایانه بسیار دشوارتر است. تصویر زیر مشکلی را که در سیستم مختصات سنتی (X، Y) با آن روبرو هستیم نشان می دهد:

جاده منحنی در سیستم دکارتی (برگرفته از درس Udacity)

آیا اگر سیستم مختصات ما از انحنای جاده حمایت کند ، آسان تر نخواهد بود مسیری که ماشین ما جلو می رود و در خط خود می ماند ، مانند خط زیر به صورت یک خط مستقیم ظاهر می شود؟

مسیرها در سیستم های مختصات فرنت (چپ) و دکارتی معمولی (راست)

این دقیقاً همان چیزی است که یک سیستم مختصات Frenet ارائه می دهد: در چنین سیستمی ، هواپیمای خود را به صورت طولی و محور جانبی ، به ترتیب S و D. اما می توانید تصور کنید که منحنی که از مرکز جاده می گذرد محور S را تعیین می کند و نشان می دهد که چقدر در جاده قرار داریم. محور D به جابجایی جانبی خودرو می پردازد. تصویر زیر نشان می دهد که این سیستم در جاده های منحنی چگونه به نظر می رسد:

جاده منحنی ضبط شده در مختصات Frenet -از Udacity

به حداقل رساندن لرزش

تکان دادن به عنوان میزان تغییر شتاب در طول زمان تعریف می شود. در همین حال ، شتاب به عنوان نرخ تغییر سرعت در طول زمان تعریف می شود. اساساً حرکت تند و سریع به ترتیب مشتقات شتاب و سرعت هستند. به عنوان مسافران ، تغییرات ناگهانی شتاب در یک وسیله نقلیه باعث حرکت سریع می شود که در نهایت باعث ناراحتی رانندگی می شود. بنابراین به حداقل رساندن حرکت تند در هنگام برنامه ریزی یک مسیر ضروری است.

به نظر می رسد که محاسبه حداقل خط حرکت تند و سریع در یک بعد با گسترش معادله سینماتیکی برای محاسبه مسیر با توجه به موقعیت فعلی ما s_0 بسیار آسان است. ، سرعت فعلی s_0_v ، و شتاب فعلی s_0_a. برای یک بازه زمانی مشخص T (به عنوان مثال 1 ثانیه) ، می توانیم بیان کنیم:

موقعیت نهایی مورد نظر (در زمان t) s_f سرعت نهایی مورد نظر s_f_v شتاب نهایی مورد نظر s_f_a

با استفاده از چند جمله ای کوینتیک (یعنی درجه 5) که تا مشتق دوم حرکت تند حرکت می کند. معادلات با توجه به مقادیر شروع به شرح زیر است:

تکان به حداقل رساندن معادلات مسیر - از Udacity

مقادیر سمت چپ علامت معادل مقادیر پیش بینی شده برای موقعیت ، سرعت و شتاب در زمان t ≤ T. در مورد ما t بر روی کنترل کننده تنظیم شده است نرخ به روز رسانی ، که 20 میلی ثانیه (0.02 ثانیه) است. ما می توانیم همه اینها را با تعیین شرایط مرزی مناسب به حل کننده چند جمله ای متصل کنیم. در مورد ما ، ما شتاب مورد نظر خود را بر روی 0 تنظیم می کنیم ، زیرا ما می خواهیم حرکت تند و سریع را انجام دهیم. متأسفانه این فقط شتاب نهایی را برای t = T تعیین می کند و ما هیچ کنترلی بر شتاب خودرو هنگام t ≠ T نداریم. بنابراین ما باید مقادیر مختلف T را آزمایش کنیم تا مشخص کنیم کدام افق زمانی را انتخاب کنیم تا مسیرهای کمینه حرکت تند و سریع ایجاد شود. در مورد ما T = 1.7 ثانیه را انتخاب کردیم. مسئله دیگر این است که ما یک کنترل کننده کامل داریم که بدون توجه به قوانین فیزیک ، خودرو را به هر نقطه بعدی در مسیر حرکت می دهد (به عنوان مثال می تواند در 20 میلی ثانیه 1 کیلومتر بیشتر حرکت کند) ، بنابراین ما باید بسیار مراقب باشیم. مسیرهایی که ارسال می کنیم.

