വാഹനങ്ങളിലെ എഐ (AI) നിരീക്ഷണം: കാറുകൾ നിങ്ങളുടെ കണ്ണുകളെയും ശ്രദ്ധയെയും നിരീക്ഷിക്കുന്നത് എങ്ങനെ?

രാത്രിയിൽ ദീർഘദൂര പാതയിലൂടെ നിങ്ങൾ കാറോടിക്കുകയാണ്. ചുറ്റും ഇരുട്ട്, റോഡിൽ മറ്റ് വാഹനങ്ങൾ കുറവാണ്. ദീർഘനേരത്തെ ഡ്രൈവിംഗിനൊടുവിൽ അറിയാതെ നിങ്ങളുടെ കൺപോളകൾ രണ്ട് സെക്കൻഡ് അടഞ്ഞുപോകുന്നു. പെട്ടെന്ന് സ്റ്റിയറിംഗ് വീലിൽ നിന്ന് ശക്തമായ വിറയലും കാബിനിൽ ഉറച്ച ശബ്ദത്തിലുള്ള അപായ മുന്നറിയിപ്പും മുഴങ്ങുന്നു. റോഡിൽ നിന്ന് വാഹനം തെന്നിമാറുന്നതിന് മുൻപ് തന്നെ സിസ്റ്റം നിങ്ങളെ ഉണർത്തുന്നു. ബാഹ്യ ക്യാമറകൾ റോഡിലെ വരകളെ നിരീക്ഷിക്കുന്നതിന് പകരം, കാറിനുള്ളിലെ ഈ സുരക്ഷാ സംവിധാനം ഡ്രൈവറുടെ മുഖഭാവത്തെയും കണ്ണുകളുടെ ചലനത്തെയുമാണ് നിരന്തരം ശ്രദ്ധിക്കുന്നത്.

ഇൻഫ്രാറെഡ് ക്യാമറകളും ലോക്കൽ ന്യൂറൽ പ്രൊസസ്സറും

സ്റ്റിയറിംഗ് കോളത്തിലോ ഡാഷ്‌ബോർഡിലോ ഡ്രൈവറുടെ മുഖത്തേക്ക് തിരിഞ്ഞിരിക്കുന്ന ചെറിയ ഇൻഫ്രാറെഡ് ക്യാമറയാണ് ഈ നിരീക്ഷണത്തിന്റെ പ്രധാന ഭാഗം. സാധാരണ ക്യാമറകൾക്ക് രാത്രിയിലെ ഇരുണ്ട കാബിനിൽ ഡ്രൈവറുടെ കണ്ണുകൾ കൃത്യമായി കാണാൻ കഴിയില്ല. എന്നാൽ ഇൻഫ്രാറെഡ് വെളിച്ചം മനുഷ്യനേത്രങ്ങൾക്ക് അദൃശ്യമാണെങ്കിലും ക്യാമറയ്ക്ക് കൺപോളകളുടെ സൂക്ഷ്മ ചലനങ്ങൾ പോലും ഇരുട്ടിൽ വ്യക്തമായി പകർത്താൻ സാധിക്കും. ഡ്രൈവറുടെ ശ്രദ്ധ തിരിക്കാതെ സെക്കൻഡിൽ മുപ്പതിലധികം തവണ മുഖത്തിന്റെ ഫ്രെയിമുകൾ ഈ ഒപ്റ്റിക്കൽ സെൻസർ രേഖപ്പെടുത്തുന്നു.

ഈ ക്യാമറ പകർത്തിയ യഥാർത്ഥ വീഡിയോ ദൃശ്യങ്ങൾ ഇന്റർനെറ്റ് വഴിയോ ക്ലൗഡ് സെർവറുകളിലേക്കോ അപ്‌ലോഡ് ചെയ്യപ്പെടുന്നില്ല. പകരം കാറിനുള്ളിലെ ഇലക്ട്രോണിക് കൺട്രോൾ യൂണിറ്റിൽ ഘടിപ്പിച്ചിട്ടുള്ള പ്രത്യേക ന്യൂറൽ പ്രൊസസ്സിംഗ് യൂണിറ്റ് (NPU) വഴിയാണ് ദൃശ്യങ്ങൾ പ്രാദേശികമായി വിശകലനം ചെയ്യുന്നത്. വാഹനത്തിലെ ആഴത്തിലുള്ള കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ (CNN) കൺപോളകൾ എത്ര സമയം അടഞ്ഞിരിക്കുന്നുവെന്നും, മിഴിചിമ്മലിന്റെ ദൈർഘ്യവും, തല മുന്നോട്ട് തൂങ്ങുന്നുണ്ടോ എന്നും തത്സമയം പരിശോധിക്കുന്നു. യഥാർത്ഥ വീഡിയോ കാറിൽ തന്നെ തൽക്ഷണം നശിപ്പിക്കപ്പെടുകയും, ഉറക്കത്തിന്റെയോ ശ്രദ്ധക്കുറവിന്റെയോ ഗണിതശാസ്ത്ര സൂചികകൾ മാത്രം സുരക്ഷാ ചിപ്പിൽ വിലയിരുത്തപ്പെടുകയും ചെയ്യുന്നു.

