মিশিগানের আন্তর্জাতিক সম্মেলনে মাহফুজ আহমেদের সড়ক-প্রযুক্তি গবেষণা
যুক্তরাষ্ট্রের মিশিগানে তিন দিনের ICMLA’26 সম্মেলনে গৃহীত গবেষণাটি দেখায়, কীভাবে LiDAR-এ ধরা ত্রিমাত্রিক সড়ক-তথ্যকে স্বয়ংক্রিয় লেবেলিং ও মেশিন লার্নিংয়ের মাধ্যমে যানবাহন শনাক্তে কাজে লাগানো যায়।
কৃত্রিম বুদ্ধিমত্তা ও প্রযুক্তি গবেষণা বিষয়ক পূর্ণ প্রতিবেদন।রচেস্টার মিশিগান। যুক্তরাষ্ট্র ডেক্স রিপোর্ট
মিশিগানের রচেস্টারে চলমান ২৫তম International Conference on Machine Learning and Applications (ICMLA’26)-এ নিজের গবেষণা উপস্থাপন করেছেন মাহফুজ আহমেদ। সড়কের পাশে স্থাপিত LiDAR সেন্সর থেকে সংগৃহীত ত্রিমাত্রিক তথ্য স্বয়ংক্রিয়ভাবে চিহ্নিত করে যানবাহন শনাক্তে ব্যবহারের একটি কাঠামো নিয়ে তাঁর গবেষণাপত্রটি সম্মেলনে গৃহীত হয়েছে। সম্মেলনের আনুষ্ঠানিক পোস্টার তালিকায় গবেষণাটি এবং মাহফুজ আহমেদের নাম রয়েছে; ছবিতেও তাঁকে গবেষণাপোস্টারের পাশে দেখা যায়।
সম্মেলনটি ৫ থেকে ৭ অক্টোবর Oakland University-এর Oakland Center-এ অনুষ্ঠিত হচ্ছে। আয়োজকদের সূচি অনুযায়ী, গবেষণাটি প্রথম দিনের পোস্টার পর্বে—P1-20, পেপার নম্বর ৩৯৭—অন্তর্ভুক্ত ছিল। ICMLA বলছে, অংশগ্রহণকারীরা সরাসরি সম্মেলনে উপস্থিত থেকে গবেষণা উপস্থাপন করেন।
ক্যামেরার ছবির বাইরে সড়কের ত্রিমাত্রিক মানচিত্র
গবেষণাপত্রটির শিরোনাম “RAPID: A Framework for 3D Roadside Traffic Auto-Labeling and PointPillars Integration for Vehicle Detection।” এর মূল লক্ষ্য, সড়কের পাশে থাকা LiDAR সেন্সরের পয়েন্ট-ক্লাউড তথ্য থেকে গাড়ি শনাক্ত করার জন্য লেবেল তৈরির প্রক্রিয়াকে দ্রুত ও স্বয়ংক্রিয় করা। গবেষণায় PointPillars নামের একটি পরিচিত 3D অবজেক্ট-ডিটেকশন পদ্ধতির সঙ্গে সেই লেবেলিং কাঠামো যুক্ত করা হয়েছে। গবেষকদলের অন্য সদস্যরা হলেন Shonan Hendre, Jordan Aviles, Abigail Artiga Portillo, Bingbing Li, Xudong Jia এবং Xunfei Jiang।
