Видео: Учените от Масачузетския технологичен институт правят автопилота по-подобен на човека

Създаването на самоуправляващи се автомобили, които могат да вземат решения като хората, е дългогодишна цел на компании като Waymo, GM Cruise, Uber и други. Intel Mobileye предлага математически модел за безопасност, чувствителен към отговорността (RSS), който компанията описва като подход на „здрав разум“, който се характеризира с програмиране на автопилота да се държи по „добър“ начин, като например даване на предимство на други автомобили . От друга страна, NVIDIA активно разработва Safety Force Field, системно базирана технология за вземане на решения, която следи небезопасните действия на околните участници в движението чрез анализиране на данни от сензори на превозни средства в реално време. Сега група учени от Масачузетския технологичен институт (MIT) се присъедини към това изследване и предложи нов подход, базиран на използването на подобни на GPS карти и визуални данни, получени от камери, инсталирани на автомобила, така че автопилотът да може да навигира в неизвестни пътища, подобни на човек. начин.

Хората са изключително добри в карането на коли по пътища, по които никога не са били. Ние просто сравняваме това, което виждаме около нас, с това, което виждаме на нашите GPS устройства, за да определим къде се намираме и къде трябва да отидем. Самоуправляващите се автомобили, от друга страна, се ориентират изключително трудно в непознати участъци от пътя. За всяко ново местоположение автопилотът трябва внимателно да анализира новия маршрут и често системите за автоматично управление разчитат на сложни 3D карти, които доставчиците изготвят за тях предварително.

В доклад, представен тази седмица на Международната конференция по роботика и автоматизация, изследователите на MIT описват система за автономно шофиране, която „учи“ и запомня моделите на вземане на решения от човешки шофьор, докато се движи по пътищата в малък град, използвайки само данни. от видео камери и проста карта, подобна на GPS. След това обученият автопилот може да управлява автомобила без водач на напълно ново място, симулирайки човешко шофиране.

Точно като човек, автопилотът също открива всякакви несъответствия между неговата карта и характеристиките на пътя. Това помага на системата да определи дали нейната позиция на пътя, сензорите или картата са неправилни, за да може да коригира курса на автомобила.

За да обучи първоначално системата, човешки оператор управлява автоматизирана Toyota Prius, оборудвана с множество камери и основна GPS навигационна система за събиране на данни от местните крайградски улици, включително различни пътни конструкции и препятствия. След това системата успешно закара колата по предварително планиран маршрут в друга гориста местност, предназначена за тестване на автономни превозни средства.

„С нашата система не е нужно да тренирате предварително за всеки път“, казва авторът на изследването Александър Амини, студент от MIT. „Можете да изтеглите нова карта за вашия автомобил, за да навигирате по пътища, които не сте виждали досега.“

„Нашата цел е да създадем автономна навигация, която е устойчива на шофиране в нови среди“, добавя съавторът Даниела Рус, директор на Лабораторията за компютърни науки и изкуствен интелект (CSAIL). „Например, ако обучим автономно превозно средство да шофира в градска среда като улиците на Кеймбридж, системата също трябва да може да шофира гладко в гора, дори ако никога преди не е виждала такава среда.“

Традиционните навигационни системи обработват данни от сензори чрез множество модули, конфигурирани за задачи като локализиране, картографиране, откриване на обекти, планиране на движение и управление. От години групата на Даниела разработва цялостни навигационни системи, които обработват данни от сензори и управляват автомобила без необходимост от каквито и да било специализирани модули. Досега обаче тези модели се използват само за безопасно пътуване по пътя, без реална цел. В новата работа изследователите усъвършенстваха своята система от край до край за движение от цел до дестинация в непозната досега среда. За да направят това, учените обучиха своя автопилот да предсказва пълното разпределение на вероятностите за всички възможни контролни команди по всяко време по време на шофиране.

Системата използва модел на машинно обучение, наречен конволюционна невронна мрежа (CNN), често използвана за разпознаване на изображения. По време на обучението системата наблюдава поведението при шофиране на човешки водач. CNN свързва завъртанията на волана със завоите на пътя, които наблюдава чрез камери и на своята малка карта. В резултат на това системата научава най-вероятните команди за управление за различни ситуации на шофиране, като прави пътища, четирипосочни кръстовища или Т-образни кръстовища, разклонения и завои.

„Първоначално на Т-образно кръстовище има много различни посоки, в които една кола може да завие“, казва Рус. „Моделът започва с обмисляне на всички тези посоки и тъй като CNN получава все повече и повече данни за това какво правят хората в определени ситуации на пътя, ще види, че някои шофьори завиват наляво, а други надясно, но никой не отива директно . Направо напред е изключено като възможна посока и моделът заключава, че на Т-образни кръстовища може да се движи само наляво или надясно.

Докато шофирате, CNN също извлича визуални характеристики на пътя от камерите, което му позволява да предвиди възможни промени в маршрута. Например, той идентифицира червен знак за стоп или прекъсната линия отстрани на пътя като знаци за предстоящо кръстовище. Във всеки момент той използва прогнозираното разпределение на вероятностите на контролните команди, за да избере най-правилната команда.

Важно е да се отбележи, че според изследователите техният автопилот използва карти, които са изключително лесни за съхранение и обработка. Автономните системи за управление обикновено използват лидарни карти, които заемат приблизително 4000 GB данни, за да съхранят само град Сан Франциско. За всяка нова дестинация колата трябва да използва и създава нови карти, което изисква огромно количество памет. От друга страна, картата, използвана от новия автопилот, покрива целия свят, като същевременно заема само 40 гигабайта данни.

По време на автономно шофиране системата постоянно сравнява своите визуални данни с данните от картата и маркира всички несъответствия. Това помага на автономното превозно средство да определи по-добре къде се намира на пътя. И това гарантира, че колата остава на най-безопасния път, дори ако получава противоречива входна информация: ако, да речем, колата се движи по прав път без завои и GPS показва, че колата трябва да завие надясно, колата ще знайте да вървите направо или да спрете.

„В реалния свят сензорите се провалят“, казва Амини. „Искаме да сме сигурни, че нашият автопилот е устойчив на различни повреди на сензори, като създадем система, която може да получава всякакви шумови сигнали и въпреки това да навигира правилно по пътя.“

Източник: 3dnews.ru