Selbstfahrend Autoen erstellen déi mënschlech Entscheedunge kënne treffen ass e laangjäregt Zil vu Firmen wéi Waymo, GM Cruise, Uber an anerer. Intel Mobileye bitt e Responsibility-Sensitive Safety (RSS) mathematesche Modell, deen d'Firma beschreift als eng "Gesonde Verstand" Approche déi sech duerch programméiere vum Autopilot charakteriséiert fir sech op eng "gutt" Manéier ze behuelen, sou wéi aner Autoen d'Recht ze ginn. . Op der anerer Säit entwéckelt NVIDIA aktiv Safety Force Field, eng systembaséiert Entscheedungstechnologie déi onsécher Handlunge vun Ëmgéigend Stroossebenotzer iwwerwaacht andeems d'Date vu Gefiersensoren an Echtzäit analyséiert ginn. Elo huet e Grupp vu Wëssenschaftler vum Massachusetts Institute of Technology (MIT) dës Fuerschung ugeschloss an huet eng nei Approche proposéiert baséiert op der Benotzung vu GPS-ähnleche Kaarten a visuellen Donnéeën, déi aus Kameraen um Auto installéiert sinn, sou datt den Autopilot op onbekannt navigéiere kann. Stroossen ähnlech zu enger Persoun Manéier.
D'Leit sinn aussergewéinlech gutt fir Autoen op Stroossen ze fueren wou se ni virdru waren. Mir vergläichen einfach dat wat mir ronderëm eis gesinn mat deem wat mir op eise GPS-Geräter gesinn fir ze bestëmmen wou mir sinn a wou mir hi musse goen. Selbstfahrend Autoen, op der anerer Säit, fannen et extrem schwéier fir onbekannt Stroossestrecken ze navigéieren. Fir all nei Plaz muss den Autopilot déi nei Streck suergfälteg analyséieren, an dacks vertrauen automatesch Kontrollsystemer op komplexe 3D Kaarten, déi d'Liwweranten am Viraus virbereeden.
An engem Pabeier, deen dës Woch op der Internationaler Konferenz iwwer Robotik an Automatisatioun presentéiert gouf, beschreiwen MIT Fuerscher en autonome Fueresystem deen "léiert" an un d'Entscheedungsmuster vun engem mënschleche Chauffer erënnert wéi se Stroossen an enger klenger Stadgebitt navigéieren mat nëmmen Daten. Kameraen an eng einfach GPS-ähnlech Kaart. Den trainéierten Autopilot kann dann de Chaufferlosen Auto op enger komplett neier Plaz fueren, a simuléiert de Fuere vum Mënsch.
Just wéi e Mënsch, erkennt den Autopilot och all Ënnerscheeder tëscht senger Kaart an de Stroossemerkmale. Dëst hëlleft dem System ze bestëmmen ob seng Positioun op der Strooss, Sensoren oder Kaart falsch sinn, sou datt et de Kurs vum Gefier korrigéiere kann.
Fir ursprénglech de System ze trainéieren, huet e mënschleche Bedreiwer en automatiséierten Toyota Prius gefuer, deen mat méi Kameraen an engem Basis GPS Navigatiounssystem ausgestatt ass, fir Daten aus lokalen Faubourgen Stroossen ze sammelen, dorënner verschidde Stroossestrukturen an Hindernisser. De System huet dunn den Auto erfollegräich laanscht eng virgeplangte Streck an engem anere Bëschgebitt gefuer, deen fir autonom Gefierer getest ass.
"Mat eisem System musst Dir net op all Strooss am Viraus trainéieren", seet de Studienautor Alexander Amini, en MIT Graduéierter Student. "Dir kënnt eng nei Kaart fir Ären Auto eroflueden fir Stroossen ze navigéieren déi se ni virdru gesinn hunn."
"Eist Zil ass et eng autonom Navigatioun ze kreéieren déi elastesch ass fir an neien Ëmfeld ze fueren", füügt Co-Autor Daniela Rus, Direkter vum Computer Science and Artificial Intelligence Laboratory (CSAIL) derbäi. "Zum Beispill, wa mir en autonomt Gefier trainéiere fir an engem urbanen Ëmfeld wéi d'Stroosse vu Cambridge ze fueren, muss de System och fäeg sinn an engem Bësch ze fueren, och wann et nach ni sou en Ëmfeld gesinn huet."
