वाहन परीक्षणों में बार-बार आने वाले पैटर्न स्टीरियो गहराई को बिगाड़ते हैं

बार-बार दिखने वाले दृश्य पैटर्न से स्टीरियो कैमरे और AI गहराई मॉडल वस्तुओं की दूरी गलत तय कर सकते हैं, ऐसा फ्लोरिडा विश्वविद्यालय के नेतृत्व वाली टीम बताती है। नियंत्रित प्रयोगों में चलते जमीनी रोबोट और कार पर लगे कैमरों ने बाधा की गलत दूरी दिखाई; यह गलती इतनी देर बनी रही कि शोधकर्ताओं द्वारा स्वायत्त-ड्राइविंग सॉफ्टवेयर के लिए बताई गई प्रतिक्रिया-सीमा तक पहुंच गई।

यह 14 सितंबर को arXiv पर प्रकाशित अध्ययन इन त्रुटियों को कैमरों द्वारा रोशनी को पिक्सेल में बदलने और उनके दो दृश्यों को एक-दूसरे के साथ मिलाने के तरीके से जोड़ता है। इसमें सॉफ्टवेयर से बचाव का परीक्षण भी है। स्वायत्त प्रणालियां विकसित या जांचने वालों के लिए उपयोगी नतीजा यह है कि सीखे हुए गहराई मॉडल में भी विफलता का एक खास तंत्र बना रहता है और साथ ही उसे घटाने के तरीकों के साक्ष्य मिलते हैं।

बड़ा बदलाव

• क्या बदला: शोधकर्ता दोहराए गए दृश्य पैटर्न की अस्पष्टता को मापे जा सकने वाले कैमरा-दोषों से जोड़ते हैं, फिर पारंपरिक स्टीरियो मिलान और सीखे हुए मॉडलों में गहराई की त्रुटियां दिखाते हैं। परीक्षण किए गए सिस्टमों में मिलान एल्गोरिदम की जगह AI लगाने से यह कमजोरी दूर नहीं हुई।
• यह क्यों मायने रखता है: दूरी के अनुमान बाधा-पहचान में काम आते हैं। इन प्रयोगों में ड्राइविंग मार्ग के बगल में मौजूद वैन को रास्ते के भीतर की बाधा समझा जा सकता था। इससे गहराई के अनुमान की विश्वसनीयता वाहन के अगले फैसले के लिए प्रासंगिक हो जाती है।
• क्या देखना है: प्रस्तावित बचाव बार-बार उभरने वाले मिलान की जांच करता है। इसके आशाजनक नतीजे सीमित छवि-समूहों तक हैं; अलग कैमरों, मॉडलों और संचालन स्थितियों में इसकी विश्वसनीयता अपनाने के लिए व्यावहारिक सवाल बनी हुई है।

दोहराव दूरी के अनुमान को कैसे बदलता है

स्टीरियो कैमरा एक ही दृश्य को दो कोणों से देखता है। सॉफ्टवेयर हर छवि में किसी विशेषता को खोजता और उसके क्षैतिज खिसकाव को मापता है; इसे डिसपैरिटी कहते हैं। कैमरे की ज्यामिति इस खिसकाव को दूरी में बदलती है।

दोहराया हुआ पैटर्न कई संभावित मिलान पैदा करता है। शोधपत्र का विश्लेषण गलत मिलान के सही साबित होने के दो तरीके बताता है। पहला, हर कैमरा दृश्य को पिक्सेल ग्रिड पर दर्ज करता है। गहरे आकार और चमकीली पृष्ठभूमि के बीच की सीमा दोनों ग्रिडों पर अलग जगह पड़ सकती है, जिससे पिक्सेल की तीव्रता थोड़ी अलग हो जाती है। दूसरा, कैलिब्रेशन की बची हुई त्रुटियां दोनों छवियों के बीच अनुरूपता बिगाड़ती हैं।

इन दोनों प्रभावों से कोई दूसरा दोहराव, सही पैटर्न के मुकाबले, संदर्भ से अधिक मिलता-जुलता लग सकता है। इससे बना खिसकाव सतह की दूरी गलत बताता है। टीम को सीखे हुए स्टीरियो मॉडलों में भी यह संवेदनशीलता मिली; वे छवियों से निकाली गई विशेषताओं की तुलना करते हैं।