ക്ലൗഡ് അധിഷ്ഠിത ക്യാമറകളിൽ നിന്ന് വ്യത്യസ്തമായി, കാറിലെ ന്യൂറൽ പ്രൊസസ്സർ പ്രവർത്തിക്കുന്നത് ഇന്റർനെറ്റ് കണക്റ്റിവിറ്റി ഇല്ലാതെയാണ്. അതായത്, ഡ്രൈവർ കടന്നുപോകുന്ന ഉൾനാടൻ വഴികളിലോ മൊബൈൽ നെറ്റ്‌വർക്ക് ലഭ്യമല്ലാത്ത തുരങ്കങ്ങളിലോ പോലും ഈ സുരക്ഷാ മുന്നറിയിപ്പുകൾ തടസ്സമില്ലാതെ ലഭ്യമാകുന്നു. ദൃശ്യങ്ങൾ ബാഹ്യ സെർവറുകളിലേക്ക് അയയ്ക്കാത്തതിനാൽ സൈബർ ആക്രമണകാരികൾ കാബിനിലെ തത്സമയ ദൃശ്യങ്ങൾ ചോർത്താനുള്ള സാധ്യത ഗണ്യമായി കുറയുന്നു. റോഡ് സുരക്ഷയും ഡിജിറ്റൽ സ്വകാര്യതയും ഒരുപോലെ കാത്തുസൂക്ഷിക്കാൻ ഈ ലോക്കൽ കമ്പ്യൂട്ടിംഗ് സാങ്കേതികവിദ്യ സഹായിക്കുന്നു.

പെർക്ലോസ് അളവുകോലും സെൻസർ സംയോജനവും

മെഡിക്കൽ, ഓട്ടോമോട്ടീവ് ഗവേഷണങ്ങളിൽ ഡ്രൈവറുടെ ഉറക്കം അളക്കാൻ വ്യാപകമായി ഉപയോഗിക്കുന്ന ശാസ്ത്രീയ സൂചികയാണ് പെർക്ലോസ് (PERCLOS അഥവാ Percentage of Eye Closure). എംഡിപിഐ സെൻസേഴ്സ് (MDPI Sensors) പ്രസിദ്ധീകരിച്ച ശാസ്ത്രീയ അവലോകന പഠനങ്ങൾ വ്യക്തമാക്കുന്നത്, കൺപോളകൾ തമ്മിലുള്ള അകലം (Eye Aspect Ratio) തുടർച്ചയായി അളന്നാണ് കമ്പ്യൂട്ടർ വിഷൻ അൽഗോരിതങ്ങൾ മൈക്രോസ്ലീപ്പ് തിരിച്ചറിയുന്നത് എന്നാണ്. ഒരു നിശ്ചിത സമയപരിധിക്കുള്ളിൽ കൺപോളകൾ എൺപത് ശതമാനത്തിലധികം അടഞ്ഞിരിക്കുന്ന സമയം ഈ ഫോർമുലയിലൂടെ കണക്കാക്കുന്നു. സാധാരണ മിഴിചിമ്മൽ ഒരു സെക്കൻഡിന്റെ പത്തിലൊന്ന് മാത്രമാണ് നീണ്ടുനിൽക്കുന്നത്; എന്നാൽ ക്ഷീണം ബാധിക്കുമ്പോൾ കണ്ണുകൾ അടഞ്ഞിരിക്കുന്ന സമയം അപകടകരമായി കൂടുന്നു.

നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട്സ് ഓഫ് ഹെൽത്ത് (NIH PubMed) പ്രസിദ്ധീകരിച്ച ഗവേഷണ റിപ്പോർട്ടുകൾ ചൂണ്ടിക്കാണിക്കുന്നത്, ആധുനിക സംവിധാനങ്ങൾ മുഖഭാവത്തോടൊപ്പം സ്റ്റിയറിംഗിലെ കൈകളുടെ സ്പർശനവും ബ്രേക്കിംഗ് രീതികളും ഒത്തുനോക്കുന്നു എന്നാണ്. കൺപോളകൾ താഴുന്നതിനൊപ്പം സ്റ്റിയറിംഗ് ചലനങ്ങൾ അസ്വാഭാവികമായാൽ അൽഗോരിതം മുന്നറിയിപ്പിന്റെ തീവ്രത വർദ്ധിപ്പിക്കുന്നു. കണ്ണുകൾ വരണ്ടുപോകുന്നത് മൂലമുള്ള സാധാരണ മിഴിചിമ്മലുകളെ ഉറക്കമായി തെറ്റിദ്ധരിച്ച് തെറ്റായ അലാറം മുഴങ്ങാതിരിക്കാൻ കാറിലെ വിവിധ സെൻസറുകളിൽ നിന്നുള്ള ഡാറ്റ സംയോജിപ്പിക്കുന്ന ഈ രീതി സഹായിക്കുന്നു.