از آنجا که از مختصات Frenet استفاده می کنیم ، می توانیم حداقل مسیرهای حرکت یک بعدی را در ابعاد s و d به طور جداگانه ایجاد کنیم. این مقاله از ورلینگ و کمل برای آشنایی بیشتر با این موضوع خواندن خوبی است.

از آنجا که شبیه ساز مسیرهای بیان شده در مختصات Frenet را قبول نمی کند ، ما برای محاسبه مختصات مختصات Frenet به مختصات دنیای واقعی تبدیل می کنیم. (x ، y) نقطه ای که به یک نقطه (ها ، د) Frenet مربوط می شود.

بهبود محلی سازی

ایجاد مسیرهای روانتر

فرض می کنیم که آهنگ دارای قبلاً نقشه برداری شده است و دارای نقاطی است که خط زرد میانی را دنبال می کند و دو طرف بزرگراه را از هم جدا می کند. این به ما کمک می کند تا در مورد نزدیکترین نقاط بین راهی که هستیم قرار بگیریم.

متأسفانه نقاط نقشه ای که به ما داده می شود بسیار پراکنده هستند و می توانند منجر به مسیرهای بسیار "زاویه ای" شوند که هنگام تلاش برای تبدیل از Frenet ایجاد می شود. بازگشت به مختصات دنیای واقعی این به نوبه خود باعث افزایش ناگهانی شتاب و حرکت تند و سریع می شود. به عنوان تابع toRealWorld (s، d) -> (x، y) از درون یابی اولیه بین دو نقطه بین راه استفاده می شودبرای یافتن بهترین مقادیر تقریبی برای x و y ، ما همیشه در معرض خطر ایجاد یک مسیر غیر هموار هستیم.

تغییر مسیر با نقاط درشت

برای بهبود این امر چه کاری می توانیم انجام دهیم؟ از برخی پروژه ها در شرایط قبلی ، ما مشاهده کرده ایم که خطوط مشتق شده از چند جمله ای تمایل به ایجاد مسیرهای بسیار صاف دارند. بنابراین ما باید از این تکنیک به جای درون یابی اولیه که در حال حاضر استفاده می شود ، استفاده کنیم. ما برای به دست آوردن مختصات دنیای واقعی x ، y و خنثی کردن dx و dy به استفاده از spline های ایجاد شده با گرفتن موقعیت s در مختصات Frenet متوسل می شویم. سپس این فرمول را وصل می کنیم تا نزدیکترین مختصات در دنیای واقعی را بدست آوریم

 x = spline_s_x (s) + d * spline_s_dx (s)
y = spline_s_y (s) + d * spline_s_dy (s) 

اکنون می توانیم ببینیم که مسیر ما به طرز چشمگیری هموار شده است.

رانندگی روان از نقاط بهتر

ماشین حالت دو بعدی

یکی از بصری ترین روش های تفکر در مورد رانندگی این است که ما انسانها بر اساس شیوه رانندگی ، اطلاعات خارجی که در اختیار داریم و همچنین مقصدی که در ذهن داریم ، وسیله نقلیه خود را به حالتهای مختلف تبدیل می کنیم. به نظر می رسد که ما می توانیم حالت ها را برای ماشین ها کدگذاری کنیم و به آنها آموزش دهیم که بر اساس وضعیت فعلی و سایر لایه های پشته خودروهای خودکار به کدام حالتها حرکت کنند.

در مورد ما ، ماشین حالت محدود ما کاملاً ساده است و تصویر زیر: img>

متداول ترین حالت Keep Lane خواهد بود اما هر زمان که بخواهیم خط را تغییر دهیم ، ماشین ابتدا به حالت آماده سازی تغییر مسیر چپ/راست منتقل می شود و پس از اطمینان از سالم بودن سوئیچ خط ، به خط اصلی حرکت می کند. تغییر حالت حالت میانی که قبل از تغییر خط وارد می کنیم شبیه خودروهایی است که قبل از تغییر خط سیگنال های چپ/راست خود را روشن می کنند (و البته رانندگان نیز مطمئن می شوند که تغییر خط ایمن است).

