Mae creu ceir hunan-yrru a all wneud penderfyniadau tebyg i bobl wedi bod yn nod hirsefydlog gan gwmnïau fel Waymo, GM Cruise, Uber ac eraill. Mae Intel Mobileye yn cynnig model mathemategol Diogelwch Cyfrifoldeb-Sensitif (RSS), y mae'r cwmni'n ei ddisgrifio fel dull "synnwyr cyffredin" sy'n cael ei nodweddu gan raglennu'r awtobeilot i ymddwyn mewn ffordd "dda", megis rhoi hawl tramwy i geir eraill. . Ar y llaw arall, mae NVIDIA wrthi'n datblygu Safety Force Field, technoleg gwneud penderfyniadau ar sail system sy'n monitro gweithredoedd anniogel defnyddwyr ffyrdd cyfagos trwy ddadansoddi data o synwyryddion cerbydau mewn amser real. Nawr mae grŵp o wyddonwyr o Sefydliad Technoleg Massachusetts (MIT) wedi ymuno â'r ymchwil hwn ac wedi cynnig dull newydd yn seiliedig ar ddefnyddio mapiau tebyg i GPS a data gweledol a gafwyd o gamerâu a osodwyd ar y car fel y gall yr awtobeilot lywio ar anhysbys. ffyrdd tebyg i berson.
Mae pobl yn eithriadol o dda am yrru ceir ar ffyrdd nad ydyn nhw erioed wedi bod arnyn nhw o'r blaen. Yn syml, rydyn ni'n cymharu'r hyn rydyn ni'n ei weld o'n cwmpas â'r hyn rydyn ni'n ei weld ar ein dyfeisiau GPS i benderfynu ble rydyn ni a ble mae angen i ni fynd. Mae ceir hunan-yrru, ar y llaw arall, yn ei chael hi'n anodd iawn llywio rhannau anhysbys o'r ffordd. Ar gyfer pob lleoliad newydd, mae angen i'r awtobeilot ddadansoddi'r llwybr newydd yn ofalus, ac yn aml mae systemau rheoli awtomatig yn dibynnu ar fapiau 3D cymhleth y mae cyflenwyr yn paratoi ar eu cyfer ymlaen llaw.
Mewn papur a gyflwynwyd yr wythnos hon yn y Gynhadledd Ryngwladol ar Roboteg ac Awtomeiddio, mae ymchwilwyr MIT yn disgrifio system yrru ymreolaethol sy'n "dysgu" ac yn cofio patrymau gwneud penderfyniadau gyrrwr dynol wrth iddynt lywio ffyrdd mewn ardal dinas fach gan ddefnyddio data yn unig o fideo camerâu a map syml tebyg i GPS. Yna gall yr awtobeilot hyfforddedig yrru'r car heb yrrwr mewn lleoliad cwbl newydd, gan efelychu gyrru dynol.
Yn union fel bod dynol, mae'r awtobeilot hefyd yn canfod unrhyw anghysondebau rhwng ei fap a nodweddion y ffordd. Mae hyn yn helpu'r system i benderfynu a yw ei safle ar y ffordd, synwyryddion, neu fap yn anghywir fel y gall gywiro cwrs y cerbyd.
I hyfforddi'r system i ddechrau, gyrrodd gweithredwr dynol Toyota Prius awtomataidd gyda chamerâu lluosog a system llywio GPS sylfaenol i gasglu data o strydoedd maestrefol lleol, gan gynnwys strwythurau ffyrdd a rhwystrau amrywiol. Yna gyrrodd y system y car yn llwyddiannus ar hyd llwybr a gynlluniwyd ymlaen llaw mewn ardal goediog arall a fwriadwyd ar gyfer profi cerbydau ymreolaethol.
“Gyda’n system ni, does dim rhaid i chi hyfforddi ar bob ffordd ymlaen llaw,” meddai awdur yr astudiaeth Alexander Amini, myfyriwr graddedig MIT. "Gallwch chi lawrlwytho map newydd ar gyfer eich car i lywio ffyrdd na welwyd erioed o'r blaen."
“Ein nod yw creu llywio ymreolaethol sy’n gallu gwrthsefyll gyrru mewn amgylcheddau newydd,” ychwanega’r cyd-awdur Daniela Rus, cyfarwyddwr y Labordy Cyfrifiadureg a Deallusrwydd Artiffisial (CSAIL). “Er enghraifft, os ydyn ni’n hyfforddi cerbyd ymreolaethol i yrru mewn amgylchedd trefol fel strydoedd Caergrawnt, rhaid i’r system allu gyrru’n esmwyth mewn coedwig hefyd, hyd yn oed os nad yw erioed wedi gweld amgylchedd o’r fath o’r blaen.”
