Адамдарга окшош чечимдерди кабыл ала турган өзүн-өзү башкара турган унааларды түзүү Waymo, GM Cruise, Uber жана башкалар сыяктуу компаниялардын көптөн берки максаты болуп келген. Intel Mobileye жоопкерчиликти сезген коопсуздуктун (RSS) математикалык моделин сунуштайт, аны компания автопилотту өзүн "жакшы" алып жүрүүгө программалоо менен мүнөздөлгөн, мисалы, башка унааларга жол укугун берүү менен мүнөздөлгөн "жалпы акыл-эс" мамилеси катары сүрөттөйт. . Башка жагынан алганда, NVIDIA Safety Force Field-ди активдүү иштеп чыгууда, бул системага негизделген чечим кабыл алуу технологиясы, ал реалдуу убакытта унаа сенсорлорунун маалыматтарын талдоо аркылуу айланадагы жол колдонуучуларынын кооптуу аракеттерин көзөмөлдөйт. Эми Массачусетс технология институтунун (MIT) илимпоздорунун тобу бул изилдөөгө кошулуп, GPS сыяктуу карталарды жана автопилот белгисиз жерде багыт алышы үчүн унаага орнотулган камералардан алынган визуалдык маалыматтарды колдонууга негизделген жаңы ыкманы сунушташты. адамга окшош жолдор. жол.
Адамдар мурда болуп көрбөгөн жолдордо унааларды айдоодо өзгөчө чебер. Кайда экенибизди жана кайда барышыбыз керектигин аныктоо үчүн биз жөн гана айланабызда көргөн нерселер менен GPS түзмөктөрүбүздө көргөн нерселерибизди салыштырабыз. Ал эми өзү башкарган унаалар жолдун белгисиз тилкелеринде жүрүү өтө кыйынга турат. Ар бир жаңы жер үчүн автопилот жаңы маршрутту кылдаттык менен талдап чыгышы керек жана көбүнчө автоматтык башкаруу системалары жеткирүүчүлөр аларга алдын ала даярдаган татаал 3D карталарга таянат.
Ушул жумада Робототехника жана автоматташтыруу боюнча эл аралык конференцияда жарыяланган докладда MIT изилдөөчүлөрү адамдын айдоочусу кичинекей шаар аймагындагы жолдорду бир гана маалыматтарды колдонуу менен башкарып баратканда чечим кабыл алуу үлгүлөрүн "үйрөнүүчү" жана эстеп турган автономдуу айдоо системасын сүрөттөшөт. камералар жана жөнөкөй GPS сыяктуу карта. Андан кийин үйрөтүлгөн автопилот айдоочусу жок унааны толугу менен жаңы жерде айдап, адамдын айдоосун окшоштура алат.
Адам сыяктуу эле, автопилот да анын картасы менен жолдун өзгөчөлүктөрүнүн ортосундагы айырмачылыктарды аныктайт. Бул системага анын жолдо, сенсорлордогу же картадагы абалы туура эмес экендигин аныктоого жардам берет, андыктан ал унаанын багытын тууралай алат.
Алгач системаны үйрөтүү үчүн адам оператору бир нече камералар жана негизги GPS навигация системасы менен жабдылган автоматташтырылган Toyota Prius унаасын айдап, шаар четиндеги көчөлөрдөн, анын ичинде ар кандай жол структураларынан жана тоскоолдуктардан маалыматтарды чогулткан. Андан кийин система автономдуу унааларды сыноо үчүн арналган башка токойлуу аймакта алдын ала пландалган маршрут боюнча унааны ийгиликтүү айдады.
«Биздин система менен ар бир жолдо алдын ала машыгуунун кереги жок», — дейт изилдөөнүн автору, MIT аспиранты Александр Амини. "Унааңызга мурда болуп көрбөгөн жолдордо навигациялоо үчүн жаңы картаны жүктөп алсаңыз болот."
"Биздин максатыбыз - жаңы шарттарда айдоо үчүн туруктуу автономдуу навигацияны түзүү", - деп кошумчалайт авторлош Даниэла Рус, Компьютердик илим жана жасалма интеллект лабораториясынын (CSAIL) директору. "Мисалы, эгер биз автономдуу унааны Кембридж көчөлөрү сыяктуу шаардык чөйрөдө айдоо үчүн үйрөтсөк, система дагы мындай чөйрөнү эч качан көрбөсө дагы, токойдо жылмакай айдай алышы керек."