در مورد اجرای وضعیت ما ما از مختصات Frenet برای طراحی این روش الهام گرفتیم. ما تصمیم گرفتیم یک حالت معین را به اجزای طولی و جانبی آن تقسیم کنیم. دلیل انجام این کار این است که ما معتقدیم تصور ما در مورد رانندگی در بزرگراه با تغییرات احتمالی خط ساده می شود.

اساساً حالت جانبی حالتهای بالقوه بعدی را تعیین می کند که می توانیم در آن قرار بگیریم ، در حالی که هزینه هزینه ممکن است یک حالت طولی را بر حالت دیگر انتخاب کند. پیاده سازی ماشین حالت را می توان در خلاصه زیر یافت: بهترین ”اقدامی که باید انجام شود. اینجاست که توابع هزینه مفید هستند. توابع هزینه برای "آموزش" وسیله نقلیه به منظور آموزش "اقدامات" موردنظر ما و اعمال آنها به میزان کمتر یا شدیدتر با وزنه های مختلف ضروری است.

همه توابع هزینه ما به رابط زیر که در آن تعریف کرده ایم پایبند هستند. فایل cost_functions.h در مخزن پروژه:

 typedef function  &، const Trajectory &، const State &، const double &)> CostFunction؛ 

این باعث می شود که یک تابع هزینه بسیار بی اهمیت باشد (وزن آخرین پارامتر است). ما تعریف کردیمتوابع هزینه زیر ، جایی که وزن به طور کامل قابل تنظیم است: مرکز خط هدف laneChangeCostFunction: عملکردی که همیشه تغییر خط را مجازات می کند ، زیرا معمولاً خطرناک تر از رانندگی در همان خط distanceToClosestCarAheadCostFunction است: عملکردی که ما را مجازات می کند نزدیکترین خودرو به خودروی پیش رو distanceToClosestCarAheadFutureLaneCostFunction: عملکردی که هنگام تعویض خط در صورتی که به وسایل نقلیه جلو یا عقب نزدیک باشد جریمه می کند averageLaneSpeedDiffCostFunction: یک تابع این خطی را که خودرو می خواهد بر اساس سرعت متوسط ​​وسایل نقلیه پیش رو در این خط جریمه کند speedDifferenceWithClosestCarAheadCostFunction: تابع هزینه ای است که وسیله نقلیه ما را جریمه می کند e اگر کندتر از وسیله نقلیه پیش رو collisionTimeCostFunction باشد: عملکردی که درصورت برخورد احتمالی با وسیله نقلیه دیگر مسیر ما را جریمه می کند futureDistanceToGoalCostFunction: عملکردی که مسیر ما را جریمه می کند هرچه بیشتر به هدف برسد (یعنی پایان مسیر در s = 6945.554)

ما پیکربندی های مختلف وزن زیادی را امتحان کردیم اما در نهایت تصمیم گرفتیم که چون نمی خواهیم در مورد ایمنی به خطر بیفتیم بالاترین وزن را با 10000 به collisionTimeCostFunction نسبت می دهیم. وزن ها بسیار متفاوت است ، اما ما برای مثال وزن بسیار کمی به speedCostFunction دادیم زیرا داشتن سرعت بالا بسیار خوب است اما به هیچ وجه به اندازه عدم برخورد مهم نیست.

نتایج نهایی

جریان برنامه ریز مسیر بسیار خوب عمل می کند و خودرو را قادر می سازد چندین بار در اطراف مسیر حرکت کند. با این حال می توان با افزایش وزن بیشتر و بهبود برخی از عملکردهای هزینه ، آن را بهبود بخشید. علاوه بر این ، ما معتقدیم که با استفاده از برخی از یادگیری ماشین در لایه پیش بینی خود می توان برخی از موارد حاشیه ای که می تواند منجر به برخورد شود را حذف کنیم. یکی از رفتارهای جالب برنامه ریز ما این است که می تواند چندین بار به سرعت خط را تغییر دهد. ما در ابتدا تصور می کردیم که این یک اشکال در طراحی ماشین حالت نهایی ما است ، اما معلوم می شود که یک عارضه جانبی جالب است!

