Selliste ettevõtete nagu Waymo, GM Cruise, Uber jt pikaajaline eesmärk on luua isejuhtivaid autosid, mis suudavad teha inimlikke otsuseid. Intel Mobileye pakub vastutustundliku turvalisuse (RSS) matemaatilist mudelit, mida ettevõte kirjeldab kui "terve mõistuse" lähenemisviisi, mida iseloomustab autopiloodi programmeerimine "heal" käitumisel, näiteks teistele autodele eesõiguse andmine. . Teisest küljest arendab NVIDIA aktiivselt Safety Force Fieldi – süsteemipõhist otsustustehnoloogiat, mis jälgib ümbritsevate liiklejate ohtlikke tegevusi, analüüsides reaalajas sõidukiandurite andmeid. Nüüd on Massachusettsi Tehnoloogiainstituudi (MIT) teadlaste rühm liitunud selle uuringuga ja pakkunud välja uue lähenemisviisi, mis põhineb GPS-i sarnaste kaartide ja visuaalsete andmete kasutamisel, mis on saadud autole paigaldatud kaameratest, et autopiloot saaks navigeerida tundmatus kohas. inimesega sarnased teed.viis.
Inimesed oskavad erakordselt hästi autot juhtida teedel, millel nad pole kunagi varem sõitnud. Me lihtsalt võrdleme seda, mida näeme enda ümber, sellega, mida näeme oma GPS-seadmetes, et teha kindlaks, kus me asume ja kuhu peame minema. Isejuhtivatel autodel on seevastu äärmiselt keeruline tundmatutel teelõikudel liigelda. Iga uue asukoha puhul peab autopiloot uut marsruuti hoolikalt analüüsima ja sageli toetuvad automaatjuhtimissüsteemid keerukatele 3D-kaartidele, mille tarnijad neile eelnevalt ette valmistavad.
Sel nädalal rahvusvahelisel robootika ja automatiseerimise konverentsil esitletud artiklis kirjeldavad MIT-i teadlased autonoomset sõidusüsteemi, mis "õpib" ja jätab meelde inimjuhi otsustusmustrid, kui nad liiguvad väikeses linnapiirkonnas teedel, kasutades ainult andmeid. videost kaamerad ja lihtne GPS-i sarnane kaart. Koolitatud autopiloot saab seejärel juhtida juhita autot täiesti uues kohas, simuleerides inimese juhtimist.
Nii nagu inimene, tuvastab ka autopiloot kõik lahknevused oma kaardi ja teejoonte vahel. See aitab süsteemil kindlaks teha, kas selle asukoht teel, andurid või kaart on valed, et saaks korrigeerida sõiduki kurssi.
Süsteemi esmaseks koolitamiseks juhtis inimoperaator automatiseeritud Toyota Priust, mis oli varustatud mitme kaamera ja põhilise GPS-navigatsioonisüsteemiga, et koguda andmeid kohalikelt äärelinna tänavatelt, sealhulgas erinevatelt teestruktuuridelt ja takistustelt. Seejärel viis süsteem edukalt autot mööda eelnevalt planeeritud marsruuti teises metsaalas, mis oli mõeldud autonoomsete sõidukite testimiseks.
"Meie süsteemiga ei pea te igal teel eelnevalt treenima," ütleb uuringu autor Alexander Amini, MIT magistrant. "Saate oma autole alla laadida uue kaardi, et navigeerida teedel, mida pole kunagi varem nähtud."
"Meie eesmärk on luua autonoomne navigatsioon, mis on vastupidav uutes keskkondades sõitmiseks," lisab kaasautor Daniela Rus, arvutiteaduse ja tehisintellekti labori (CSAIL) direktor. "Näiteks kui koolitame autonoomset sõidukit linnakeskkonnas, näiteks Cambridge'i tänavatel, sõitma, peab süsteem suutma sujuvalt sõita ka metsas, isegi kui ta pole sellist keskkonda varem näinud."
