Die skep van selfbesturende motors wat mensagtige besluite kan neem, was 'n jarelange doelwit van maatskappye soos Waymo, GM Cruise, Uber en ander. Intel Mobileye bied 'n verantwoordelikheidssensitiewe veiligheid (RSS) wiskundige model, wat die maatskappy beskryf as 'n "gesonde verstand"-benadering wat gekenmerk word deur die programmeer van die autopilot om op 'n "goeie" manier op te tree, soos om ander motors die reg van weg te gee. . Aan die ander kant is NVIDIA aktief besig om Safety Force Field te ontwikkel, 'n stelselgebaseerde besluitnemingstegnologie wat onveilige optrede van omliggende padgebruikers monitor deur data van voertuigsensors intyds te ontleed. Nou het 'n groep wetenskaplikes van die Massachusetts Institute of Technology (MIT) by hierdie navorsing aangesluit en 'n nuwe benadering voorgestel wat gebaseer is op die gebruik van GPS-agtige kaarte en visuele data wat verkry is van kameras wat op die motor geΓ―nstalleer is sodat die autopilot op onbekende kan navigeer paaie soortgelyk aan 'n persoon. manier.
Mense is besonder goed daarmee om motors te bestuur op paaie waarop hulle nog nooit tevore was nie. Ons vergelyk eenvoudig wat ons rondom ons sien met wat ons op ons GPS-toestelle sien om te bepaal waar ons is en waarheen ons moet gaan. Selfbesturende motors, aan die ander kant, vind dit uiters moeilik om onbekende dele van die pad te navigeer. Vir elke nuwe ligging moet die autopilot die nuwe roete noukeurig ontleed, en dikwels maak outomatiese beheerstelsels staat op komplekse 3D-kaarte wat verskaffers vooraf daarvoor voorberei.
In 'n referaat wat hierdie week by die Internasionale Konferensie oor Robotika en Outomatisering aangebied is, beskryf MIT-navorsers 'n outonome bestuurstelsel wat 'n menslike bestuurder se besluitnemingspatrone "leer" en onthou terwyl hulle paaie in 'n klein stadgebied navigeer deur slegs data te gebruik. kameras en 'n eenvoudige GPS-agtige kaart. Die opgeleide autopilot kan dan die bestuurderlose motor op 'n heeltemal nuwe plek bestuur, wat menslike bestuur simuleer.
Net soos 'n mens, bespeur die autopilot ook enige verskille tussen sy kaart en die padkenmerke. Dit help die stelsel om te bepaal of sy posisie op die pad, sensors of kaart verkeerd is sodat dit die voertuig se koers kan regstel.
Om aanvanklik die stelsel op te lei, het 'n menslike operateur 'n outomatiese Toyota Prius bestuur wat toegerus is met verskeie kameras en 'n basiese GPS-navigasiestelsel om data van plaaslike voorstedelike strate in te samel, insluitend verskeie padstrukture en hindernisse. Die stelsel het die motor toe suksesvol langs 'n voorafbeplande roete in 'n ander beboste gebied gery wat bedoel was om outonome voertuie te toets.
"Met ons stelsel hoef jy nie vooraf op elke pad te oefen nie," sΓͺ studieskrywer Alexander Amini, 'n MIT-gegradueerde student. "Jy kan 'n nuwe kaart vir jou motor aflaai om paaie te navigeer wat dit nog nooit tevore gesien is nie."
"Ons doel is om outonome navigasie te skep wat bestand is om in nuwe omgewings te bestuur," voeg medeskrywer Daniela Rus, direkteur van die Rekenaarwetenskap- en Kunsmatige Intelligensie-laboratorium (CSAIL) by. "As ons byvoorbeeld 'n outonome voertuig oplei om in 'n stedelike omgewing soos die strate van Cambridge te ry, moet die stelsel ook glad in 'n woud kan ry, selfs al het dit nog nooit so 'n omgewing gesien nie."