Traditionell Navigatiounssystemer veraarbecht Sensordaten duerch verschidde Moduler konfiguréiert fir Aufgaben wéi Lokaliséierung, Kartéierung, Objekterkennung, Bewegungsplanung a Lenkung. Zënter Joeren huet dem Daniela säi Grupp end-to-end Navigatiounssystemer entwéckelt, déi Sensordaten veraarbechten an den Auto kontrolléieren ouni datt spezialiséiert Moduler néideg sinn. Bis elo goufen dës Modeller awer strikt fir sécher Rees op der Strooss benotzt, ouni wierklech Zweck. Am neie Wierk hunn d'Fuerscher hiren End-to-End System fir Zil-zu-Destinatioun Bewegung an engem bis elo onbekannte Ëmfeld verfeinert. Fir dëst ze maachen, hunn d'Wëssenschaftler hiren Autopilot trainéiert fir déi voll Wahrscheinlechkeetsverdeelung fir all méiglech Kontrollbefehl zu all Moment beim Fuere virauszesoen.
De System benotzt e Maschinnléiermodell genannt e convolutional neural network (CNN), allgemeng fir Bilderkennung benotzt. Während Training observéiert de System d'Fuerverhalen vun engem mënschleche Chauffer. CNN korreléiert d'Lenkraddréinen mat der Krümmung vun der Strooss, déi se duerch Kameraen an op senger klenger Kaart observéiert. Als Resultat léiert de System déi héchstwahrscheinlech Lenkbefehle fir verschidde Fuere Situatiounen, wéi riicht Stroossen, véier-Wee Kräizungen oder T-Kräizungen, Gabel a Wendungen.
"Ufanks, op enger T-Kräizung, ginn et vill verschidde Richtungen en Auto kann dréinen", seet de Rus. "De Modell fänkt un un all dës Richtungen ze denken, a wéi de CNN ëmmer méi Daten kritt iwwer wat d'Leit a bestëmmte Situatiounen op der Strooss maachen, wäert et gesinn datt e puer Chauffeuren lénks dréien an anerer riets dréien, awer keen geet direkt . Direkt Bewegung ass als méiglech Richtung ausgeschloss, an de Modell schléisst datt op T-Kräizungen et nëmme lénks oder riets kann bewegen.
Beim Fueren extrahéiert den CNN och visuell Stroossemerkmale vu Kameraen, wat et erlaabt méiglech Wee Ännerungen virauszesoen. Zum Beispill identifizéiert et e roude Stoppschëld oder eng gebrach Linn op der Säit vun der Strooss als Schëlder vun enger kommend Kräizung. Zu all Moment benotzt se déi virausgesot Wahrscheinlechkeetsverdeelung vu Kontrollbefehle fir de korrektste Kommando ze wielen.
Et ass wichteg ze bemierken datt, laut de Fuerscher, hiren Autopilot Kaarten benotzt déi extrem einfach ze späicheren a veraarbecht sinn. Autonom Kontrollsystemer benotzen typesch Lidar Kaarten, déi ongeféier 4000 GB vun Daten ophuelen fir just d'Stad San Francisco ze späicheren. Fir all nei Destinatioun muss den Auto nei Kaarten benotzen an erstellen, wat eng enorm Quantitéit un Erënnerung erfuerdert. Op der anerer Säit deckt d'Kaart, déi vum neien Autopilot benotzt gëtt, d'ganz Welt a besetzt nëmmen 40 Gigabytes un Daten.
Beim autonomem Fuere vergläicht de System och permanent seng visuell Daten mat de Kaartdaten a markéiert all Ënnerscheeder. Dëst hëlleft dem autonome Gefier besser ze bestëmmen wou et op der Strooss ass. An dat garantéiert datt den Auto um sécherste Wee bleift, och wann en konfliktend Input-Informatioun kritt: Wann zum Beispill, den Auto op enger riichter Strooss fiert ouni Wendungen, an de GPS weist datt den Auto soll riets dréien, da wäert den Auto weess direkt goen oder ophalen.
"An der realer Welt feelen Sensoren", seet Amini. "Mir wëllen dofir suergen, datt eisen Autopilot resistent géint verschidde Sensorfehler ass, andeems Dir e System erstellt, deen all Geräischer Signaler kritt an ëmmer nach d'Strooss korrekt navigéiert."
Source: 3dnews.ru