It meitsjen fan selsridende auto's dy't minsklike besluten kinne nimme is in langsteande doel fan bedriuwen lykas Waymo, GM Cruise, Uber en oaren. Intel Mobileye biedt in wiskundige model foar Responsibility-Sensitive Safety (RSS), dat it bedriuw beskriuwt as in "sûn ferstân" oanpak dy't wurdt karakterisearre troch it programmearjen fan de autopilot om op in "goede" manier te gedragen, lykas it jaan fan oare auto's it rjocht fan wei . Oan 'e oare kant ûntwikkelet NVIDIA aktyf Safety Force Field, in systeem-basearre beslútfoarmingtechnology dy't ûnfeilige aksjes fan omlizzende dykbrûkers kontrolearret troch gegevens fan autosensors yn realtime te analysearjen. No hat in groep wittenskippers fan it Massachusetts Institute of Technology (MIT) meidien oan dit ûndersyk en in nije oanpak foarsteld basearre op it gebrûk fan GPS-like kaarten en fisuele gegevens krigen fan kamera's ynstalleare op 'e auto, sadat de autopilot kin navigearje op ûnbekend wegen gelyk oan in persoan. manier.
Minsken binne útsûnderlik goed yn it riden fan auto's op diken dêr't se noch nea op west hawwe. Wy fergelykje gewoan wat wy om ús hinne sjogge mei wat wy sjogge op ús GPS-apparaten om te bepalen wêr't wy binne en wêr't wy hinne moatte. Selsridende auto's, oan 'e oare kant, fine it ekstreem lestich om troch ûnbekende dielen fan 'e dyk te navigearjen. Foar elke nije lokaasje moat de autopilot de nije rûte soarchfâldich analysearje, en faaks fertrouwe automatyske kontrôlesystemen op komplekse 3D-kaarten dy't leveransiers foar har tariede.
Yn in papier presintearre dizze wike op 'e Ynternasjonale Konferinsje oer Robotika en Automatisearring, beskriuwe MIT-ûndersikers in autonoom rydsysteem dat de beslútfoarmingpatroanen fan in minsklike bestjoerder "leart" en ûnthâldt as se diken navigearje yn in lyts stedsgebiet mei allinich gegevens. kamera's en in ienfâldige GPS-like kaart. De oplaat autopilot kin dan de sjauffeurleaze auto op in folslein nije lokaasje ride, en simulearret minsklik riden.
Krekt as in minske detektearret de autopilot ek alle ôfwikingen tusken syn kaart en de dykfunksjes. Dit helpt it systeem te bepalen as syn posysje op 'e dyk, sensoren of kaart ferkeard binne, sadat it de koers fan it auto kin korrigearje.
Om it systeem yn earste ynstânsje te trenen, ried in minsklike operator in automatisearre Toyota Prius útrist mei meardere kamera's en in basis GPS-navigaasjesysteem om gegevens te sammeljen fan pleatslike foarstêdstrjitten, ynklusyf ferskate dykstruktueren en obstakels. It systeem ried dêrnei mei súkses de auto lâns in foarôf plande rûte yn in oar boskgebiet bedoeld foar testen fan autonome auto's.
"Mei ús systeem hoege jo net fan tefoaren op elke dyk te trenen," seit stúdzje skriuwer Alexander Amini, in MIT-studint. "Jo kinne in nije kaart downloade foar jo auto om diken te navigearjen dy't it noch noait earder sjoen is."
"Us doel is om autonome navigaasje te meitsjen dy't resistint is foar it riden yn nije omjouwings," foeget co-auteur Daniela Rus, direkteur fan it Computer Science and Artificial Intelligence Laboratory (CSAIL) ta. "As wy bygelyks in autonoom auto traine om te riden yn in stedske omjouwing lykas de strjitten fan Cambridge, moat it systeem ek soepel kinne ride yn in bosk, sels as it sa'n omjouwing noch noait earder sjoen hat."
