Sellaisten itseohjautuvien autojen luominen, jotka voivat tehdä ihmisen kaltaisia päätöksiä, on ollut Waymon, GM Cruisen, Uberin ja muiden yritysten pitkäaikainen tavoite. Intel Mobileye tarjoaa Responsibility-Sensitive Safety (RSS) -matemaattisen mallin, jota yhtiö kuvailee "terveen järjen" lähestymistavana, jolle on tunnusomaista ohjelmoida autopilotti käyttäytymään "hyvällä" tavalla, esimerkiksi antamalla muille autoille etuoikeus. . Toisaalta NVIDIA kehittää aktiivisesti Safety Force Fieldia, järjestelmäpohjaista päätöksentekotekniikkaa, joka valvoo ympäröivien tienkäyttäjien vaarallisia toimia analysoimalla ajoneuvon antureiden tietoja reaaliajassa. Nyt joukko Massachusetts Institute of Technologyn (MIT) tutkijoita on liittynyt tähän tutkimukseen ja ehdottanut uutta lähestymistapaa, joka perustuu GPS:n kaltaisten karttojen ja autoon asennetuista kameroista saatujen visuaalisten tietojen käyttöön, jotta autopilotti voi navigoida tuntemattomalla. tiet samankaltaisia kuin henkilö. tapa.
Ihmiset ovat poikkeuksellisen hyviä ajamaan autoja teillä, joilla he eivät ole koskaan ennen olleet. Vertaamme yksinkertaisesti sitä, mitä näemme ympärillämme, siihen, mitä näemme GPS-laitteissamme määrittääksemme, missä olemme ja minne meidän on mentävä. Itseohjautuvien autojen on puolestaan erittäin vaikea navigoida tuntemattomilla tieosuuksilla. Autopilotin on jokaista uutta sijaintia varten analysoitava huolellisesti uusi reitti, ja usein automaattiset ohjausjärjestelmät luottavat monimutkaisiin 3D-karttoihin, jotka toimittajat valmistelevat niitä varten etukäteen.
Tällä viikolla kansainvälisessä robotiikan ja automaation konferenssissa esitellyssä asiakirjassa MIT:n tutkijat kuvaavat autonomista ajojärjestelmää, joka "oppii" ja muistaa ihmiskuljettajan päätöksentekomallit heidän navigoiessaan teillä pienellä kaupunkialueella käyttämällä vain dataa. videosta. kamerat ja yksinkertainen GPS:n kaltainen kartta. Koulutettu autopilotti voi sitten ajaa ilman kuljettajaa olevaa autoa täysin uuteen paikkaan, simuloiden ihmisen ajoa.
Aivan kuten ihminen, myös autopilotti havaitsee kaikki ristiriidat kartan ja tien ominaisuuksien välillä. Tämä auttaa järjestelmää määrittämään, ovatko sen sijainti tiellä, anturit tai kartta väärä, jotta se voi korjata ajoneuvon suunnan.
Aluksi järjestelmän kouluttamiseen henkilöoperaattori ajoi automatisoidulla Toyota Priuksella, jossa oli useita kameroita ja perus-GPS-navigointijärjestelmä kerätäkseen tietoja paikallisilta esikaupunkikaduilta, mukaan lukien erilaiset tierakenteet ja esteet. Sen jälkeen järjestelmä ajoi onnistuneesti auton ennalta suunniteltua reittiä toisella metsäalueella, joka oli tarkoitettu autonomisten ajoneuvojen testaukseen.
"Järjestelmämme avulla sinun ei tarvitse harjoitella jokaisella tiellä etukäteen", sanoo tutkimuksen kirjoittaja Alexander Amini, MIT:n jatko-opiskelija. "Voit ladata autollesi uuden kartan navigoidaksesi teillä, joita ei ole ennen nähty."
"Tavoitteemme on luoda autonominen navigointi, joka kestää ajamista uusissa ympäristöissä", lisää Daniela Rus, Computer Science and Artificial Intelligence Laboratoryn (CSAIL) johtaja. "Jos esimerkiksi koulutamme autonomisen ajoneuvon ajamaan kaupunkiympäristössä, kuten Cambridgen kaduilla, järjestelmän on kyettävä ajamaan sujuvasti myös metsässä, vaikka se ei olisi koskaan ennen nähnyt tällaista ympäristöä."
