Стварэнне аўтамабіляў з аўтапілотам, здольным да прыняцця рашэнняў падобна чалавеку, з'яўляецца даўняй задачай такіх кампаній, як Waymo, GM Cruise, Uber і іншых. Intel Mobileye прапануе матэматычную мадэль Responsibility-Sensitive Safety (RSS), яна апісваецца кампаніяй як падыход, заснаваны на "здаровым сэнсе", які характарызуецца на праграмаванні аўтапілота на "добрыя" паводзіны, напрыклад такое, як прадастаўленне іншым аўтамабілям права праезду. З іншага боку, NVIDIA актыўна распрацоўвае Safety Force Field, тэхналогію прыняцця рашэнняў на базе сістэмы, якая адсочвае небяспечныя дзеянні навакольных удзельнікаў руху, аналізуючы дадзеныя з датчыкаў аўтамабіля ў рэжыме рэальнага часу. Цяпер да дадзеных даследаванняў падключылася група навукоўцаў з Масачусецкага тэхналагічнага інстытута (MIT), якія прапанавалі новы падыход, заснаваны на выкарыстанні GPS-падобных карт і візуальных дадзеных, якія атрымліваюцца з камер, усталяваных на аўтамабілі, каб аўтапілот мог арыентавацца на невядомых яму дарогах падобным на чалавека чынам.
Людзі выключна добрыя ва ўпраўленні аўтамабілямі на дарогах, на якіх яны раней ніколі не бывалі. Мы проста супастаўляем тое, што бачым вакол нас, з тым, што бачым на нашых навігатарах, каб вызначыць, дзе мы знаходзімся і куды нам трэба ехаць. Аўтамабілям з аўтапілотам, з іншага боку, вельмі складана арыентавацца на невядомых участках дарогі. Для кожнай новай лакацыі аўтапілоту патрабуецца старанна прааналізаваць новы маршрут, пры гэтым часта аўтаматычныя сістэмы кіравання належаць у гэтым пытанні на складаныя 3D-карты, якія загадзя рыхтуюць для іх пастаўшчыкі.
У дакладзе, прадстаўленым на гэтым тыдні на Міжнароднай канферэнцыі па робататэхніцы і аўтаматызацыі, даследнікі Масачусецкага тэхналагічнага інстытута апісваюць аўтаномную сістэму кіравання, якая «вывучае» і запамінае мадэль прыняцця рашэнняў кіроўцам-чалавекам пры руху па дарогах у невялікім раёне горада, выкарыстоўваючы для гэтага толькі дадзеныя з відэакамер і простую GPS-падобную карту. Затым навучаны аўтапілот можа кіраваць аўтамабілем без кіроўцы ў зусім новай лакацыі, імітуючы кіраванне чалавека.
Як і чалавек, аўтапілот таксама выяўляе любыя неадпаведнасці паміж сваёй картай і асаблівасцямі дарогі. Гэта дапамагае сістэме вызначыць, ці з'яўляецца яе становішча на дарозе, праца датчыкаў ці карта няправільнымі, каб скарэктаваць курс аўтамабіля.
Для першапачатковага навучання сістэмы аператар-чалавек кіраваў аўтаматызаванай Toyota Prius, абсталяванай некалькімі камерамі і базавай сістэмай GPS-навігацыі, для збору дадзеных з мясцовых прыгарадных вуліц, у тым ліку розныя дарожныя канструкцыі і перашкоды. Затым сістэма паспяхова кіравала аўтамабілем на загадзя спланаваным маршруце ў іншай лясной зоне, прызначанай для выпрабаванняў аўтаномных транспартных сродкаў.
"З нашай сістэмай вам не трэба загадзя трэніравацца на кожнай дарозе", – кажа аўтар даследавання Аляксандр Аміні (Alexander Amini), аспірант MIT. "Вы можаце спампаваць новую карту для аўтамабіля, каб перамяшчацца па дарогах, якія ён ніколі не бачыў раней".
"Наша мэта – стварыць аўтаномную навігацыю, устойлівую да ваджэнню ў новых умовах", – дадае суаўтар навуковай працы Даніэла Рус (Daniela Rus), дырэктар Лабараторыі кампутарных навук і штучнага інтэлекту (CSAIL). "Напрыклад, калі мы навучаем аўтаномны транспартны сродак ваджэнню ў гарадскіх умовах, такіх як вуліцы Кембрыджа, сістэма таксама павінна мець магчымасць плаўнага руху ў лесе, нават калі такога асяроддзя яна яшчэ ніколі не бачыла".
