វីដេអូ៖ អ្នកវិទ្យាសាស្ត្រ MIT បានធ្វើឱ្យ autopilot កាន់តែដូចមនុស្ស

ការបង្កើតរថយន្តបើកបរដោយខ្លួនឯងដែលអាចធ្វើការសម្រេចចិត្តដូចមនុស្សគឺជាគោលដៅយូរអង្វែងរបស់ក្រុមហ៊ុនដូចជា Waymo, GM Cruise, Uber និងក្រុមហ៊ុនផ្សេងៗទៀត។ ក្រុមហ៊ុន Intel Mobileye ផ្តល់ជូននូវគំរូគណិតវិទ្យាដែលមានទំនួលខុសត្រូវ-រសើបសុវត្ថិភាព (RSS) ដែលក្រុមហ៊ុនពណ៌នាថាជាវិធីសាស្រ្ត "សុភវិនិច្ឆ័យ" ដែលត្រូវបានកំណត់លក្ខណៈដោយការសរសេរកម្មវិធី autopilot ឱ្យមានអាកប្បកិរិយា "ល្អ" ដូចជាការផ្តល់សិទ្ធិដល់រថយន្តផ្សេងទៀត . ម៉្យាងវិញទៀត NVIDIA កំពុងអភិវឌ្ឍយ៉ាងសកម្មនូវ Safety Force Field ដែលជាបច្ចេកវិទ្យាធ្វើការសម្រេចចិត្តផ្អែកលើប្រព័ន្ធដែលតាមដានសកម្មភាពដែលមិនមានសុវត្ថិភាពរបស់អ្នកប្រើប្រាស់ផ្លូវជុំវិញដោយការវិភាគទិន្នន័យពីឧបករណ៍ចាប់សញ្ញាយានយន្តក្នុងពេលវេលាជាក់ស្តែង។ ឥឡូវនេះក្រុមអ្នកវិទ្យាសាស្ត្រមកពីវិទ្យាស្ថានបច្ចេកវិទ្យាម៉ាសាឈូសេត (MIT) បានចូលរួមការស្រាវជ្រាវនេះ ហើយបានស្នើវិធីសាស្រ្តថ្មីមួយដោយផ្អែកលើការប្រើប្រាស់ផែនទីដូច GPS និងទិន្នន័យរូបភាពដែលទទួលបានពីកាមេរ៉ាដែលបានដំឡើងនៅលើរថយន្ត ដូច្នេះអ្នកបើកបរស្វ័យប្រវត្តិអាចរុករកដោយមិនស្គាល់។ ផ្លូវស្រដៀងនឹងមនុស្ស។

មនុស្សពិតជាពូកែក្នុងការបើកបររថយន្តនៅលើផ្លូវដែលពួកគេមិនធ្លាប់ធ្វើដំណើរពីមុនមក។ យើងគ្រាន់តែប្រៀបធៀបអ្វីដែលយើងឃើញនៅជុំវិញយើងជាមួយនឹងអ្វីដែលយើងឃើញនៅលើឧបករណ៍ GPS របស់យើងដើម្បីកំណត់កន្លែងដែលយើងនៅ និងកន្លែងដែលយើងត្រូវទៅ។ ម្យ៉ាងវិញទៀត រថយន្តដែលបើកបរដោយខ្លួនឯង ពិបាករុករកផ្នែកដែលមិនស្គាល់នៃផ្លូវ។ សម្រាប់ទីតាំងថ្មីនីមួយៗ autopilot ត្រូវការវិភាគដោយប្រុងប្រយ័ត្ននូវផ្លូវថ្មី ហើយជារឿយៗប្រព័ន្ធគ្រប់គ្រងដោយស្វ័យប្រវត្តិពឹងផ្អែកលើផែនទី 3D ស្មុគស្មាញដែលអ្នកផ្គត់ផ្គង់រៀបចំសម្រាប់ពួកគេជាមុន។