Tradisionele navigasiestelsels verwerk sensordata deur verskeie modules wat vir take soos lokalisering, kartering, objekbespeuring, bewegingsbeplanning en stuur opgestel is. Daniela se groep ontwikkel al jare lank end-tot-end-navigasiestelsels wat sensordata verwerk en die motor beheer sonder dat enige gespesialiseerde modules nodig is. Tot nou toe is hierdie modelle egter streng gebruik vir veilige reis op die pad, sonder enige werklike doel. In die nuwe werk het die navorsers hul end-tot-end-stelsel verfyn vir doel-tot-bestemming-beweging in 'n voorheen onbekende omgewing. Om dit te doen, het wetenskaplikes hul autopilot opgelei om die volle waarskynlikheidsverspreiding te voorspel vir alle moontlike beheeropdragte te eniger tyd terwyl hulle bestuur.
Die stelsel gebruik 'n masjienleermodel genaamd 'n konvolusionele neurale netwerk (CNN), wat algemeen gebruik word vir beeldherkenning. Tydens opleiding neem die stelsel die bestuursgedrag van 'n menslike bestuurder waar. CNN korreleer stuurwieldraaie met die kromming van die pad, wat dit deur kameras en op sy klein kaart waarneem. Gevolglik leer die stelsel die mees waarskynlike stuuropdragte vir verskeie bestuursituasies, soos reguit paaie, vierrigting-kruisings of T-aansluitings, vurke en draaie.
"Aanvanklik, by 'n T-kruising, is daar baie verskillende rigtings wat 'n motor kan draai," sΓͺ Rus. βDie model begin deur aan al hierdie rigtings te dink, en soos die CNN meer en meer data kry oor wat mense in sekere situasies op die pad doen, sal dit sien dat sommige bestuurders links draai en ander regs, maar niemand gaan direk . Reguit vorentoe word as βn moontlike rigting uitgesluit, en die model kom tot die gevolgtrekking dat dit by T-aansluitings net links of regs kan beweeg.β
Terwyl hy bestuur, haal die CNN ook visuele padkenmerke uit kameras, wat dit moontlik maak om moontlike roeteveranderings te voorspel. Dit identifiseer byvoorbeeld 'n rooi stopteken of 'n gebroke lyn aan die kant van die pad as tekens van 'n komende kruising. Op elke oomblik gebruik dit die voorspelde waarskynlikheidsverdeling van beheeropdragte om die mees korrekte opdrag te kies.
Dit is belangrik om daarop te let dat, volgens die navorsers, hul autopilot kaarte gebruik wat uiters maklik is om te stoor en te verwerk. Outonome beheerstelsels gebruik tipies lidar-kaarte, wat ongeveer 4000 40 GB data opneem om net die stad San Francisco te stoor. Vir elke nuwe bestemming moet die motor nuwe kaarte gebruik en skep, wat 'n groot hoeveelheid geheue verg. Aan die ander kant dek die kaart wat deur die nuwe Autopilot gebruik word die hele wΓͺreld terwyl dit slegs XNUMX gigagrepe se data beslaan.
Tydens outonome bestuur vergelyk die stelsel ook voortdurend sy visuele data met die kaartdata en vlag enige teenstrydighede. Dit help die outonome voertuig om beter te bepaal waar dit op die pad is. En dit verseker dat die motor op die veiligste pad bly, selfs al ontvang dit teenstrydige insetinligting: as, sΓͺ, die motor ry op 'n reguit pad sonder draaie, en die GPS dui aan dat die motor regs moet draai, sal die motor weet om reguit te gaan of te stop.
"In die regte wΓͺreld misluk sensors," sΓͺ Amini. "Ons wil seker maak dat ons autopilot bestand is teen verskeie sensorfoute deur 'n stelsel te skep wat enige geraasseine kan ontvang en steeds die pad korrek kan navigeer."
Bron: 3dnews.ru