সাধারণ ক্যামেরা কোনো গাড়ির দ্বিমাত্রিক ছবি দেখায়। LiDAR, বিপরীতে, লেজার পালস পাঠিয়ে আশপাশের বস্তু থেকে ফিরে আসা সংকেতের দূরত্ব মাপে; সেই মাপ থেকে তৈরি হয় ত্রিমাত্রিক বিন্দুর সমষ্টি বা পয়েন্ট ক্লাউড। এতে কোনো বস্তু কোথায় আছে এবং তার আনুমানিক আকৃতি কী—তা বোঝার সুযোগ তৈরি হয়। কিন্তু এই বিন্দুগুলোর মধ্যে কোনটি গাড়ি, কোনটি রাস্তা বা পটভূমি, তা হাতে হাতে চিহ্নিত করা সময়সাপেক্ষ কাজ। এই লেবেলগুলোই পরে মেশিন লার্নিং মডেলকে শেখাতে ব্যবহৃত হয়।
গবেষণাপোস্টারে বর্ণিত RAPID কাঠামো LiDAR-এর তথ্যকে প্রক্রিয়াকরণ করে গাড়ির সম্ভাব্য অংশ আলাদা করে, মানব-পর্যালোচনার সুযোগ রাখে এবং মডেল প্রশিক্ষণের উপযোগী লেবেল তৈরি করে। পোস্টারে Sedan, SUV, Van ও Truck—এই চার ধরনের যান শনাক্তের পরীক্ষার কথাও রয়েছে। অর্থাৎ, লক্ষ্য কেবল ছবিতে গাড়ি আছে কি না বলা নয়; বরং সড়কের ত্রিমাত্রিক দৃশ্যে গাড়ির অবস্থান ও শ্রেণি নির্ধারণ করা।
PointPillars কেন গুরুত্বপূর্ণ
PointPillars পদ্ধতি LiDAR-এর পয়েন্ট ক্লাউডকে উল্লম্ব কলাম বা “pillar”-এ সাজিয়ে শেখার উপযোগী বৈশিষ্ট্য তৈরি করে। এর ফলে ত্রিমাত্রিক তথ্যের কিছু অংশকে দ্বিমাত্রিক প্রক্রিয়াকরণ-ধারায় নেওয়া সম্ভব হয়। পদ্ধতিটির মূল গবেষণায় লেখকেরা স্বয়ংচালিত গাড়ি-সংক্রান্ত KITTI বেঞ্চমার্কে গতি ও শনাক্তকরণ সক্ষমতার ফল প্রকাশ করেছিলেন। তবে সেই ফল RAPID প্রকল্পের নিজস্ব ফল নয়; এটি PointPillars-এর পূর্ববর্তী গবেষণার প্রেক্ষাপট।
মাহফুজ আহমেদের দলের কাজের আলাদা দিক হলো, রাস্তার পাশে স্থির সেন্সর থেকে সংগৃহীত তথ্যকে কেন্দ্র করে লেবেল তৈরির ধাপটিকে সাজানো। এ ধরনের গবেষণার সম্ভাব্য প্রয়োগের মধ্যে রয়েছে সড়ক-প্রবাহ পর্যবেক্ষণ, যানবাহনের শ্রেণিবিন্যাস এবং ট্রাফিক বিশ্লেষণের জন্য উন্নত তথ্য তৈরি। তবে কোনো গবেষণা-পোস্টারে একটি কাঠামো দেখানো মানেই সেটি বাস্তব সড়ক-ব্যবস্থায় পরীক্ষিত বা দুর্ঘটনা কমাতে প্রমাণিত—এমন নয়।
ফলাফলের পাশাপাশি রয়ে গেছে যাচাইয়ের প্রশ্ন
পোস্টারে দলটি তাদের তথ্য-সংগ্রহ, স্বয়ংক্রিয় লেবেলিং এবং মডেল পরীক্ষার বিবরণ দিয়েছে। কিন্তু অল্প সময়ের পরীক্ষামূলক তথ্য থেকে বিভিন্ন আবহাওয়া, রাতের আলো, ভারী যানজট বা ভিন্ন রাস্তার বিন্যাসে একই নির্ভুলতা থাকবে কি না—তা নিশ্চিত করা যায় না। বাস্তব ব্যবহারের আগে আরও বিস্তৃত ও বৈচিত্র্যময় তথ্য দিয়ে পরীক্ষা, ভুল শনাক্তের হার প্রকাশ, এবং স্বাধীন গবেষকদের পুনরায় ফল যাচাই করার সুযোগ গুরুত্বপূর্ণ।
