Creare auto a guida autonoma in grado di prendere decisioni simili a quelle umane è stato un obiettivo di lunga data di aziende come Waymo, GM Cruise, Uber e altre. Intel Mobileye offre un modello matematico RSS (Responsibility-Sensitive Safety), che l'azienda descrive come un approccio di "buon senso" caratterizzato dalla programmazione dell'autopilota in modo che si comporti in modo "buono", ad esempio dando ad altre auto la precedenza . D'altra parte, NVIDIA sta sviluppando attivamente Safety Force Field, una tecnologia decisionale basata su sistema che monitora le azioni non sicure degli utenti della strada circostanti analizzando i dati dei sensori dei veicoli in tempo reale. Ora un gruppo di scienziati del Massachusetts Institute of Technology (MIT) si è unito a questa ricerca e ha proposto un nuovo approccio basato sull'uso di mappe simili al GPS e dati visivi ottenuti dalle telecamere installate sull'auto in modo che l'autopilota possa navigare su strade sconosciute. strade simili a una persona.
Le persone sono eccezionalmente brave a guidare auto su strade che non hanno mai percorso prima. Confrontiamo semplicemente ciò che vediamo intorno a noi con ciò che vediamo sui nostri dispositivi GPS per determinare dove siamo e dove dobbiamo andare. Le auto a guida autonoma, d’altro canto, trovano estremamente difficile percorrere tratti stradali sconosciuti. Per ogni nuova località, il pilota automatico deve analizzare attentamente il nuovo percorso e spesso i sistemi di controllo automatico si basano su complesse mappe 3D che i fornitori preparano in anticipo.
In un articolo presentato questa settimana alla Conferenza internazionale sulla robotica e l'automazione, i ricercatori del MIT descrivono un sistema di guida autonomo che "impara" e ricorda i modelli decisionali di un conducente umano mentre percorre le strade in una piccola area cittadina utilizzando solo dati. fotocamere e una semplice mappa simile al GPS. L’autopilota addestrato può quindi guidare l’auto senza conducente in una posizione completamente nuova, simulando la guida umana.
Proprio come un essere umano, anche l'autopilota rileva eventuali discrepanze tra la mappa e le caratteristiche della strada. Ciò aiuta il sistema a determinare se la sua posizione sulla strada, i sensori o la mappa non sono corretti in modo da poter correggere la rotta del veicolo.
Per addestrare inizialmente il sistema, un operatore umano ha guidato una Toyota Prius automatizzata dotata di più telecamere e un sistema di navigazione GPS di base per raccogliere dati dalle strade suburbane locali, comprese varie strutture stradali e ostacoli. Il sistema ha poi guidato con successo l’auto lungo un percorso pre-pianificato in un’altra area boschiva destinata a testare veicoli autonomi.
"Con il nostro sistema, non è necessario allenarsi in anticipo su ogni strada", afferma l'autore dello studio Alexander Amini, uno studente laureato del MIT. "Puoi scaricare una nuova mappa per la tua auto per percorrere strade mai viste prima."
“Il nostro obiettivo è creare una navigazione autonoma che sia resistente alla guida in nuovi ambienti”, aggiunge la coautrice Daniela Rus, direttrice del Laboratorio di informatica e intelligenza artificiale (CSAIL). “Ad esempio, se addestriamo un veicolo autonomo a guidare in un ambiente urbano come le strade di Cambridge, il sistema deve essere in grado di guidare senza problemi anche in una foresta, anche se non ha mai visto un ambiente simile prima”.
I sistemi di navigazione tradizionali elaborano i dati dei sensori attraverso più moduli configurati per attività quali localizzazione, mappatura, rilevamento di oggetti, pianificazione del movimento e guida. Da anni il gruppo di Daniela sviluppa sistemi di navigazione end-to-end che elaborano i dati dei sensori e controllano l'auto senza la necessità di moduli specializzati. Finora, però, questi modelli sono stati utilizzati esclusivamente per viaggiare in sicurezza su strada, senza alcuno scopo reale. Nel nuovo lavoro, i ricercatori hanno perfezionato il loro sistema end-to-end per il movimento da obiettivo a destinazione in un ambiente precedentemente sconosciuto. Per fare ciò, gli scienziati hanno addestrato il loro pilota automatico a prevedere la distribuzione di probabilità completa per tutti i possibili comandi di controllo in qualsiasi momento durante la guida.
Il sistema utilizza un modello di apprendimento automatico chiamato rete neurale convoluzionale (CNN), comunemente utilizzato per il riconoscimento delle immagini. Durante l'addestramento il sistema osserva il comportamento di guida di un conducente umano. La CNN mette in relazione i giri del volante con la curvatura della strada, che osserva attraverso le telecamere e sulla sua piccola mappa. Di conseguenza, il sistema apprende i comandi di sterzata più probabili per varie situazioni di guida, come strade diritte, incroci a quattro vie o incroci a T, biforcazioni e svolte.
"Inizialmente, all'incrocio a T, ci sono molte direzioni diverse in cui un'auto può girare", dice Rus. “Il modello inizia pensando a tutte queste direzioni e, man mano che la CNN ottiene sempre più dati su ciò che le persone fanno in determinate situazioni sulla strada, vedrà che alcuni guidatori girano a sinistra e altri a destra, ma nessuno va direttamente . La direzione dritta è esclusa come possibile direzione e il modello conclude che agli incroci a T ci si può muovere solo a sinistra o a destra”.
Durante la guida, la CNN estrae anche le caratteristiche visive della strada dalle telecamere, consentendole di prevedere possibili cambiamenti di percorso. Ad esempio, identifica un segnale di stop rosso o una linea spezzata sul lato della strada come segnali di un incrocio imminente. In ogni momento, utilizza la distribuzione di probabilità prevista dei comandi di controllo per selezionare il comando più corretto.
È importante notare che, secondo i ricercatori, il loro pilota automatico utilizza mappe estremamente facili da archiviare ed elaborare. I sistemi di controllo autonomi utilizzano in genere mappe lidar, che occupano circa 4000 GB di dati per archiviare solo la città di San Francisco. Per ogni nuova destinazione, l'auto deve utilizzare e creare nuove mappe, il che richiede un'enorme quantità di memoria. D'altro canto, la mappa utilizzata dal nuovo Autopilot copre tutto il mondo occupando solo 40 gigabyte di dati.
Durante la guida autonoma, il sistema confronta costantemente i propri dati visivi con quelli della mappa e segnala eventuali discrepanze. Ciò aiuta il veicolo autonomo a determinare meglio dove si trova sulla strada. E questo garantisce che l’auto rimanga sul percorso più sicuro, anche se riceve informazioni contrastanti: se, ad esempio, l’auto sta viaggiando su una strada diritta senza curve, e il GPS indica che l’auto deve svoltare a destra, l’auto sapere se andare dritto o fermarsi.
"Nel mondo reale, i sensori falliscono", afferma Amini. "Vogliamo assicurarci che il nostro pilota automatico sia resistente ai vari guasti dei sensori creando un sistema in grado di ricevere qualsiasi segnale di rumore e continuare a navigare correttamente sulla strada."
Fonte: 3dnews.ru