Традыцыйныя навігацыйныя сістэмы апрацоўваюць дадзеныя ад датчыкаў праз некалькі модуляў, настроеных для такіх задач, як лакалізацыя, картаграфаванне, выяўленне аб'ектаў, планаванне руху і кіраванне рулём. На працягу многіх гадоў група Даніэлы распрацоўвала "скразныя" навігацыйныя сістэмы, якія апрацоўваюць сэнсарныя дадзеныя і кіруюць аўтамабілем без неабходнасці выкарыстання якіх-небудзь спецыялізаваных модуляў. Да гэтага часу, аднак, гэтыя мадэлі выкарыстоўваліся строга для бяспечнага прытрымлівання па дарозе, без якога-небудзь рэальнага прызначэння. У новай працы даследнікі ўдасканалілі сваю скразную сістэму для руху ад мэты да месца прызначэння ў раней невядомым асяроддзі. Для гэтага навукоўцы навучылі свой аўтапілот прагназаваць поўнае размеркаванне верагоднасцяў па ўсіх магчымых камандам кіравання ў любы момант падчас ваджэння.
Сістэма выкарыстоўвае мадэль машыннага навучання, званую скруткавай нейронавай сеткай (convolutional neural network - CNN), звычайна выкарыстоўваецца для распазнання малюнкаў. Падчас навучання сістэма назірае за ваджэннем вадзіцеля-чалавека. CNN карэлюе павароты рулявога кола з крывізной дарогі, якую яна назірае праз камеры і на сваёй невялікай карце. У выніку сістэма запамінае найболей верагодныя каманды рулявога кіравання для розных дарожных сітуацый, такіх як прамая дарога, скрыжаванні з чатырохбаковым рухам ці Т-вобразныя скрыжаванні, скрыжаванні і павароты.
«Першапачаткова на Т-вобразным скрыжаванні ёсць шмат розных кірункаў, куды аўтамабіль можа павярнуць», - кажа Рус. «Мадэль пачынае з разважання аб усіх гэтых кірунках, паколькі CNN атрымлівае ўсё больш і больш дадзеных аб тым, што робяць у тых ці іншых сітуацыях на дарозе людзі, яна ўбачыць, што некаторыя кіроўцы паварочваюць налева, а іншыя паварочваюць направа, але ніхто не едзе прама. Прамы рух выключаны як магчымы кірунак, і мадэль робіць выснову, што на Т-вобразных скрыжаваннях яна можа рухацца толькі налева або направа».
Падчас кіравання CNN таксама здабывае з камер візуальныя асаблівасці дарогі, што дазваляе ёй прагназаваць магчымыя змены маршруту. Напрыклад, яна ідэнтыфікуе чырвоны дарожны паказальнік Stop або разрыў лініі на абочыне дарогі як прыкметы хуткага скрыжавання. У кожны момант яна выкарыстоўвае прагназуемае размеркаванне верагоднасцяў каманд кіравання, каб абраць найболей правільную каманду.
Важна адзначыць, што, па словах даследнікаў, іх аўтапілот выкарыстоўвае карты, якія вельмі лёгка захоўваць і апрацоўваць. Аўтаномныя сістэмы кіравання звычайна выкарыстоўваюць карты створаныя пры дапамозе лідараў, якія займаюць прыкладна 4000 Гбайт дадзеных для захоўвання толькі гарады Сан-Францыска. Для кожнага новага пункта прызначэння аўтамабіль павінен выкарыстоўваць і ствараць новыя карты, што патрабуе велізарную колькасць памяці. З іншага боку, карта, выкарыстоўваная новым аўтапілотам, ахапляе ўвесь мір, займаючы пры гэтым усяго 40 гігабайт дадзеных.
Падчас аўтаномнага кіравання сістэма таксама ўвесь час супастаўляе свае візуальныя дадзеныя з дадзенымі карты і адзначае любыя неадпаведнасці. Гэта дапамагае аўтаномнаму транспартнаму сродку лепш вызначыць, дзе ён знаходзіцца на дарозе. І гэта гарантуе, што аўтамабіль застаецца на самым бяспечным шляху, нават калі ён атрымлівае супярэчлівую ўваходную інфармацыю: калі, скажам, аўтамабіль рухаецца па прамой дарозе без паваротаў, а GPS паказвае, што аўтамабіль павінен павярнуць направа, аўтамабіль будзе ведаць, што трэба ехаць прама ці спыніцца.
"У рэальным свеце датчыкі выходзяць са строю", – кажа Аміні. "Мы хочам пераканацца, што наш аўтапілот устойлівы да розных адмоваў датчыкаў, стварыўшы сістэму, якая можа прымаць любыя шумавыя сігналы і пры гэтым правільна арыентавацца на дарозе".
Крыніца: 3dnews.ru