تغییر دوطرفه صاف (دومین بار به دلیل قرمز بودن خودرو در جلو)

همچنین می توانید ویدیوی یک دور کامل بارگذاری شده در YouTube را مشاهده کنید:

پیشرفت

برنامه ریز مسیر فعلی نسبتاً محافظه کار است و برای حداکثر سرعت بهینه نشده است. این بدان معناست که در حالی که سرعت می تواند در برخی مواقع به 48 MPH (77.2 KPH) برسد ، به طور کلی زیر این سرعت باقی می ماند و تقریباً هرگز به سرعت مجاز 50 MPH (80.4 KPH) نمی رسد. این یک معامله است که ما خوشحالیم که در حال حاضر آن را می پذیریم ، اما باید کار شود تا ماشین بتواند با سرعت نزدیک به 50 مگاپاسکال حرکت کند.

علاوه بر این ، برنامه ریز فقط خطوط مجاور خودرو را در نظر می گیرد و بنابراین هرگز "نمی بیند" که یک خط غیر مجاور انتخاب بهتری خواهد بود (به عنوان مثال ماشین در خط 1 قرار دارد و برنامه ریز فقط خطوط 1 و 2 را ارزیابی می کند ، در حالی که خط 3 در سمت راست می تواند آزاد باشد و بنابراین یک خط کاندیدای خوب برای حرکت است. به سمت). این امر به روش ارزیابی پیچیده تری نیاز دارد که در آن برنامه ریز تمام خطوط را ارزیابی کرده و در نهایت تصمیم گیری می کندبر اساس این واقعیت که خط کنار خط مجاور ما به یک خط مجاور حرکت می کند ، هنگامی که وسیله نقلیه به خط مجاور رسید ، می توانید به آن حرکت کنید. نگرانی دیگر ما در مورد این رویکرد مربوط به ایمنی است ، زیرا اجرای چنین حرکتی جسورانه خطرناک تر و دشوارتر است ، به دلیل فاصله جانبی که باید طی شود و همچنین مشکل پیش بینی رفتار سایر وسایل نقلیه در جاده.

یکی دیگر از پیشرفت هایی که باید به آن توجه داشته باشیم این است که از تکنیک های آماری برای پیش بینی بهتر اقدامات سایر وسایل نقلیه استفاده کنیم ، به ویژه پیش بینی زمانی که آنها در خط ما ادغام می شوند زیرا این امر خطر تصادف مرگبار را افزایش می دهد. ما می توانستیم با استفاده از Naive Bayes کار خود را شروع کنیم اما زمان کافی برای اختصاص دادن به آزمایش و سپس انتخاب متمایزترین ویژگی ها برای پیش بینی کننده خود را نداشتیم.

سرانجام ، برنامه ریز فعلی ما فقط یک مسیر واحد را برای یک مورد مشخص ایجاد می کند. حالت بعدی احتمالی ، به این معنی که ما می توانیم مسیرهای بهتری را برای همان وضعیت آینده نادیده بگیریم (به عنوان مثال دورتر/عقب تر ، یا بیشتر در سمت چپ یا راست یک خط مشخص). ما برای خط سیرهای متعددی در هر حالت ، پیاده سازی داریم ، که فرض می کند که تمام موقعیت های نهایی Frenet s و d (که با محاسبه حداقل مسیر حرکت تند و سریع به دست می آید) از توزیع گوسی با میانگین داده شده و انحراف استاندارد (میانگین_ ، std_s) و (میانگین_d ، پیروی می کنند. std_d) به ترتیب برای توزیع G (s) و G (d). با این حال ، ما باید مقادیر مناسب برای انحرافات استاندارد را انتخاب کنیم ، در حالی که میانگین ها در موقعیت های نهایی مورد نظر end_s و end_d ثابت باقی می مانند.

قدردانی

تا اینجا بدون شک دشوارترین پروژه ای که من به عنوان بخشی از این نانو درجه اتومبیل خودران انجام داده ام ، در هر سه دوره. مطمئن نبودم که بتوانم آن را کامل کنم و حتی نمی دانستم دقیقاً از کجا شروع کنم!

