TÄdu uzÅÄmumu kÄ Waymo, GM Cruise, Uber un citu ilgtermiÅa mÄrÄ·is ir radÄ«t paÅ”braucoÅ”as automaŔīnas, kas spÄj pieÅemt cilvÄkam lÄ«dzÄ«gus lÄmumus. Intel Mobileye piedÄvÄ Responsibility-Sensitive Safety (RSS) matemÄtisko modeli, ko uzÅÄmums raksturo kÄ "veselÄ saprÄta" pieeju, ko raksturo autopilota programmÄÅ”ana tÄ, lai tas darbotos "labÄ" veidÄ, piemÄram, dodot priekÅ”roka citÄm automaŔīnÄm. . No otras puses, NVIDIA aktÄ«vi attÄ«sta Safety Force Field ā uz sistÄmu balstÄ«tu lÄmumu pieÅemÅ”anas tehnoloÄ£iju, kas uzrauga apkÄrtÄjo satiksmes dalÄ«bnieku nedroÅ”as darbÄ«bas, reÄllaikÄ analizÄjot datus no transportlÄ«dzekļa sensoriem. Tagad MasaÄÅ«setsas TehnoloÄ£iju institÅ«ta (MIT) zinÄtnieku grupa ir pievienojusies Å”im pÄtÄ«jumam un ierosinÄjusi jaunu pieeju, kas balstÄ«ta uz GPS lÄ«dzÄ«gu karÅ”u un vizuÄlo datu izmantoÅ”anu, kas iegÅ«ti no automaŔīnÄ uzstÄdÄ«tajÄm kamerÄm, lai autopilots varÄtu orientÄties nezinÄmajÄ. ceļi lÄ«dzÄ«gi cilvÄkam.veids.
CilvÄki ir ÄrkÄrtÄ«gi labi vadÄ«t automaŔīnas pa ceļiem, pa kuriem viÅi nekad agrÄk nav braukuÅ”i. MÄs vienkÄrÅ”i salÄ«dzinÄm to, ko redzam sev apkÄrt, ar to, ko redzam savÄs GPS ierÄ«cÄs, lai noteiktu, kur atrodamies un kur mums jÄdodas. SavukÄrt paÅ”braucoÅ”Äm automaŔīnÄm ir ÄrkÄrtÄ«gi grÅ«ti orientÄties nezinÄmos ceļa posmos. Katrai jaunai atraÅ”anÄs vietai autopilotam ir rÅ«pÄ«gi jÄanalizÄ jaunais marÅ”ruts, un bieži vien automÄtiskÄs vadÄ«bas sistÄmas paļaujas uz sarežģītÄm 3D kartÄm, kuras piegÄdÄtÄji tÄm sagatavo iepriekÅ”.
RakstÄ, kas Å”onedÄļ tika prezentÄts StarptautiskajÄ robotikas un automatizÄcijas konferencÄ, MIT pÄtnieki apraksta autonomu braukÅ”anas sistÄmu, kas "apgÅ«st" un atceras cilvÄka vadÄ«tÄja lÄmumu pieÅemÅ”anas modeļus, kad viÅi pÄrvietojas pa ceļiem mazas pilsÄtas teritorijÄ, izmantojot tikai datus. no video kameras un vienkÄrÅ”a GPS lÄ«dzÄ«ga karte. ApmÄcÄ«tais autopilots pÄc tam var vadÄ«t automaŔīnu bez vadÄ«tÄja pilnÄ«gi jaunÄ vietÄ, imitÄjot cilvÄka braukÅ”anu.
TÄpat kÄ cilvÄks, autopilots arÄ« nosaka jebkÄdas neatbilstÄ«bas starp karti un ceļa iezÄ«mÄm. Tas palÄ«dz sistÄmai noteikt, vai tÄs atraÅ”anÄs vieta uz ceļa, sensori vai karte ir nepareiza, lai tÄ varÄtu koriÄ£Ät transportlÄ«dzekļa kursu.
Lai sÄkotnÄji apmÄcÄ«tu sistÄmu, cilvÄks-operators vadÄ«ja automatizÄtu Toyota Prius, kas aprÄ«kots ar vairÄkÄm kamerÄm un pamata GPS navigÄcijas sistÄmu, lai savÄktu datus no vietÄjÄm piepilsÄtas ielÄm, tostarp dažÄdÄm ceļa konstrukcijÄm un ŔķÄrŔļiem. PÄc tam sistÄma veiksmÄ«gi vadÄ«ja automaŔīnu pa iepriekÅ” izplÄnotu marÅ”rutu citÄ mežainÄ apvidÅ«, kas paredzÄts autonomo transportlÄ«dzekļu testÄÅ”anai.
"Izmantojot mÅ«su sistÄmu, jums nav iepriekÅ” jÄtrenÄjas uz katra ceļa," saka pÄtÄ«juma autors Aleksandrs Amini, MIT absolvents. "JÅ«s varat lejupielÄdÄt jaunu karti savai automaŔīnai, lai pÄrvietotos pa ceļiem, kas vÄl nekad nav redzÄti."
"MÅ«su mÄrÄ·is ir izveidot autonomu navigÄciju, kas ir izturÄ«ga pret braukÅ”anu jaunÄs vidÄs," piebilst lÄ«dzautore Daniela Rus, DatorzinÄtnes un mÄkslÄ«gÄ intelekta laboratorijas (CSAIL) direktore. "PiemÄram, ja mÄs apmÄcÄm autonomu transportlÄ«dzekli braukt pilsÄtvidÄ, piemÄram, Kembridžas ielÄs, sistÄmai ir jÄspÄj vienmÄrÄ«gi braukt arÄ« mežÄ, pat ja tÄ nekad agrÄk nav redzÄjusi Å”Ädu vidi."
