יצירת מכוניות בנהיגה עצמית שיכולות לקבל החלטות כמו אנושיות הייתה מטרה ארוכת שנים של חברות כמו Waymo, GM Cruise, Uber ואחרות. אינטל מובילאיי מציעה מודל מתמטי של אחריות רגישות (RSS), אותו מתארת החברה כגישת "שכל ישר" המאופיינת בתכנות הטייס האוטומטי כך שינהג בצורה "טובה", כמו מתן זכות קדימה למכוניות אחרות. . מצד שני, NVIDIA מפתחת באופן פעיל את Safety Force Field, טכנולוגיית קבלת החלטות מבוססת מערכת המנטרת פעולות לא בטוחות של משתמשי הדרך הסובבים על ידי ניתוח נתונים מחיישני רכב בזמן אמת. כעת הצטרפה קבוצת מדענים מהמכון הטכנולוגי של מסצ'וסטס (MIT) למחקר זה והציעה גישה חדשה המבוססת על שימוש במפות דמויות GPS ובנתונים חזותיים המתקבלים ממצלמות המותקנות במכונית, כך שהטייס האוטומטי יוכל לנווט על לא ידוע. דרכים דומות לאדם.דרך.
אנשים טובים בצורה יוצאת דופן בנהיגה במכוניות בכבישים שמעולם לא נסעו בהם. אנחנו פשוט משווים את מה שאנחנו רואים סביבנו עם מה שאנחנו רואים במכשירי ה-GPS שלנו כדי לקבוע איפה אנחנו נמצאים ולאן אנחנו צריכים ללכת. מכוניות בנהיגה עצמית, לעומת זאת, מתקשות ביותר לנווט בקטעים לא ידועים בכביש. עבור כל מיקום חדש, הטייס האוטומטי צריך לנתח בקפידה את המסלול החדש, ולעתים קרובות מערכות בקרה אוטומטיות מסתמכות על מפות תלת מימד מורכבות שהספקים מכינים להן מראש.
במאמר שהוצג השבוע בוועידה הבינלאומית לרובוטיקה ואוטומציה, חוקרי MIT מתארים מערכת נהיגה אוטונומית ש"לומדת" וזוכרת את דפוסי קבלת ההחלטות של נהג אנושי בזמן שהוא מנווט בכבישים באזור עיר קטן תוך שימוש בנתונים בלבד. מתוך וידאו. מצלמות ומפה פשוטה דמוית GPS. הטייס האוטומטי המאומן יכול אז לנהוג במכונית ללא נהג במיקום חדש לחלוטין, המדמה נהיגה אנושית.
בדיוק כמו אדם, גם הטייס האוטומטי מזהה אי התאמה בין המפה שלו לבין תווי הכביש. זה עוזר למערכת לקבוע אם מיקומה על הכביש, החיישנים או המפה שגויים כדי שתוכל לתקן את מסלול הרכב.
כדי לאמן את המערכת תחילה, נהג אנושי במכונית טויוטה פריוס אוטומטית המצוידת במספר מצלמות ומערכת ניווט GPS בסיסית לאיסוף נתונים מרחובות פרבריים מקומיים, כולל מבני כביש ומכשולים שונים. לאחר מכן, המערכת הסיעה את המכונית בהצלחה במסלול שתוכנן מראש באזור מיוער אחר המיועד לבדיקת כלי רכב אוטונומיים.
"עם המערכת שלנו, אתה לא צריך להתאמן על כל כביש מראש", אומר מחבר המחקר אלכסנדר אמיני, סטודנט לתואר שני ב-MIT. "אתה יכול להוריד מפה חדשה למכונית שלך כדי לנווט בדרכים שלא נראתה מעולם."
"המטרה שלנו היא ליצור ניווט אוטונומי שעמיד בפני נהיגה בסביבות חדשות", מוסיפה מחברת שותפה דניאלה רוס, מנהלת המעבדה למדעי המחשב והבינה המלאכותית (CSAIL). "לדוגמה, אם אנו מאמנים רכב אוטונומי לנהוג בסביבה עירונית כמו רחובות קיימברידג', המערכת חייבת להיות מסוגלת גם לנהוג בצורה חלקה ביער, גם אם מעולם לא ראתה סביבה כזו".
