Nggawe mobil mandhiri sing bisa nggawe keputusan kaya manungsa wis dadi tujuan sing wis suwe perusahaan kaya Waymo, GM Cruise, Uber lan liya-liyane. Intel Mobileye nawakake model matematika Responsibility-Sensitive Safety (RSS), sing diterangake perusahaan minangka pendekatan "akal sehat" sing ditondoi kanthi program autopilot supaya tumindak kanthi cara sing "apik", kayata menehi mobil liya kanthi bener. . Ing sisih liya, NVIDIA aktif ngembangake Safety Force Field, teknologi nggawe keputusan adhedhasar sistem sing ngawasi tumindak sing ora aman saka pangguna dalan ing saubengΓ© kanthi nganalisa data saka sensor kendaraan kanthi wektu nyata. Saiki klompok ilmuwan saka Massachusetts Institute of Technology (MIT) wis gabung karo riset iki lan ngusulake pendekatan anyar adhedhasar panggunaan peta kaya GPS lan data visual sing dipikolehi saka kamera sing dipasang ing mobil supaya autopilot bisa navigasi ing sing ora dingerteni. dalan sing padha karo wong.
Wong apik banget nyopir mobil ing dalan sing durung tau dilewati. Kita mung mbandhingake apa sing kita deleng ing saubengΓ© karo apa sing kita deleng ing piranti GPS kita kanggo nemtokake ngendi kita lan ngendi kita kudu pindhah. Mobil sing nyopir dhewe, ing tangan liyane, angel banget kanggo navigasi ing bagean dalan sing ora dingerteni. Kanggo saben lokasi anyar, autopilot kudu kasebut kanthi teliti, njelasno rute anyar, lan asring sistem kontrol otomatis gumantung ing peta 3D Komplek sing supplier nyiyapake kanggo wong-wong mau ing advance.
Ing makalah sing dipresentasikan minggu iki ing Konferensi Internasional babagan Robotika lan Otomasi, peneliti MIT njlèntrèhaké sistem nyopir otonom sing "sinau" lan ngelingi pola pengambilan keputusan sopir manungsa nalika njelajah dalan ing wilayah kutha cilik mung nggunakake data saka video. kamera lan peta GPS-kaya prasaja. Autopilot sing dilatih banjur bisa nyopir mobil tanpa sopir ing lokasi sing anyar, simulasi nyopir manungsa.
Kaya manungsa, autopilot uga ndeteksi bedo ing antarane peta lan fitur dalan. Iki mbantu sistem nemtokake manawa posisi ing dalan, sensor, utawa peta ora bener supaya bisa mbenerake dalane kendaraan.
Kanggo pisanan nglatih sistem kasebut, operator manungsa nyopir Toyota Prius otomatis sing dilengkapi sawetara kamera lan sistem navigasi GPS dhasar kanggo ngumpulake data saka lurung-lurung pinggiran kutha lokal, kalebu macem-macem struktur dalan lan alangan. Sistem kasebut banjur sukses nyopir mobil kasebut ing rute sing wis direncanakake ing wilayah alas liyane sing dimaksudake kanggo nguji kendaraan otonom.
"Kanthi sistem kita, sampeyan ora kudu nglatih ing saben dalan luwih dhisik," ujare penulis sinau Alexander Amini, mahasiswa lulusan MIT. "Sampeyan bisa ndownload peta anyar kanggo mobil kanggo navigasi dalan sing durung nate katon sadurunge."
"Tujuan kita yaiku nggawe pandhu arah otonom sing tahan kanggo nyopir ing lingkungan anyar," tambah rekan penulis Daniela Rus, direktur Ilmu Komputer lan Laboratorium Kecerdasan Buatan (CSAIL). "Contone, yen kita nglatih kendaraan otonom kanggo nyopir ing lingkungan kutha kayata ing lurung-lurung ing Cambridge, sistem kasebut uga kudu bisa nyopir kanthi lancar ing alas, sanajan durung nate ndeleng lingkungan kaya ngono."