TradicionÄlÄs navigÄcijas sistÄmas apstrÄdÄ sensoru datus, izmantojot vairÄkus moduļus, kas konfigurÄti tÄdiem uzdevumiem kÄ lokalizÄcija, kartÄÅ”ana, objektu noteikÅ”ana, kustÄ«bas plÄnoÅ”ana un vadÄ«Å”ana. Daniela grupa gadiem ilgi ir izstrÄdÄjusi visaptveroÅ”as navigÄcijas sistÄmas, kas apstrÄdÄ sensoru datus un kontrolÄ automaŔīnu bez nepiecieÅ”amÄ«bas pÄc specializÄtiem moduļiem. TomÄr lÄ«dz Å”im Å”ie modeļi tika izmantoti tikai droÅ”ai ceļoÅ”anai pa ceļu, bez jebkÄda reÄla mÄrÄ·a. JaunajÄ darbÄ pÄtnieki pilnveidoja savu sistÄmu no gala lÄ«dz galam kustÄ«bai no mÄrÄ·a lÄ«dz galamÄrÄ·im iepriekÅ” nezinÄmÄ vidÄ. Lai to izdarÄ«tu, zinÄtnieki apmÄcÄ«ja savu autopilotu, lai prognozÄtu visu iespÄjamo vadÄ«bas komandu pilno varbÅ«tÄ«bas sadalÄ«jumu jebkurÄ braukÅ”anas laikÄ.
SistÄma izmanto maŔīnmÄcÄ«Å”anÄs modeli, ko sauc par konvolucionÄlo neironu tÄ«klu (CNN), ko parasti izmanto attÄlu atpazÄ«Å”anai. ApmÄcÄ«bas laikÄ sistÄma novÄro vadÄ«tÄja cilvÄka braukÅ”anas uzvedÄ«bu. CNN korelÄ stÅ«res pagriezienus ar ceļa izliekumu, ko tas novÄro caur kamerÄm un savÄ mazajÄ kartÄ. RezultÄtÄ sistÄma apgÅ«st visticamÄkÄs stÅ«rÄÅ”anas komandas dažÄdÄm braukÅ”anas situÄcijÄm, piemÄram, taisniem ceļiem, Äetrvirzienu krustojumiem vai T veida krustojumiem, dakÅ”Äm un pagriezieniem.
"SÄkotnÄji T veida krustojumÄ automaŔīna var pagriezties dažÄdos virzienos," saka Rus. "Modelis sÄkas, domÄjot par visiem Å”iem virzieniem, un, tÄ kÄ CNN iegÅ«st arvien vairÄk datu par to, ko cilvÄki dara noteiktÄs situÄcijÄs uz ceļa, tas redzÄs, ka daži autovadÄ«tÄji pagriežas pa kreisi un citi pa labi, bet neviens neiet tieÅ”i. . TieÅ”i uz priekÅ”u kÄ iespÄjamais virziens ir izslÄgts, un modelis secina, ka T veida krustojumos tas var pÄrvietoties tikai pa kreisi vai pa labi.
Braucot, CNN no kamerÄm iegÅ«st arÄ« vizuÄlÄs ceļa iezÄ«mes, ļaujot prognozÄt iespÄjamÄs marÅ”ruta izmaiÅas. PiemÄram, tas identificÄ sarkanu apstÄÅ”anÄs zÄ«mi vai pÄrtrauktu lÄ«niju ceļa malÄ kÄ tuvojoÅ”Ä krustojuma zÄ«mes. KatrÄ brÄ«dÄ« tÄ izmanto paredzÄto vadÄ«bas komandu varbÅ«tÄ«bas sadalÄ«jumu, lai izvÄlÄtos vispareizÄko komandu.
Ir svarÄ«gi atzÄ«mÄt, ka, pÄc pÄtnieku domÄm, viÅu autopilots izmanto kartes, kuras ir ÄrkÄrtÄ«gi viegli uzglabÄt un apstrÄdÄt. AutonomÄs vadÄ«bas sistÄmas parasti izmanto Lidar kartes, kas aizÅem aptuveni 4000 GB datu, lai saglabÄtu tikai Sanfrancisko pilsÄtu. Katram jaunam galamÄrÄ·im automaŔīnai ir jÄizmanto un jÄizveido jaunas kartes, kas prasa milzÄ«gu atmiÅas apjomu. No otras puses, jaunÄ Autopilota izmantotÄ karte aptver visu pasauli, vienlaikus aizÅemot tikai 40 gigabaitus datu.
AutonomÄs braukÅ”anas laikÄ sistÄma arÄ« pastÄvÄ«gi salÄ«dzina savus vizuÄlos datus ar kartes datiem un atzÄ«mÄ visas neatbilstÄ«bas. Tas palÄ«dz autonomajam transportlÄ«dzeklim labÄk noteikt, kur tas atrodas uz ceļa. Un tas nodroÅ”ina, ka automaŔīna paliek uz droÅ”ÄkÄ ceļa, pat ja tÄ saÅem pretrunÄ«gu ievades informÄciju: ja, piemÄram, automaŔīna brauc pa taisnu ceļu bez pagriezieniem un GPS norÄda, ka automaŔīnai ir jÄnogriežas pa labi, automaŔīna zinÄt iet taisni vai apstÄties.
"ReÄlajÄ pasaulÄ sensori neizdodas," saka Amini. "MÄs vÄlamies pÄrliecinÄties, ka mÅ«su autopilots ir izturÄ«gs pret dažÄdÄm sensoru kļūmÄm, izveidojot sistÄmu, kas var uztvert jebkÄdus trokÅ”Åa signÄlus un joprojÄm pareizi orientÄties pa ceļu."
Avots: 3dnews.ru