Mae systemau llywio traddodiadol yn prosesu data synhwyrydd trwy fodiwlau lluosog wedi'u ffurfweddu ar gyfer tasgau megis lleoleiddio, mapio, canfod gwrthrychau, cynllunio symudiadau a llywio. Ers blynyddoedd, mae grŵp Daniela wedi bod yn datblygu systemau llywio o'r dechrau i'r diwedd sy'n prosesu data synhwyrydd ac yn rheoli'r car heb fod angen unrhyw fodiwlau arbenigol. Hyd yn hyn, fodd bynnag, mae'r modelau hyn wedi'u defnyddio'n llym ar gyfer teithio'n ddiogel ar y ffordd, heb unrhyw bwrpas gwirioneddol. Yn y gwaith newydd, bu'r ymchwilwyr yn mireinio eu system o un pen i'r llall ar gyfer symud nod-i-gyrchfan mewn amgylchedd nad oedd yn hysbys o'r blaen. I wneud hyn, hyfforddodd gwyddonwyr eu awtobeilot i ragweld y dosbarthiad tebygolrwydd llawn ar gyfer pob gorchymyn rheoli posibl ar unrhyw adeg wrth yrru.
Mae'r system yn defnyddio model dysgu peiriant a elwir yn rhwydwaith niwral convolutional (CNN), a ddefnyddir yn gyffredin ar gyfer adnabod delweddau. Yn ystod hyfforddiant, mae'r system yn arsylwi ymddygiad gyrru gyrrwr dynol. Mae CNN yn cyfateb troadau olwyn llywio â chrymedd y ffordd, y mae'n ei arsylwi trwy gamerâu ac ar ei fap bach. O ganlyniad, mae'r system yn dysgu'r gorchmynion llywio mwyaf tebygol ar gyfer sefyllfaoedd gyrru amrywiol, megis ffyrdd syth, croestoriadau pedair ffordd neu gyffyrdd T, ffyrch a throadau.
“I ddechrau, ar groesffordd T, mae yna lawer o wahanol gyfeiriadau y gall car eu troi,” meddai Rus. “Mae’r model yn dechrau trwy feddwl am yr holl gyfarwyddiadau hyn, ac wrth i’r CNN gael mwy a mwy o ddata am yr hyn y mae pobl yn ei wneud mewn rhai sefyllfaoedd ar y ffordd, bydd yn gweld bod rhai gyrwyr yn troi i’r chwith ac eraill yn troi i’r dde, ond nid oes neb yn mynd yn uniongyrchol. . Mae syth ymlaen yn cael ei ddiystyru fel cyfeiriad posibl, ac mae’r model yn dod i’r casgliad mai dim ond i’r chwith neu’r dde y gall symud i’r chwith neu’r dde.”
Wrth yrru, mae'r CNN hefyd yn tynnu nodweddion ffordd gweledol o gamerâu, gan ganiatáu iddo ragweld newidiadau llwybr posibl. Er enghraifft, mae'n nodi arwydd stop coch neu linell doredig ar ochr y ffordd fel arwyddion o groesffordd sydd ar ddod. Ar bob eiliad, mae'n defnyddio'r dosbarthiad tebygolrwydd a ragwelir o orchmynion rheoli i ddewis y gorchymyn mwyaf cywir.
Mae'n bwysig nodi, yn ôl yr ymchwilwyr, bod eu awtobeilot yn defnyddio mapiau sy'n hynod o hawdd i'w storio a'u prosesu. Mae systemau rheoli ymreolaethol fel arfer yn defnyddio mapiau lidar, sy'n cymryd tua 4000 GB o ddata i storio dinas San Francisco yn unig. Ar gyfer pob cyrchfan newydd, rhaid i'r car ddefnyddio a chreu mapiau newydd, sy'n gofyn am lawer iawn o gof. Ar y llaw arall, mae'r map a ddefnyddir gan yr awtobeilot newydd yn cwmpasu'r byd i gyd tra'n meddiannu dim ond 40 gigabeit o ddata.
Yn ystod gyrru ymreolaethol, mae'r system hefyd yn cymharu ei data gweledol yn gyson â data'r map ac yn tynnu sylw at unrhyw anghysondebau. Mae hyn yn helpu'r cerbyd ymreolaethol i benderfynu yn well ble mae ar y ffordd. Ac mae hyn yn sicrhau bod y car yn aros ar y llwybr mwyaf diogel, hyd yn oed os yw'n derbyn gwybodaeth fewnbwn anghyson: os, dyweder, mae'r car yn teithio ar ffordd syth heb unrhyw dro, a bod y GPS yn nodi y dylai'r car droi i'r dde, bydd y car gwybod i fynd yn syth neu stopio.
“Yn y byd go iawn, mae synwyryddion yn methu,” meddai Amini. “Rydyn ni eisiau gwneud yn siŵr bod ein awtobeilot yn gallu gwrthsefyll methiannau synhwyrydd amrywiol trwy greu system sy’n gallu derbyn unrhyw signalau sŵn a dal i lywio’r ffordd yn gywir.”
Ffynhonnell: 3dnewyddion.ru