Tradysjonele navigaasjesystemen ferwurkje sensorgegevens fia meardere modules konfigureare foar taken lykas lokalisaasje, mapping, objektdeteksje, bewegingsplanning en stjoering. Jierrenlang hat de groep fan Daniela ein-oan-ein navigaasjesystemen ûntwikkele dy't sensorgegevens ferwurkje en de auto kontrolearje sûnder de needsaak foar spesjale modules. Oant no binne dizze modellen lykwols strikt brûkt foar feilich reizen op 'e dyk, sûnder echt doel. Yn it nije wurk ferfine de ûndersikers har ein-oan-ein-systeem foar beweging fan doel nei bestimming yn in earder ûnbekende omjouwing. Om dit te dwaan, trainden wittenskippers har autopilot om de folsleine kânsferdieling te foarsizzen foar alle mooglike kontrôlekommando's op elk momint ûnder it riden.
It systeem brûkt in masine-learmodel neamd in convolutional neural netwurk (CNN), gewoanlik brûkt foar ôfbyldingsherkenning. Tidens training observearret it systeem it rydgedrach fan in minsklike bestjoerder. CNN korreleart draaien fan it stjoer mei de kromte fan 'e dyk, dy't it observearret fia kamera's en op syn lytse kaart. Dêrtroch leart it systeem de meast wierskynlike stjoerkommando's foar ferskate rydsituaasjes, lykas rjochte diken, fjouwerkantige krusingen of T-krúspunten, foarken en bochten.
"Yn it earstoan, op in T-krusing, binne d'r in protte ferskillende rjochtingen dy't in auto kin draaie," seit Rus. "It model begjint troch te tinken oer al dizze rjochtingen, en as it CNN mear en mear gegevens krijt oer wat minsken dogge yn bepaalde situaasjes op 'e dyk, sil it sjen dat guon bestjoerders lofts draaie en oaren rjochtsôf, mar gjinien giet direkt . Rjocht foarút wurdt útsletten as in mooglike rjochting, en it model konkludearret dat it by T-krúspunten allinnich nei links of rjochts kin.
By it riden ekstrahearret de CNN ek fisuele dykfunksjes út kamera's, wêrtroch it mooglike rûtewizigingen kin foarsizze. Bygelyks, it identifisearret in read stopteken of in brutsen line oan 'e kant fan' e dyk as tekens fan in oankommende krusing. Op elk momint brûkt it de foarseine kânsferdieling fan kontrôlekommando's om it meast juste kommando te selektearjen.
It is wichtich om te notearjen dat, neffens de ûndersikers, har autopilot kaarten brûkt dy't ekstreem maklik binne te bewarjen en te ferwurkjen. Autonome kontrôlesystemen brûke typysk lidar-kaarten, dy't sawat 4000 GB oan gegevens opnimme om allinich de stêd San Francisco op te slaan. Foar elke nije bestimming moat de auto nije kaarten brûke en meitsje, wat in enoarme hoemannichte ûnthâld fereasket. Oan 'e oare kant beslacht de kaart brûkt troch de nije Autopilot de heule wrâld, wylst se mar 40 gigabytes oan gegevens besette.
Tidens autonoom riden fergeliket it systeem syn fisuele gegevens ek konstant mei de kaartgegevens en markearret alle ôfwikingen. Dit helpt it autonome auto better te bepalen wêr't it op 'e dyk is. En dit soarget derfoar dat de auto op it feilichste paad bliuwt, sels as er tsjinstridige ynfierynformaasje krijt: as de auto bygelyks op in rjochte dyk reizget sûnder bochten, en de GPS jout oan dat de auto rjochtsôf moat, sil de auto witte om rjochttroch te gean of stopje.
"Yn 'e echte wrâld mislearje sensoren," seit Amini. "Wy wolle derfoar soargje dat ús autopilot resistint is foar ferskate sensorfouten troch in systeem te meitsjen dat alle lûdsinjalen kin ûntfange en de dyk noch goed navigearje kin."
Boarne: 3dnews.ru