സാങ്കേതിക പരിമിതികളും കൃത്യതയിലെ വെല്ലുവിളികളും

എല്ലാ ഡ്രൈവിംഗ് സാഹചര്യങ്ങളിലും ഈ നിരീക്ഷണ സംവിധാനം ഒരേപോലെ കൃത്യമായി പ്രവർത്തിക്കണമെന്നില്ല. ഡ്രൈവർ കട്ടിയുള്ള സൺഗ്ലാസുകളോ ഇൻഫ്രാറെഡ് രശ്മികളെ തടയുന്ന പോളറൈസ്ഡ് ലെൻസുകളോ ധരിക്കുമ്പോൾ ക്യാമറയ്ക്ക് കൃഷ്ണമണിയുടെ സ്ഥാനം കണ്ടെത്താൻ പ്രയാസമുണ്ടാകുന്നു. അതുപോലെ വൈകുന്നേരങ്ങളിലോ പുലർച്ചെയോ കാബിനിലേക്ക് നേരിട്ട് അടിക്കുന്ന താഴ്ന്ന കോണിലുള്ള സൂര്യപ്രകാശം ഇൻഫ്രാറെഡ് സെൻസറുകളുടെ ദൃശ്യ വ്യക്തതയെ താത്കാലികമായി കുറയ്ക്കാം.

കൂടാതെ വിവിധ ഭൂപ്രദേശങ്ങളിലെ മനുഷ്യരിലെ കണ്ണുകളുടെ സ്വാഭാവിക ഘടനയും പ്രായവ്യത്യാസങ്ങളും കൃത്യമായി തിരിച്ചറിയാൻ മോഡലുകൾക്ക് കൂടുതൽ വൈവിധ്യമാർന്ന പരിശീലന ഡാറ്റ ആവശ്യമാണെന്ന് ഗവേഷകർ ഓർമ്മിപ്പിക്കുന്നു. ഡ്രൈവർ റോഡിലെ കുഴികൾ ഒഴിവാക്കാൻ താഴേക്ക് നോക്കുമ്പോഴോ കാറിന്റെ നാവിഗേഷൻ മാപ്പ് പരിശോധിക്കുമ്പോഴോ ഉറക്കമാണെന്ന് തെറ്റിദ്ധരിച്ച് അനാവശ്യമായി അലാറം മുഴങ്ങുന്നത് ഡ്രൈവർമാരിൽ ചിലപ്പോൾ അസ്വസ്ഥത ഉണ്ടാക്കാം.

ഫ്ലീറ്റ് മാനേജ്‌മെന്റും ഇൻഷുറൻസ് ഡാറ്റാ പങ്കിടലും

യൂറോപ്യൻ സുരക്ഷാ മാനദണ്ഡങ്ങൾ (General Safety Regulation) പുതിയ കാറുകളിൽ ഡ്രൈവർ മോണിറ്ററിംഗ് നിർബന്ധമാക്കിയതോടെ ഇത്തരം സംവിധാനങ്ങൾ ആഗോളതലത്തിൽ സാധാരണമായി മാറുകയാണ്. വീഡിയോ ദൃശ്യങ്ങൾ കാറിൽ തന്നെ തദ്ദേശീയമായി പ്രോസസ്സ് ചെയ്യപ്പെടുന്നുണ്ടെങ്കിലും, നിരീക്ഷണത്തിൽ നിന്ന് ശേഖരിക്കപ്പെടുന്ന ഡിജിറ്റൽ മെട്രിക്സുകൾ ഇന്റർനെറ്റ് വഴി പുറത്തേക്ക് അയയ്ക്കപ്പെടാനുള്ള സാധ്യതയുണ്ട്. വലിയ വാണിജ്യ ട്രക്കുകളും ബസുകളും നിയന്ത്രിക്കുന്ന ഫ്ലീറ്റ് കമ്പനികൾ ജീവനക്കാരുടെ ക്ഷീണവും ശ്രദ്ധക്കുറവും തത്സമയം രേഖപ്പെടുത്തി സൂക്ഷിക്കുന്നു.

ഇതിനുപുറമെ പുതിയ സ്മാർട്ട് കാറുകളിലെ ടെലിമാറ്റിക്സ് സംവിധാനം ഈ ശ്രദ്ധാ സൂചികകൾ വാഹന നിർമ്മാതാക്കൾക്കും ഇൻഷുറൻസ് കമ്പനികൾക്കും കൈമാറാൻ സാധ്യതയുണ്ട്. ഡ്രൈവിംഗിനിടെ പതിവായി ശ്രദ്ധക്കുറവ് കാണിക്കുന്ന ഉപഭോക്താക്കളുടെ ഇൻഷുറൻസ് പ്രീമിയം വർദ്ധിപ്പിക്കാൻ ഇത്തരം റിസ്ക് സ്കോറുകൾ ഉപയോഗിക്കപ്പെടാം. കാറിന്റെ ഇൻഫോടെയ്ൻമെന്റ് സ്ക്രീനിലെ പ്രൈവസി സെറ്റിംഗ്സ് പരിശോധിച്ച് അനാവശ്യ ടെലിമെട്രി പങ്കിടൽ നിയന്ത്രിക്കാൻ ഡ്രൈവർമാർ ശ്രദ്ധിക്കേണ്ടതുണ്ട്.