Sistem navigasi tradisional ngolah data sensor liwat macem-macem modul sing dikonfigurasi kanggo tugas kayata lokalisasi, pemetaan, deteksi obyek, perencanaan gerakan lan kemudi. Wis pirang-pirang taun, klompok Daniela wis ngembangake sistem navigasi end-to-end sing ngolah data sensor lan ngontrol mobil tanpa mbutuhake modul khusus. Nganti saiki, model kasebut wis digunakake kanthi ketat kanggo lelungan sing aman ing dalan, tanpa tujuan sing nyata. Ing karya anyar, peneliti nyaring sistem end-to-end kanggo gerakan goal-to-destination ing lingkungan sing sadurunge ora dingerteni. Kanggo nindakake iki, para ilmuwan nglatih autopilot kanggo prΓ©dhiksi distribusi kemungkinan lengkap kanggo kabeh perintah kontrol sing bisa ditindakake nalika nyopir.
Sistem kasebut nggunakake model pembelajaran mesin sing disebut jaringan saraf convolutional (CNN), sing umum digunakake kanggo pangenalan gambar. Sajrone latihan, sistem mirsani prilaku nyopir driver manungsa. CNN correlates setir dadi karo lengkungan dalan, kang mirsani liwat kamera lan ing peta cilik. AkibatΓ©, sistem sinau printah setir paling kamungkinan kanggo macem-macem kahanan nyopir, kayata dalan lurus, prapatan papat utawa T-prapatan, garpu lan giliran.
"Kaping pisanan, ing persimpangan T, ana macem-macem arah sing bisa ditindakake mobil," ujare Rus. "Model kasebut diwiwiti kanthi mikir babagan kabeh arah kasebut, lan nalika CNN entuk data luwih akeh babagan apa sing ditindakake wong ing kahanan tartamtu ing dalan, bakal weruh manawa sawetara pembalap noleh ngiwa lan liyane noleh nengen, nanging ora ana sing langsung mlaku. . Lurus ing ngarep diputus minangka arah sing bisa ditindakake, lan model kasebut nyimpulake yen ing persimpangan T mung bisa pindhah ngiwa utawa nengen.
Nalika nyopir, CNN uga ngekstrak fitur dalan visual saka kamera, supaya bisa prΓ©dhiksi owah-owahan rute. Contone, iku ngenali tandha mandeg abang utawa garis rusak ing pinggir dalan minangka pratandha saka prapatan mbesuk. Ing saben wayahe, nggunakake distribusi probabilitas prediksi saka printah kontrol kanggo milih printah paling bener.
Penting kanggo dicathet yen, miturut peneliti, autopilot nggunakake peta sing gampang banget kanggo disimpen lan diproses. Sistem kontrol otonom biasane nggunakake peta lidar, sing njupuk kira-kira 4000 GB data kanggo nyimpen mung kutha San Francisco. Kanggo saben tujuan anyar, mobil kudu nggunakake lan nggawe peta anyar, sing mbutuhake memori sing akeh. Ing sisih liya, peta sing digunakake dening Autopilot anyar kalebu ing saindenging jagad nalika mung ngemot data 40 gigabyte.
Sajrone nyopir otonom, sistem uga terus-terusan mbandhingake data visual karo data peta lan menehi tandha manawa ana bedo. Iki mbantu kendharaan otonom luwih bisa nemtokake ing endi ing dalan. Lan iki njamin mobil tetep ing dalan sing paling aman, sanajan nampa informasi input sing bentrok: yen, ngomong, mobil mlaku ing dalan sing lurus tanpa belokan, lan GPS nuduhake yen mobil kudu nguripake tengen, mobil bakal ngerti langsung utawa mandheg.
"Ing jagad nyata, sensor gagal," ujare Amini. "Kita pengin mesthekake yen autopilot kita tahan kanggo macem-macem kegagalan sensor kanthi nggawe sistem sing bisa nampa sinyal swara lan isih navigasi dalan kanthi bener."
Source: 3dnews.ru