ये जानबूझकर चुने गए पैटर्न थे। अध्ययन की खतरा-परिकल्पना में कैमरे और संबंधित प्रोसेसिंग सेटिंग्स की जानकारी, या जांच के लिए तुलनीय सिस्टम तक पहुंच मानकर चला गया है। 22 सितंबर की फ्लोरिडा विश्वविद्यालय की शोध-रिपोर्ट में शोध प्रमुख सारा रामपाज़ी स्वाभाविक रूप से मिलने वाले दोहराव को भी सुरक्षा-चिंता बताती हैं। अध्ययन यह नहीं मापता कि सामान्य सड़क किनारे के पैटर्न तैनात वाहनों में खतरनाक त्रुटियां कितनी बार पैदा करते हैं।

परीक्षणों में धारणा-प्रणाली के अलग-अलग हिस्से शामिल थे

शोधकर्ताओं ने रिकॉर्ड की गई छवियों के प्रयोगों को भौतिक कैमरा माप और सिमुलेशन के साथ जोड़ा।

शोधपत्र और उसके आर्टिफैक्ट परिशिष्ट में RealSense सेंसर को D435 कहा गया है। लेखकों का प्रदर्शन पृष्ठ उसे D435i नाम देता है; स्रोतों के ये विवरण सटीक मॉडल को लेकर एकमत नहीं हैं।

एक इनडोर परीक्षण में पैटर्न की चुनी हुई स्थितियों के तहत कैमरों से तीन मीटर दूर की सतह को ZED2 ने 0.8 मीटर और RealSense ने 0.6 मीटर दूर आंका।

SGM-DDC स्टीरियो मिलान को सीमित करने के लिए LiDAR की दूरी इस्तेमाल करता है। पैटर्न बदलने पर यह बिना संयोजन वाले तरीकों से अधिक स्थिर था, फिर भी जांची गई संरचना में त्रुटियां हुईं। कृत्रिम LiDAR इनपुट के कारण यह नतीजा एक संयोजन-विधि और बनाई गई परिस्थितियों तक सीमित है।

ड्राइविंग परीक्षणों में बाधा का गलत आभास दिखा

भौतिक कार परीक्षण में टीम ने कार के रास्ते के बगल में खड़ी वैन पर पैटर्न प्रक्षेपित किया। गहराई के गलत अनुमान से सतह का एक हिस्सा कार के अनुमानित रास्ते के भीतर दिखाई दिया। शोधपत्र की नतीजा-तालिका में दोनों कैमरों और प्रकाश स्थितियों में गलत अनुमान करीब 0.7 से 1.2 सेकंड तक बने रहे।

आगे की प्रणाली के मूल्यांकन में शोधकर्ताओं ने Autoware का Euclidean clustering इस्तेमाल किया, जो गहराई-मानचित्र में पास के बिंदुओं को संभावित बाधाओं के समूह में बांटता है। किसी परीक्षण को सफल तब गिना गया जब गलत बिंदुओं को बाधा के रूप में पहचाना गया; शोधकर्ताओं ने 0.5 सेकंड तक बने रहने की सीमा को आपातकालीन ब्रेक जैसी स्वचालित प्रतिक्रिया के लिए पर्याप्त बताया। आर्टिफैक्ट परिशिष्ट में रिकॉर्ड किए गए बिंदु-बादलों और गहराई के गलत समूह के बने रहने की अवधि के मूल्यांकन का भी वर्णन है।

बताया गया मूल्यांकन भौतिक आपातकालीन ब्रेक लगाने, मापी गई मंदी या टक्कर का दस्तावेज़ नहीं देता। फ्लोरिडा विश्वविद्यालय अचानक ब्रेक लगने से संभावित टक्कर और खतरे को शोध में उठाए गए जोखिमों के रूप में बताता है। रिपोर्ट किए गए प्रयोगों में ये नतीजे नहीं दिखाए गए।

भौतिक परीक्षण नियंत्रित वातावरण में अधिकतम 15 किमी/घंटा तक हुए। 40 किमी/घंटा का नतीजा CARLA से आया: सिमुलेशन में गहराई से छेड़छाड़ 2.1 सेकंड तक बनी रही। अलग सिमुलेशन जांची गई स्थितियों का विस्तार करता है, लेकिन उस गति पर भौतिक परीक्षण स्थापित नहीं करता।

