Tokių kompanijų kaip „Waymo“, „GM Cruise“, „Uber“ ir kitų ilgalaikis tikslas buvo sukurti savarankiškai važiuojančius automobilius, galinčius priimti žmones panašius sprendimus. „Intel Mobileye“ siūlo atsakomybei jautrų saugos (RSS) matematinį modelį, kurį bendrovė apibūdina kaip „sveiko proto“ metodą, kuriam būdingas autopiloto užprogramavimas veikti „gerai“, pavyzdžiui, suteikiant pirmumo teisę kitiems automobiliams. . Kita vertus, NVIDIA aktyviai kuria „Safety Force Field“ – sistemine sprendimų technologiją, kuri stebi nesaugius aplinkinių eismo dalyvių veiksmus, realiuoju laiku analizuodama duomenis iš transporto priemonės jutiklių. Dabar grupė mokslininkų iš Masačusetso technologijos instituto (MIT) prisijungė prie šio tyrimo ir pasiūlė naują metodą, pagrįstą GPS tipo žemėlapių ir vaizdinių duomenų, gautų iš automobilyje sumontuotų kamerų, naudojimu, kad autopilotas galėtų naršyti nežinomoje vietoje. keliai, panašūs į žmogų.
Žmonės ypač gerai vairuoja automobilius keliais, kuriais dar niekada nevažiavo. Mes tiesiog lyginame tai, ką matome aplinkui, su tuo, ką matome savo GPS įrenginiuose, kad nustatytų, kur esame ir kur turime eiti. Kita vertus, savarankiškai važiuojantiems automobiliams labai sunku važiuoti nežinomomis kelio atkarpomis. Kiekvienai naujai vietai autopilotas turi atidžiai išanalizuoti naują maršrutą, o dažnai automatinės valdymo sistemos remiasi sudėtingais 3D žemėlapiais, kuriuos tiekėjai jiems paruošia iš anksto.
Šią savaitę Tarptautinėje robotikos ir automatikos konferencijoje pristatytame dokumente MIT mokslininkai aprašo autonominio vairavimo sistemą, kuri „mokosi“ ir prisimena žmogaus vairuotojo sprendimų priėmimo modelius, kai jie naršo kelius mažame mieste, naudodami tik vaizdo įrašo duomenis fotoaparatai ir paprastas GPS tipo žemėlapis. Tada apmokytas autopilotas gali vairuoti automobilį be vairuotojo visiškai naujoje vietoje, imituodamas žmogaus vairavimą.
Kaip ir žmogus, autopilotas taip pat aptinka bet kokius žemėlapio ir kelio ypatybių neatitikimus. Tai padeda sistemai nustatyti, ar jos padėtis kelyje, jutikliai ar žemėlapis yra neteisingi, kad galėtų pakoreguoti transporto priemonės kursą.
Norėdami iš pradžių apmokyti sistemą, žmogus operatorius vairavo automatizuotą Toyota Prius su keliomis kameromis ir pagrindine GPS navigacijos sistema, kad rinktų duomenis iš vietinių priemiesčių gatvių, įskaitant įvairias kelio konstrukcijas ir kliūtis. Tada sistema sėkmingai nuvažiavo automobilį iš anksto suplanuotu maršrutu kitoje miškingoje vietovėje, skirtoje autonominėms transporto priemonėms išbandyti.
„Naudojant mūsų sistemą, jums nereikia iš anksto treniruotis kiekviename kelyje“, – sako tyrimo autorius Aleksandras Amini, MIT magistrantas. „Galite atsisiųsti naują žemėlapį savo automobiliui, kad galėtumėte važiuoti keliais, kurių dar niekada nematėte.
„Mūsų tikslas – sukurti autonominę navigaciją, kuri būtų atspari vairavimui naujose aplinkose“, – priduria bendraautorė Daniela Rus, Kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL) direktorė. „Pavyzdžiui, jei mokome autonominę transporto priemonę važiuoti miesto aplinkoje, pavyzdžiui, Kembridžo gatvėse, sistema taip pat turi gebėti sklandžiai važiuoti miške, net jei ji dar niekada nematė tokios aplinkos.