Traditsioonilised navigatsioonisüsteemid töötlevad andurite andmeid mitme mooduli kaudu, mis on konfigureeritud selliste ülesannete jaoks nagu lokaliseerimine, kaardistamine, objektide tuvastamine, liikumise planeerimine ja juhtimine. Daniela grupp on aastaid arendanud täisnavigatsioonisüsteeme, mis töötlevad andurite andmeid ja juhivad autot ilma spetsiaalseid mooduleid vajamata. Seni on aga neid mudeleid kasutatud rangelt ohutuks maanteel liiklemiseks, ilma tegeliku eesmärgita. Uues töös täpsustasid teadlased oma otsast lõpuni süsteemi eesmärgist sihtkohta liikumiseks varem tundmatus keskkonnas. Selleks treenisid teadlased oma autopilooti, et ennustada kõigi võimalike juhtimiskäskude täielikku tõenäosusjaotust igal ajal sõidu ajal.
Süsteem kasutab masinõppe mudelit, mida nimetatakse konvolutsiooniliseks närvivõrguks (CNN), mida tavaliselt kasutatakse kujutiste tuvastamiseks. Treeningu ajal jälgib süsteem inimjuhi sõidukäitumist. CNN korreleerib rooliratta pöördeid tee kõverusega, mida ta jälgib läbi kaamerate ja oma väikesel kaardil. Selle tulemusena õpib süsteem selgeks kõige tõenäolisemad roolimiskäsklused erinevate sõiduolukordade jaoks, nagu sirged teed, neljasuunalised ristmikud või T-ristmikud, hargnemised ja pöörded.
"Esialgu on T-kujulisel ristmikul autol palju erinevaid suundi," ütleb Rus. "Mudel algab kõigi nende suundade läbimõtlemisest ja kuna CNN saab üha rohkem andmeid selle kohta, mida inimesed teatud olukordades teel teevad, näeb see, et mõned juhid pööravad vasakule ja teised paremale, kuid keegi ei lähe otse. . Otse edasi on võimaliku suunana välistatud ja mudel järeldab, et T-ristmikel saab see liikuda ainult vasakule või paremale.
Sõidu ajal eraldab CNN kaameratest ka visuaalseid teejooni, mis võimaldab ennustada võimalikke marsruudimuutusi. Näiteks tuvastab see punase stoppmärgi või katkendliku joone tee servas läheneva ristmiku märgina. Igal hetkel kasutab see juhtkäskude prognoositud tõenäosusjaotust, et valida kõige õigem käsk.
Oluline on märkida, et teadlaste sõnul kasutab nende autopiloot kaarte, mida on äärmiselt lihtne säilitada ja töödelda. Autonoomsed juhtimissüsteemid kasutavad tavaliselt lidari kaarte, mis võtavad San Francisco linna salvestamiseks umbes 4000 GB andmeid. Iga uue sihtkoha jaoks peab auto kasutama ja looma uusi kaarte, mis nõuab tohutult mälu. Teisest küljest katab uue Autopiloti kasutatav kaart kogu maailma, hõivates vaid 40 gigabaiti andmemahtu.
Autonoomse sõidu ajal võrdleb süsteem pidevalt ka oma visuaalseid andmeid kaardiandmetega ja märgib kõik ebakõlad. See aitab autonoomsel sõidukil paremini kindlaks teha, kus see teel asub. Ja see tagab, et auto püsib kõige turvalisemal teel, isegi kui see saab vastuolulist sisendteavet: kui näiteks auto sõidab sirgel teel ilma pöördeta ja GPS näitab, et auto peaks pöörama paremale, tea, kas minna otse või peatuda.
"Reaalses maailmas andurid ebaõnnestuvad, " ütleb Amini. "Soovime olla kindlad, et meie autopiloot on erinevate andurite rikete suhtes vastupidav, luues süsteemi, mis suudab vastu võtta mis tahes mürasignaale ja siiski õigesti teel navigeerida."
Allikas: 3dnews.ru