فیلم آموزشی کوچک دیوید سیلور و آرون براون به من کمک کرد تا شروع کنم. از آنجایی که من یک روش کمینه سازی تند و تیز را برای ایجاد مسیر انتخاب کردم ، تعداد زیادی پست وبلاگ یا ارجاعاتی از دانش آموزانی که این تکنیک را انتخاب کرده اند پیدا نکردم ، زیرا بیشتر مقاله ها در مورد استفاده از تکنیک اسپلاین در آموزش دیوید و هارون بود. اما مقاله ورلینگ و کمل در زمینه ایجاد مسیر مطلوب برای سناریوهای خیابانی پویا در قاب فرنت واقعاً به بهبود شهود من در مورد این تکنیک کمک کرد (هرچند من همه چیز را کاملاً درک نکردم).

علاوه بر این ، من بسیار لذت بردم و از مقاله های Mithi در این پروژه و همچنین پست های دیگر دانش آموزان الهام گرفته شده است. در نهایت ، من از همه تیم Udacity و شرکای آنها در Daimler تشکر می کنم که چنین محتوا و پروژه ای چالش برانگیز را گردآوری کرده اند!


سارا کاریرا در 21 سالگی در تصادف وحشیانه خودرو جان خود را از دست داد
[ بازدید : 30 ] [ امتیاز : 3 ] [ نظر شما :
]

خودرو باید از تمام قوانین راهنمایی و رانندگی پیروی کند و در صورت بروز هرگونه اتفاق ناگهانی در مسیر ، به استراحت برسد. هر اتفاقی که بعد از آن ب

جمعه 29 مرداد 1400
21:25
چکاد احمدیان

خودرو باید از تمام قوانین راهنمایی و رانندگی پیروی کند و در صورت بروز هرگونه اتفاق ناگهانی در مسیر ، به استراحت برسد. هر اتفاقی که بعد از آن بیفتد ، تقصیر خودرو نیست. ما انتظار نداریم که رانندگان انسانی خود را قربانی کنند اگر عابری پیاده به ترافیک مقابل برسد. در حال حاضر به عنوان یک عابر پیاده روی می کنید و بزرگترین تهدید این است که خودروها قوانین جاده ای را نقض کنند ، به شدت رانندگی کنند و حق تقدم را به افراد ندهند. مسافران ، وقتی شخصی جلوی آن می رود ، ممکن است افراد بدخواهی به طور عمدی وارد ترافیک شوند تا باعث ایجاد تصادف شوند زیرا می دانند هوش مصنوعی خودرو آنها را در اولویت قرار می دهد. هیچ یک از این برنامه های اخلاقی واقعاً منطقی نیست ، باید یک سیستم منافع شخصی خالص باشد که ایمنی همه را به حداکثر برساند. جاده های ما در حال حاضر به این شکل کار می کنند و مرگ و میر ناشی از تردد در افرادی نیست که تصمیم می گیرند چه کسانی را نجات دهند یا بکشند p>

اگر جاده مملو از اتومبیل های خودران باشد ، می توانیم خیابان های خود را به طور کامل مهندسی کنیم تا عابران پیاده و اتومبیل ها عموماً در مسیری یکسان حرکت نکنند. در یک شهر ، کاهش ترافیک و زمان صرفه جویی شده از طریق افزایش کارایی می تواند به شما اجازه دهد برخی جاده ها را کنار گذاشته و کل فضا را به عابران پیاده اختصاص دهید.


سارا کاریرا در 21 سالگی در تصادف وحشیانه خودرو جان خود را از دست داد
[ بازدید : 26 ] [ امتیاز : 3 ] [ نظر شما :
]
تمامی حقوق این وب سایت متعلق به کنج تنهایی چرک در زمستان است. || طراح قالب avazak.ir
ساخت وبلاگ تالار مشاور گروپ لیزر فوتونا بلیط هواپیما تهران بندرعباس اسپیس تجهیزات عقد و عروسی تعمیر کاتالیزور تعمیرات تخصصی آیفون درمان قطعی خروپف اسپیس فریم اجاره اسپیس گلچین کلاه کاسکت تجهیزات نمازخانه مجله مثبت زندگی سبد پلاستیکی خرید وسایل شهربازی تولید کننده دیگ بخار تجهیزات آشپزخانه صنعتی پارچه برزنت مجله زندگی بهتر تعمیر ماشین شارژی نوار خطر خرید نایلون حبابدار نایلون حبابدار خرید استند فلزی خرید نظم دهنده لباس خرید بک لینک خرید آنتی ویروس
بستن تبلیغات [X]