এখানে গোপনীয়তার প্রশ্নও আছে। সড়কের পাশে ক্যামেরা ও সেন্সর বসিয়ে যান চলাচল পর্যবেক্ষণ করলে তথ্য সংগ্রহের উদ্দেশ্য, সংরক্ষণের মেয়াদ, প্রবেশাধিকার এবং ব্যক্তিগত পরিচয় শনাক্ত হতে পারে কি না—এসব বিষয়ে স্পষ্ট নীতি দরকার। গবেষণার সম্ভাব্য জনস্বার্থ যেমন আছে, তেমনি নজরদারির ঝুঁকিও বিবেচনায় রাখা উচিত।
ICMLA নিজেকে মেশিন লার্নিংয়ের তত্ত্ব ও বাস্তব প্রয়োগ নিয়ে গবেষকদের আন্তর্জাতিক ফোরাম হিসেবে বর্ণনা করে। এবারের সম্মেলনে মাহফুজ আহমেদের অংশগ্রহণ তাই একটি গবেষণাপত্র উপস্থাপনের পাশাপাশি সড়ক-প্রযুক্তির একটি নির্দিষ্ট সমস্যাকে বৃহত্তর গবেষকসমাজের আলোচনায় আনার সুযোগ। কাজটির তাৎপর্য শেষ পর্যন্ত নির্ভর করবে—এটি কতটা নির্ভরযোগ্যভাবে নানা পরিবেশে কাজ করে, অন্যরা ফল পুনরুৎপাদন করতে পারেন কি না, এবং প্রযুক্তিটি দায়িত্বশীলভাবে ব্যবহৃত হয় কি না—তার ওপর।
আমরা যা জানি / যা এখনো স্পষ্ট নয়
যা জানা গেছে: ICMLA’26-এর অফিসিয়াল পোস্টার তালিকায় গবেষণাটির শিরোনাম, লেখকদল ও পোস্টার নম্বর রয়েছে। CSUN-এর অধ্যাপক Xunfei Jiang-এর প্রকাশনা তালিকায়ও গবেষণাটি গৃহীত পেপার হিসেবে উল্লেখিত। সম্মেলনটি ৫–৭ অক্টোবর মিশিগানের রচেস্টারে অনুষ্ঠিত হচ্ছে।
যা এখনো স্পষ্ট নয়: গবেষণাটির পূর্ণাঙ্গ পরীক্ষার ফল, বিভিন্ন পরিবেশে কার্যকারিতা, স্বাধীন পুনরাবৃত্তি এবং বাস্তব ট্রাফিক ব্যবস্থায় প্রয়োগের অবস্থা। সম্মেলনে পেপার গৃহীত হওয়া গবেষণার স্বীকৃতি; এটি নিজে থেকে বাস্তব সড়কে কার্যকারিতার নিশ্চয়তা দেয় না।
সূত্র ও যাচাই নোট
সম্মেলনের তারিখ, স্থান, পোস্টার নম্বর ও লেখকদলের তথ্য ICMLA-এর অফিসিয়াল ওয়েবসাইট এবং CSUN-এর প্রকাশনা তালিকার সঙ্গে মিলিয়ে দেখা হয়েছে। PointPillars-এর পদ্ধতিগত পটভূমি মূল গবেষণাপত্র থেকে নেওয়া। RAPID প্রকল্পের প্রযুক্তিগত বিবরণ সম্মেলনে প্রদর্শিত পোস্টার ও সরবরাহ করা ছবির ভিত্তিতে বর্ণিত; গবেষণার বাইরে কোনো সাফল্য বা বাস্তব প্রয়োগের দাবি করা হয়নি।
প্রত্যক্ষ সূত্র
#MahfuzAhmed #ICMLA2026 #MachineLearning #LiDAR #PointPillars #RoadSafety #AIResearch
এখনও কোনো মন্তব্য নেই। আলোচনাটি শুরু করুন।