នៅក្នុងអត្ថបទដែលបង្ហាញក្នុងសប្តាហ៍នេះនៅឯសន្និសីទអន្តរជាតិស្តីពីមនុស្សយន្ត និងស្វ័យប្រវត្តិកម្ម អ្នកស្រាវជ្រាវ MIT ពិពណ៌នាអំពីប្រព័ន្ធបើកបរស្វ័យភាពដែល "រៀន" និងចងចាំគំរូការសម្រេចចិត្តរបស់អ្នកបើកបរមនុស្ស នៅពេលពួកគេរុករកផ្លូវនៅក្នុងតំបន់ទីក្រុងតូចមួយដោយប្រើទិន្នន័យពីវីដេអូ។ កាមេរ៉ា និងផែនទីដូច GPS សាមញ្ញ។ បន្ទាប់មក អ្នកបើកបរស្វ័យប្រវត្តិដែលបានទទួលការបណ្តុះបណ្តាលអាចបើកបររថយន្តដែលគ្មានអ្នកបើកបរនៅក្នុងទីតាំងថ្មីទាំងស្រុង ដោយធ្វើត្រាប់តាមការបើកបររបស់មនុស្ស។

ដូចមនុស្សដែរ autopilot ក៏រកឃើញភាពមិនស្របគ្នារវាងផែនទីរបស់វា និងលក្ខណៈផ្លូវផងដែរ។ វាជួយឱ្យប្រព័ន្ធកំណត់ថាតើទីតាំងរបស់វានៅលើផ្លូវ ឧបករណ៍ចាប់សញ្ញា ឬផែនទីមិនត្រឹមត្រូវ ដូច្នេះវាអាចកែតម្រូវផ្លូវរបស់រថយន្តបាន។

ដើម្បីហ្វឹកហាត់ប្រព័ន្ធដំបូង ប្រតិបត្តិករមនុស្សបានបើកឡាន Toyota Prius ស្វ័យប្រវត្តិដែលបំពាក់ដោយកាមេរ៉ាច្រើន និងប្រព័ន្ធ GPS មូលដ្ឋានដើម្បីប្រមូលទិន្នន័យពីផ្លូវជាយក្រុងក្នុងតំបន់ រួមទាំងរចនាសម្ព័ន្ធផ្លូវ និងឧបសគ្គផ្សេងៗ។ បន្ទាប់មក ប្រព័ន្ធនេះបានបើកឡានដោយជោគជ័យ តាមបណ្តោយផ្លូវដែលបានគ្រោងទុកជាមុន នៅក្នុងតំបន់ព្រៃមួយផ្សេងទៀត ដែលមានបំណងសម្រាប់សាកល្បងយានយន្តស្វយ័ត។

Alexander Amini និស្សិតបញ្ចប់ការសិក្សា MIT និយាយថា "ជាមួយនឹងប្រព័ន្ធរបស់យើង អ្នកមិនចាំបាច់ហ្វឹកហាត់នៅគ្រប់ផ្លូវជាមុនទេ"។ "អ្នក​អាច​ទាញ​យក​ផែនទី​ថ្មី​សម្រាប់​រថយន្ត​របស់​អ្នក​ដើម្បី​រុករក​ផ្លូវ​ដែល​មិន​ធ្លាប់​ឃើញ​ពី​មុន​មក។"

លោក Daniela Rus ដែលជាសហអ្នកនិពន្ធនៃមន្ទីរពិសោធន៍វិទ្យាសាស្ត្រកុំព្យូទ័រ និងបញ្ញាសិប្បនិមិត្ត (CSAIL) បន្ថែមថា "គោលដៅរបស់យើងគឺបង្កើតការរុករកស្វយ័តដែលធន់នឹងការបើកបរក្នុងបរិយាកាសថ្មី" ។ “ឧទាហរណ៍ ប្រសិនបើយើងហ្វឹកហាត់យានយន្តស្វយ័តដើម្បីបើកបរក្នុងបរិយាកាសទីក្រុង ដូចជាផ្លូវនានាក្នុងទីក្រុង Cambridge ប្រព័ន្ធក៏ត្រូវតែអាចបើកបរបានយ៉ាងរលូននៅក្នុងព្រៃ ទោះបីជាវាមិនធ្លាប់ឃើញបរិយាកាសបែបនេះពីមុនមកក៏ដោយ”។