Perinteiset navigointijärjestelmät käsittelevät anturitietoja useiden moduulien kautta, jotka on konfiguroitu tehtäviin, kuten lokalisointiin, kartoitukseen, kohteen havaitsemiseen, liikkeen suunnitteluun ja ohjaamiseen. Danielan ryhmä on jo vuosia kehittänyt kokonaisvaltaisia navigointijärjestelmiä, jotka käsittelevät anturitietoja ja ohjaavat autoa ilman erityisiä moduuleja. Toistaiseksi näitä malleja on kuitenkin käytetty vain turvalliseen tieliikenteeseen ilman todellista tarkoitusta. Uudessa työssä tutkijat tarkensivat päästä päähän -järjestelmää tavoitteesta määränpäähän liikkumista varten aiemmin tuntemattomassa ympäristössä. Tätä varten tutkijat kouluttivat autopilottinsa ennustamaan kaikkien mahdollisten ohjauskomentojen täyden todennäköisyysjakauman milloin tahansa ajon aikana.
Järjestelmä käyttää koneoppimismallia, jota kutsutaan konvoluutiohermoverkoksi (CNN), jota käytetään yleisesti kuvantunnistukseen. Harjoittelun aikana järjestelmä tarkkailee ihmiskuljettajan ajokäyttäytymistä. CNN korreloi ohjauspyörän käännökset tien kaarevuuden kanssa, jota se tarkkailee kameroiden ja pienen kartan kautta. Tämän tuloksena järjestelmä oppii todennäköisimmät ohjauskomennot erilaisiin ajotilanteisiin, kuten suoriin teihin, nelisuuntaisiin risteyksiin tai T-risteyksiin, haarautumiin ja käännöksiin.
"Aluksi T-risteyksessä auto voi kääntyä moneen eri suuntaan", Rus sanoo. ”Malli alkaa miettimällä kaikkia näitä suuntia, ja kun CNN saa yhä enemmän tietoa siitä, mitä ihmiset tekevät tietyissä tilanteissa tiellä, se näkee, että osa kuljettajista kääntyy vasemmalle ja toiset oikealle, mutta kukaan ei mene suoraan . Suoraan eteenpäin on poissuljettu mahdollinen suunta, ja malli päättelee, että T-risteyksissä se voi liikkua vain vasemmalle tai oikealle.
Ajon aikana CNN poimii myös visuaalisia tiepiirteitä kameroista, jolloin se voi ennustaa mahdollisia reitin muutoksia. Se tunnistaa esimerkiksi punaisen stop-merkin tai katkoviivan tien reunassa tulevan risteyksen merkiksi. Jokaisella hetkellä se käyttää ohjauskomentojen ennustettua todennäköisyysjakaumaa valitakseen oikean komennon.
On tärkeää huomata, että tutkijoiden mukaan heidän autopilottinsa käyttää karttoja, jotka on erittäin helppo säilyttää ja käsitellä. Autonomiset ohjausjärjestelmät käyttävät tyypillisesti lidar-karttoja, jotka vievät noin 4000 40 Gt tietoa vain San Franciscon kaupungin tallentamiseen. Jokaista uutta kohdetta varten auton on käytettävä ja luotava uusia karttoja, mikä vaatii valtavasti muistia. Toisaalta uuden Autopilotin käyttämä kartta kattaa koko maailman ja vie vain XNUMX gigatavua dataa.
Autonomisen ajon aikana järjestelmä vertaa jatkuvasti visuaalista tietoaan karttatietoihin ja ilmoittaa mahdollisista eroista. Tämä auttaa autonomista ajoneuvoa määrittämään paremmin, missä se on tiellä. Ja tämä varmistaa, että auto pysyy turvallisimmalla tiellä, vaikka se saisi ristiriitaisia syöttötietoja: jos auto esimerkiksi kulkee suoralla tiellä ilman käännöksiä ja GPS ilmoittaa, että auton pitäisi kääntyä oikealle, auto tietää mennä suoraan tai pysähtyä.
"Tosimaailmassa anturit epäonnistuvat", Amini sanoo. "Haluamme varmistaa, että autopilottimme kestää erilaisia anturivikoja luomalla järjestelmän, joka vastaanottaa kaikki melusignaalit ja silti navigoi tiellä oikein."
Lähde: 3dnews.ru