बचाव बार-बार आने वाले संभावित मिलानों की जांच करता है

प्रस्तावित बचाव दोनों छवियों की तुलना करने के लिए इस्तेमाल किए गए स्कोरों की जांच करता है। दोहराई गई संरचनाएं संभावित मिलानों का दोहराता क्रम बनाती हैं। यह तरीका उस नियमितता को पहचानकर प्रभावित क्षेत्र का बड़े खंड के रूप में मिलान करता है और गलत दोहराए हुए तत्व को चुनने की आशंका घटाता है।

भौतिक परीक्षण स्थितियों में जुटाई गई 200 स्टीरियो-छवि जोड़ियों पर लेखकों ने बताया कि मूल्यांकित मामलों में से 96.5% में गहराई की त्रुटि आधे मीटर से कम हो गई। उन्होंने यह तरीका PSMNet के भीतर की मध्यवर्ती मिलान-सूचना के लिए भी ढाला। पैटर्न जोड़ी गई 200 KITTI जोड़ियों पर उस रूप ने हर मूल्यांकित मामले में त्रुटि 0.1 मीटर से नीचे कर दी।

सीखे हुए मॉडल के बचाव का नतीजा PSMNet से संबंधित है; इससे MoCha-Stereo या UniMatch के लिए वही नतीजा स्थापित नहीं होता। अध्ययन भौतिक प्रयोगों को सपाट या लगभग सपाट प्रक्षेपण सतहों तक सीमित रखता है और गति-परीक्षणों में एक स्थिर पैटर्न इस्तेमाल करता है। उसकी चर्चा दिखाती है कि प्रशिक्षण डेटा से यह बदल सकता है कि कौन-से पैटर्न मॉडल को प्रभावित करते हैं और कितना।

ये प्रयोग सिस्टम डेवलपरों को कैमरा प्रोसेसिंग और सीखे हुए गहराई-अनुमान, दोनों में दोहराए गए पैटर्न के व्यवहार की जांच करने का कारण देते हैं। तैनात सिस्टम की सभी संचालन स्थितियों में इस बचाव का प्रदर्शन अभी स्थापित नहीं है।

लेखकों ने शोधपत्र को ACM CCS 2026 में आगामी प्रस्तुति के रूप में सूचीबद्ध किया है। सम्मेलन की आधिकारिक साइट 15–19 नवंबर को हेग में आयोजन बताती है और कहती है कि अंतिम कार्यक्रम तैयार किया जा रहा है। वहां काम अभी प्रस्तुत नहीं हुआ है।

स्रोत और आगे पढ़ें

• गहराई का भ्रम: गहराई-अनुमान में छिपी स्टीरियो-विजन कमजोरियों का खुलासा, 14 सितंबर 2026। पूरा शोधपत्र विफलता-तंत्र, मूल्यांकित एल्गोरिदम और कैमरों, भौतिक तथा सिमुलेटेड स्थितियों, बचाव के नतीजों और सीमाओं का विवरण देता है। वाहन पर बताए गए असर में प्रतिक्रिया-सीमा सहित बाधा का गलत आभास शामिल है; तरीके किसी वास्तविक ब्रेक लगाने या टक्कर का दस्तावेज़ नहीं देते।
• फ्लोरिडा विश्वविद्यालय की शोध-रिपोर्ट, 22 सितंबर 2026। शोध टीम की व्याख्या और उससे जोड़ी गई सुरक्षा चिंताओं का विवरण। टक्कर और अचानक ब्रेक के परिदृश्य संभावित नतीजे हैं, देखी गई घटनाएं नहीं।
• लेखक का प्रदर्शन पृष्ठ और शोध आर्टिफैक्ट, 24 सितंबर 2026 को जांचे गए। आर्टिफैक्ट परिशिष्ट में छवि, बिंदु-बादल और सिमुलेशन मूल्यांकन का विवरण है। प्रदर्शन के कैप्शन में D435i है, जबकि शोधपत्र और परिशिष्ट में D435 लिखा है। BIG CHANGE ने प्रयोगों को दोबारा नहीं चलाया।
• ACM CCS 2026, 24 सितंबर 2026 को जांचा गया। सम्मेलन की तारीख और स्थान की पुष्टि करता है। आगामी शोधपत्र की स्थिति लेखकों ने बताई है; इस लेख के लिए देखे गए सम्मेलन पृष्ठ पर प्रस्तुति का खास समय नहीं दिया गया था।