ប្រព័ន្ធរុករកបែបប្រពៃណីដំណើរការទិន្នន័យឧបករណ៍ចាប់សញ្ញាតាមរយៈម៉ូឌុលជាច្រើនដែលបានកំណត់រចនាសម្ព័ន្ធសម្រាប់កិច្ចការដូចជា ការធ្វើមូលដ្ឋានីយកម្ម ការធ្វើផែនទី ការរកឃើញវត្ថុ ការធ្វើផែនការចលនា និងការដឹកនាំ។ អស់រយៈពេលជាច្រើនឆ្នាំ ក្រុមរបស់ Daniela បាននិងកំពុងបង្កើតប្រព័ន្ធរុករកពីចុងដល់ចប់ ដែលដំណើរការទិន្នន័យឧបករណ៍ចាប់សញ្ញា និងគ្រប់គ្រងរថយន្តដោយមិនចាំបាច់មានម៉ូឌុលឯកទេសណាមួយឡើយ។ ទោះបីជាយ៉ាងណាក៏ដោយ រហូតមកដល់ពេលនេះ ម៉ូដែលទាំងនេះត្រូវបានប្រើប្រាស់យ៉ាងតឹងរ៉ឹងសម្រាប់ការធ្វើដំណើរប្រកបដោយសុវត្ថិភាពនៅលើដងផ្លូវ ដោយគ្មានគោលបំណងពិតប្រាកដណាមួយឡើយ។ នៅក្នុងការងារថ្មី អ្នកស្រាវជ្រាវបានកែលម្អប្រព័ន្ធពីចុងដល់ចុងរបស់ពួកគេសម្រាប់ចលនាពីគោលដៅទៅទិសដៅនៅក្នុងបរិយាកាសដែលមិនស្គាល់ពីមុន។ ដើម្បីធ្វើដូច្នេះ អ្នកវិទ្យាសាស្ត្របានបណ្តុះបណ្តាល autopilot របស់ពួកគេដើម្បីទស្សន៍ទាយការចែកចាយប្រូបាប៊ីលីតេពេញលេញសម្រាប់ពាក្យបញ្ជាដែលអាចមានទាំងអស់នៅពេលបើកបរ។

ប្រព័ន្ធនេះប្រើគំរូសិក្សាតាមម៉ាស៊ីនដែលហៅថា បណ្តាញសរសៃប្រសាទ convolutional (CNN) ដែលប្រើជាទូទៅសម្រាប់ការទទួលស្គាល់រូបភាព។ ក្នុងអំឡុងពេលហ្វឹកហាត់ ប្រព័ន្ធសង្កេតមើលឥរិយាបថបើកបររបស់មនុស្ស។ CNN ទាក់ទង​នឹង​ចង្កូត​បង្វិល​ជាមួយ​នឹង​ភាព​កោង​នៃ​ផ្លូវ ដែល​វា​សង្កេត​តាម​រយៈ​កាមេរ៉ា និង​នៅ​លើ​ផែនទី​តូច​របស់​វា។ ជាលទ្ធផល ប្រព័ន្ធនឹងសិក្សាពីពាក្យបញ្ជាចង្កូតដែលទំនងបំផុតសម្រាប់ស្ថានភាពបើកបរផ្សេងៗ ដូចជាផ្លូវត្រង់ ផ្លូវប្រសព្វបួនផ្លូវ ឬផ្លូវ T-ប្រសព្វ ផ្លូវបំបែក និងបត់។

Rus និយាយថា "ដំបូងនៅផ្លូវបំបែក T មានទិសដៅផ្សេងៗគ្នាជាច្រើនដែលរថយន្តអាចបត់បាន។ "គំរូចាប់ផ្តើមដោយការគិតអំពីទិសដៅទាំងអស់នេះ ហើយនៅពេលដែល CNN ទទួលបានទិន្នន័យកាន់តែច្រើនអំពីអ្វីដែលមនុស្សកំពុងធ្វើនៅក្នុងស្ថានភាពជាក់លាក់នៅលើផ្លូវ វានឹងឃើញថាអ្នកបើកបរមួយចំនួនបត់ឆ្វេង ហើយអ្នកផ្សេងទៀតបត់ស្តាំ ប៉ុន្តែគ្មាននរណាម្នាក់ទៅដោយផ្ទាល់នោះទេ។ . ត្រង់ទៅមុខត្រូវបានច្រានចោលជាទិសដៅដែលអាចធ្វើទៅបាន ហើយគំរូបានសន្និដ្ឋានថានៅផ្លូវ T-junctions វាអាចផ្លាស់ទីទៅឆ្វេង ឬស្តាំតែប៉ុណ្ណោះ។