Tradicinės navigacijos sistemos apdoroja jutiklių duomenis per kelis modulius, sukonfigūruotus tokioms užduotims kaip lokalizacija, žemėlapių sudarymas, objektų aptikimas, judesio planavimas ir vairavimas. Daugelį metų Danielos grupė kūrė visapusiškas navigacijos sistemas, kurios apdoroja jutiklių duomenis ir valdo automobilį be jokių specializuotų modulių. Tačiau iki šiol šie modeliai buvo naudojami tik saugiai keliauti kelyje, be jokio tikslo. Naujajame darbe mokslininkai patobulino savo galutinę sistemą, skirtą judėjimui nuo tikslo iki kelionės tikslo anksčiau nežinomoje aplinkoje. Norėdami tai padaryti, mokslininkai išmokė savo autopilotą numatyti visą tikimybių pasiskirstymą visoms galimoms valdymo komandoms bet kuriuo metu vairuojant.
Sistema naudoja mašininio mokymosi modelį, vadinamą konvoliuciniu neuroniniu tinklu (CNN), dažniausiai naudojamu vaizdų atpažinimui. Mokymų metu sistema stebi žmogaus vairuotojo elgesį. CNN vairo posūkius koreliuoja su kelio kreivumu, kurį stebi per kameras ir mažame žemėlapyje. Dėl to sistema išmoksta labiausiai tikėtinas vairavimo komandas įvairioms vairavimo situacijoms, pavyzdžiui, tiesiems keliams, keturių krypčių sankryžoms ar T formos sankryžoms, šakėms ir posūkiams.
„Iš pradžių T formos sankryžoje automobilis gali pasukti daugybe skirtingų krypčių“, – sako Rus. „Modelis pradedamas galvoti apie visas šias kryptis, o CNN gaunant vis daugiau duomenų apie tai, ką žmonės veikia tam tikrose situacijose kelyje, pamatys, kad vieni vairuotojai sukasi į kairę, kiti į dešinę, bet niekas nevažiuoja tiesiai. . Tiesiai į priekį atmetama kaip galima kryptis, ir modelis daro išvadą, kad T formos sankryžose jis gali judėti tik į kairę arba į dešinę.
Vairuojant CNN taip pat iš vaizdo kamerų išskiria vaizdines kelio ypatybes, leidžiančias numatyti galimus maršruto pokyčius. Pavyzdžiui, jis nurodo raudoną stabdymo ženklą arba nutrūkusią liniją kelio pusėje kaip artėjančios sankryžos ženklus. Kiekvieną akimirką ji naudoja nuspėjamą valdymo komandų tikimybių pasiskirstymą, kad pasirinktų tinkamiausią komandą.
Svarbu pažymėti, kad, pasak mokslininkų, jų autopilotas naudoja žemėlapius, kuriuos itin paprasta saugoti ir apdoroti. Autonominės valdymo sistemos paprastai naudoja lidar žemėlapius, kurie užima maždaug 4000 GB duomenų, kad būtų saugomas tik San Francisko miestas. Kiekvienai naujai paskirties vietai automobilis turi naudoti ir kurti naujus žemėlapius, o tam reikia daug atminties. Kita vertus, naujojo Autopiloto naudojamas žemėlapis apima visą pasaulį ir užima tik 40 gigabaitų duomenų.
Autonominio vairavimo metu sistema taip pat nuolat lygina savo vizualinius duomenis su žemėlapio duomenimis ir pažymi visus neatitikimus. Tai padeda autonominei transporto priemonei geriau nustatyti, kur ji yra kelyje. Ir tai užtikrina, kad automobilis liks saugiausiu keliu, net ir gavęs prieštaringą įvesties informaciją: jei, tarkime, automobilis važiuoja tiesiu keliu be posūkių, o GPS rodo, kad automobilis turėtų pasukti į dešinę, automobilis žinoti eiti tiesiai arba sustoti.
„Realiame pasaulyje jutikliai sugenda“, – sako Amini. „Norime užtikrinti, kad mūsų autopilotas būtų atsparus įvairiems jutiklių gedimams, sukurdamas sistemą, kuri galėtų priimti bet kokius triukšmo signalus ir vis tiek teisingai naršyti kelyje.
Šaltinis: 3dnews.ru