Салттуу навигация системалары сенсордун маалыматтарын локализациялоо, картага түшүрүү, объектти аныктоо, кыймылды пландаштыруу жана башкаруу сыяктуу тапшырмалар үчүн конфигурацияланган бир нече модулдар аркылуу иштетет. Даниеланын тобу бир нече жылдар бою сенсордун маалыматтарын иштеп чыгуучу жана атайын модулдарды талап кылбастан, унааны башкарган учу-кыйырына чейин навигациялык системаларды иштеп чыгууда. Бирок, ушул убакка чейин, бул моделдер эч кандай реалдуу максаты жок, жолдо коопсуз саякат үчүн катуу колдонулган. Жаңы эмгекте изилдөөчүлөр мурда белгисиз чөйрөдө максатты көздөй кыймыл үчүн алардын акырына чейин системасын такташты. Бул үчүн окумуштуулар автопилотту айдап баратканда каалаган убакта бардык мүмкүн болгон башкаруу командалары үчүн толук ыктымалдык бөлүштүрүүнү алдын ала айтууга үйрөтүштү.
Системада көбүнчө сүрөт таануу үчүн колдонулган конволюциялык нейрон тармагы (CNN) деп аталган машина үйрөнүү модели колдонулат. Машыгуу учурунда система адамдын айдоочусунун жүрүм-турумуна байкоо салат. CNN рулдун бурулуштарын жолдун ийрилиги менен салыштырып, аны камералар жана анын кичинекей картасы аркылуу байкайт. Натыйжада, система түз жолдор, төрт тараптуу кесилиштер же Т-түйшүүлөр, айрылар жана бурулуштар сыяктуу ар кандай айдоо кырдаалдары үчүн эң ыктымалдуу башкаруу буйруктарын үйрөнөт.
"Башында, T-кесилиште, машине бура турган көптөгөн ар кандай багыттар бар" дейт Рус. "Модель ушул багыттардын бардыгы жөнүндө ойлонуудан башталат жана CNN жолдо белгилүү бир жагдайларда адамдар эмне кылып жаткандыгы жөнүндө барган сайын көбүрөөк маалымат алган сайын, кээ бир айдоочулар солго, башкалары оңго бурулуп жатканын көрөт, бирок эч ким түз барбайт. . Түз алдыда мүмкүн болгон багыт катары четке кагылган жана модель T-айрымдарында ал солго же оңго гана жыла алат деген тыянакка келет.
Айдоо учурунда CNN ошондой эле жолдун визуалдык өзгөчөлүктөрүн камералардан чыгарып, маршруттун мүмкүн болуучу өзгөрүүлөрүн алдын ала айтууга мүмкүндүк берет. Мисалы, ал кызыл токтоо белгисин же жолдун жээгиндеги үзүлгөн сызыкты алдыдагы кесилишинин белгиси катары аныктайт. Ар бир көз ирмемде эң туура буйрукту тандоо үчүн башкаруу буйруктарынын болжолдуу ыктымалдык бөлүштүрүлүшүн колдонот.
Белгилей кетчү нерсе, изилдөөчүлөрдүн айтымында, алардын автопилоту сактоого жана иштетүүгө өтө оңой карталарды колдонот. Автономдуу башкаруу тутумдары, адатта, Сан-Франциско шаарын сактоо үчүн болжол менен 4000 ГБ маалыматтарды ээлеген лидар карталарын колдонушат. Ар бир жаңы көздөгөн үчүн, унаа эстутум зор көлөмүн талап кылган жаңы карталарды колдонууга жана түзүүгө тийиш. Башка жагынан алганда, жаңы Autopilot колдонгон карта 40 гигабайт гана маалыматты ээлеп, бүт дүйнөнү камтыйт.
Автономдуу айдоо учурунда система өзүнүн визуалдык маалыматтарын картанын маалыматтары менен тынымсыз салыштырып, бардык келишпестиктерди белгилейт. Бул автономдуу унаа жолдо кайда экенин жакшыраак аныктоого жардам берет. Жана бул, эгер ал карама-каршы келген маалыматты алса да, унаа эң коопсуз жолдо калышын камсыздайт: эгерде, айталы, унаа түз жолдо эч кандай бурулуштары жок баратса жана GPS унаа оңго бурулушу керек экенин көрсөтсө, унаа түз жүрүүнү же токтотууну бил.
"Чыныгы дүйнөдө сенсорлор иштебей калат" дейт Амини. "Биз автопилотубуз ар кандай ызы-чуу сигналдарын кабыл ала турган жана дагы эле жолдо туура багыт алган системаны түзүү аркылуу ар кандай сенсорлордун каталарына туруктуу экенине ынангыбыз келет."
Source: 3dnews.ru