ពេលកំពុងបើកបរ ទូរទស្សន៍ CNN ក៏ទាញយកលក្ខណៈពិសេសផ្លូវដែលមើលឃើញពីកាមេរ៉ា ដែលអនុញ្ញាតឱ្យវាទស្សន៍ទាយការផ្លាស់ប្តូរផ្លូវដែលអាចកើតមាន។ ឧទាហរណ៍ វាកំណត់ស្លាកសញ្ញាឈប់ក្រហម ឬខ្សែដែលខូចនៅសងខាងផ្លូវ ជាសញ្ញានៃផ្លូវប្រសព្វដែលនឹងមកដល់។ រាល់ពេល វាប្រើការចែកចាយប្រូបាប៊ីលីតេដែលបានព្យាករណ៍នៃពាក្យបញ្ជាបញ្ជា ដើម្បីជ្រើសរើសពាក្យបញ្ជាដែលត្រឹមត្រូវបំផុត។

វាជារឿងសំខាន់ក្នុងការកត់សម្គាល់ថា យោងតាមអ្នកស្រាវជ្រាវ អូតូពីឡុតរបស់ពួកគេប្រើផែនទីដែលងាយស្រួលរក្សាទុក និងដំណើរការ។ ប្រព័ន្ធគ្រប់គ្រងស្វយ័តជាធម្មតាប្រើផែនទី lidar ដែលយកទិន្នន័យប្រហែល 4000 GB ដើម្បីរក្សាទុកតែទីក្រុង San Francisco ប៉ុណ្ណោះ។ សម្រាប់ទិសដៅថ្មីនីមួយៗ រថយន្តត្រូវប្រើ និងបង្កើតផែនទីថ្មី ដែលទាមទារអង្គចងចាំយ៉ាងច្រើន។ ម៉្យាងវិញទៀត ផែនទីដែលប្រើដោយ Autopilot ថ្មីនេះគ្របដណ្តប់ពិភពលោកទាំងមូល ខណៈដែលកាន់កាប់ទិន្នន័យត្រឹមតែ 40 ជីហ្គាបៃប៉ុណ្ណោះ។

ក្នុងអំឡុងពេលបើកបរដោយស្វយ័ត ប្រព័ន្ធនេះក៏ប្រៀបធៀបទិន្នន័យដែលមើលឃើញរបស់វាជានិច្ចជាមួយនឹងទិន្នន័យផែនទី និងដាក់ទង់ភាពមិនស្របគ្នាណាមួយ។ នេះជួយឱ្យរថយន្តស្វយ័តកំណត់បានកាន់តែច្បាស់ថាវាស្ថិតនៅលើផ្លូវណា។ ហើយនេះធានាថារថយន្តស្ថិតនៅលើផ្លូវដែលមានសុវត្ថិភាពបំផុត បើទោះបីជាវាទទួលបានព័ត៌មានដែលប៉ះទង្គិចគ្នាក៏ដោយ៖ ប្រសិនបើនិយាយថា រថយន្តកំពុងធ្វើដំណើរលើផ្លូវត្រង់ដោយមិនបត់ ហើយ GPS បង្ហាញថារថយន្តគួរតែបត់ស្តាំ នោះរថយន្តនឹង ដឹងថាត្រូវទៅត្រង់ ឬឈប់។

Amini និយាយថា "នៅក្នុងពិភពពិតឧបករណ៍ចាប់សញ្ញាបរាជ័យ" ។ "យើងចង់ធ្វើឱ្យប្រាកដថា autopilot របស់យើងមានភាពធន់នឹងការបរាជ័យឧបករណ៍ចាប់សញ្ញាផ្សេងៗដោយបង្កើតប្រព័ន្ធដែលអាចទទួលសញ្ញាសំឡេងរំខានណាមួយ ហើយនៅតែរុករកផ្លូវបានត្រឹមត្រូវ។"

ប្រភព: 3dnews.ru