מערכות ניווט מסורתיות מעבדות נתוני חיישנים באמצעות מספר מודולים המוגדרים למשימות כגון לוקליזציה, מיפוי, זיהוי אובייקטים, תכנון תנועה והיגוי. במשך שנים, הקבוצה של דניאלה מפתחת מערכות ניווט מקצה לקצה המעבדות נתוני חיישנים ושולטות במכונית ללא צורך במודולים מיוחדים. אולם עד כה, נעשה שימוש בדגמים אלו אך ורק לנסיעה בטוחה על הכביש, ללא כל מטרה אמיתית. בעבודה החדשה, חידדו החוקרים את מערכת הקצה לקצה שלהם לתנועה ממטרה ליעד בסביבה שלא הייתה ידועה בעבר. לשם כך, מדענים אימנו את הטייס האוטומטי שלהם לחזות את התפלגות ההסתברות המלאה עבור כל פקודות הבקרה האפשריות בכל עת בזמן הנהיגה.
המערכת משתמשת במודל למידת מכונה הנקרא רשת עצבית קונבולוציונית (CNN), המשמשת בדרך כלל לזיהוי תמונות. במהלך האימון, המערכת צופה בהתנהגות הנהיגה של נהג אנושי. CNN מתאם את פניות ההגה עם עקמומיות הכביש, שאותן הוא צופה באמצעות מצלמות ובמפה הקטנה שלו. כתוצאה מכך, המערכת לומדת את פקודות ההיגוי הסבירות ביותר עבור מצבי נהיגה שונים, כגון כבישים ישרים, צומתים בארבע כיוונים או צומת T, מזלגות וסיבובים.
"בתחילה, בצומת T, יש הרבה כיוונים שונים שמכונית יכולה לפנות", אומר רוס. "המודל מתחיל בחשיבה על כל הכיוונים האלה, וככל שה-CNN יקבל יותר ויותר נתונים על מה שאנשים עושים במצבים מסוימים על הכביש, הוא יראה שחלק מהנהגים פונים שמאלה ואחרים פונים ימינה, אבל אף אחד לא הולך ישירות . ישר קדימה נשלל ככיוון אפשרי, והמודל מגיע למסקנה שבצומתים T הוא יכול לנוע רק שמאלה או ימינה”.
תוך כדי נהיגה, ה-CNN גם מחלץ מאפייני כביש חזותיים ממצלמות, ומאפשר לו לחזות שינויים אפשריים במסלול. לדוגמה, הוא מזהה תמרור עצור אדום או קו שבור בצד הדרך כסימנים של צומת קרוב. בכל רגע, הוא משתמש בהתפלגות ההסתברות החזויה של פקודות בקרה כדי לבחור את הפקודה הנכונה ביותר.
חשוב לציין שלפי החוקרים, הטייס האוטומטי שלהם משתמש במפות שקל מאוד לאחסן ולעבד אותן. מערכות בקרה אוטונומיות משתמשות בדרך כלל במפות לידאר, אשר תופסות כ-4000 GB של נתונים כדי לאחסן רק את העיר סן פרנסיסקו. עבור כל יעד חדש, על המכונית להשתמש וליצור מפות חדשות, מה שדורש כמות עצומה של זיכרון. מצד שני, המפה שבה משתמש הטייס האוטומטי החדש מכסה את העולם כולו תוך שהיא תופסת רק 40 גיגה-בייט של נתונים.
במהלך נהיגה אוטונומית, המערכת גם משווה כל הזמן את הנתונים הוויזואליים שלה עם נתוני המפה ומסמנת כל אי התאמות. זה עוזר לרכב האוטונומי לקבוע טוב יותר היכן הוא נמצא על הכביש. וזה מבטיח שהמכונית תישאר בנתיב הבטוח ביותר, גם אם היא מקבלת מידע קלט סותר: אם, נניח, המכונית נוסעת בכביש ישר ללא פניות, וה-GPS מציין שהמכונית צריכה לפנות ימינה, המכונית תעשה לדעת ללכת ישר או לעצור.
"בעולם האמיתי, חיישנים נכשלים", אומר אמיני. "אנחנו רוצים לוודא שהטייס האוטומטי שלנו עמיד בפני כשלים בחיישנים שונים על ידי יצירת מערכת שיכולה לקלוט כל אותות רעש ועדיין לנווט את הכביש בצורה נכונה."
מקור: 3dnews.ru