ProHoster > Blogs > interneta ziņas > Video: MIT zinātnieki padarīja autopilotu līdzīgāku cilvēkam

Video: MIT zinātnieki padarīja autopilotu līdzīgāku cilvēkam

Tādu uzņēmumu kā Waymo, GM Cruise, Uber un citu ilgtermiņa mērÄ·is ir radÄ«t paÅ”braucoÅ”as automaŔīnas, kas spēj pieņemt cilvēkam lÄ«dzÄ«gus lēmumus. Intel Mobileye piedāvā Responsibility-Sensitive Safety (RSS) matemātisko modeli, ko uzņēmums raksturo kā "veselā saprāta" pieeju, ko raksturo autopilota programmÄ“Å”ana tā, lai tas darbotos "labā" veidā, piemēram, dodot priekÅ”roka citām automaŔīnām. . No otras puses, NVIDIA aktÄ«vi attÄ«sta Safety Force Field ā€” uz sistēmu balstÄ«tu lēmumu pieņemÅ”anas tehnoloÄ£iju, kas uzrauga apkārtējo satiksmes dalÄ«bnieku nedroÅ”as darbÄ«bas, reāllaikā analizējot datus no transportlÄ«dzekļa sensoriem. Tagad Masačūsetsas TehnoloÄ£iju institÅ«ta (MIT) zinātnieku grupa ir pievienojusies Å”im pētÄ«jumam un ierosinājusi jaunu pieeju, kas balstÄ«ta uz GPS lÄ«dzÄ«gu karÅ”u un vizuālo datu izmantoÅ”anu, kas iegÅ«ti no automaŔīnā uzstādÄ«tajām kamerām, lai autopilots varētu orientēties nezināmajā. ceļi lÄ«dzÄ«gi cilvēkam.veids.

Video: MIT zinātnieki padarīja autopilotu līdzīgāku cilvēkam

Cilvēki ir ārkārtÄ«gi labi vadÄ«t automaŔīnas pa ceļiem, pa kuriem viņi nekad agrāk nav braukuÅ”i. Mēs vienkārÅ”i salÄ«dzinām to, ko redzam sev apkārt, ar to, ko redzam savās GPS ierÄ«cēs, lai noteiktu, kur atrodamies un kur mums jādodas. Savukārt paÅ”braucoŔām automaŔīnām ir ārkārtÄ«gi grÅ«ti orientēties nezināmos ceļa posmos. Katrai jaunai atraÅ”anās vietai autopilotam ir rÅ«pÄ«gi jāanalizē jaunais marÅ”ruts, un bieži vien automātiskās vadÄ«bas sistēmas paļaujas uz sarežģītām 3D kartēm, kuras piegādātāji tām sagatavo iepriekÅ”.

Rakstā, kas Å”onedēļ tika prezentēts Starptautiskajā robotikas un automatizācijas konferencē, MIT pētnieki apraksta autonomu braukÅ”anas sistēmu, kas "apgÅ«st" un atceras cilvēka vadÄ«tāja lēmumu pieņemÅ”anas modeļus, kad viņi pārvietojas pa ceļiem mazas pilsētas teritorijā, izmantojot tikai datus. no video kameras un vienkārÅ”a GPS lÄ«dzÄ«ga karte. ApmācÄ«tais autopilots pēc tam var vadÄ«t automaŔīnu bez vadÄ«tāja pilnÄ«gi jaunā vietā, imitējot cilvēka braukÅ”anu.

Tāpat kā cilvēks, autopilots arÄ« nosaka jebkādas neatbilstÄ«bas starp karti un ceļa iezÄ«mēm. Tas palÄ«dz sistēmai noteikt, vai tās atraÅ”anās vieta uz ceļa, sensori vai karte ir nepareiza, lai tā varētu koriģēt transportlÄ«dzekļa kursu.

Lai sākotnēji apmācÄ«tu sistēmu, cilvēks-operators vadÄ«ja automatizētu Toyota Prius, kas aprÄ«kots ar vairākām kamerām un pamata GPS navigācijas sistēmu, lai savāktu datus no vietējām piepilsētas ielām, tostarp dažādām ceļa konstrukcijām un ŔķērŔļiem. Pēc tam sistēma veiksmÄ«gi vadÄ«ja automaŔīnu pa iepriekÅ” izplānotu marÅ”rutu citā mežainā apvidÅ«, kas paredzēts autonomo transportlÄ«dzekļu testÄ“Å”anai.

"Izmantojot mÅ«su sistēmu, jums nav iepriekÅ” jātrenējas uz katra ceļa," saka pētÄ«juma autors Aleksandrs Amini, MIT absolvents. "JÅ«s varat lejupielādēt jaunu karti savai automaŔīnai, lai pārvietotos pa ceļiem, kas vēl nekad nav redzēti."

"MÅ«su mērÄ·is ir izveidot autonomu navigāciju, kas ir izturÄ«ga pret braukÅ”anu jaunās vidēs," piebilst lÄ«dzautore Daniela Rus, Datorzinātnes un mākslÄ«gā intelekta laboratorijas (CSAIL) direktore. "Piemēram, ja mēs apmācām autonomu transportlÄ«dzekli braukt pilsētvidē, piemēram, Kembridžas ielās, sistēmai ir jāspēj vienmērÄ«gi braukt arÄ« mežā, pat ja tā nekad agrāk nav redzējusi Ŕādu vidi."

Tradicionālās navigācijas sistēmas apstrādā sensoru datus, izmantojot vairākus moduļus, kas konfigurēti tādiem uzdevumiem kā lokalizācija, kartÄ“Å”ana, objektu noteikÅ”ana, kustÄ«bas plānoÅ”ana un vadÄ«Å”ana. Daniela grupa gadiem ilgi ir izstrādājusi visaptveroÅ”as navigācijas sistēmas, kas apstrādā sensoru datus un kontrolē automaŔīnu bez nepiecieÅ”amÄ«bas pēc specializētiem moduļiem. Tomēr lÄ«dz Å”im Å”ie modeļi tika izmantoti tikai droÅ”ai ceļoÅ”anai pa ceļu, bez jebkāda reāla mērÄ·a. Jaunajā darbā pētnieki pilnveidoja savu sistēmu no gala lÄ«dz galam kustÄ«bai no mērÄ·a lÄ«dz galamērÄ·im iepriekÅ” nezināmā vidē. Lai to izdarÄ«tu, zinātnieki apmācÄ«ja savu autopilotu, lai prognozētu visu iespējamo vadÄ«bas komandu pilno varbÅ«tÄ«bas sadalÄ«jumu jebkurā braukÅ”anas laikā.

Sistēma izmanto maŔīnmācÄ«Å”anās modeli, ko sauc par konvolucionālo neironu tÄ«klu (CNN), ko parasti izmanto attēlu atpazÄ«Å”anai. ApmācÄ«bas laikā sistēma novēro vadÄ«tāja cilvēka braukÅ”anas uzvedÄ«bu. CNN korelē stÅ«res pagriezienus ar ceļa izliekumu, ko tas novēro caur kamerām un savā mazajā kartē. Rezultātā sistēma apgÅ«st visticamākās stÅ«rÄ“Å”anas komandas dažādām braukÅ”anas situācijām, piemēram, taisniem ceļiem, četrvirzienu krustojumiem vai T veida krustojumiem, dakŔām un pagriezieniem.

"Sākotnēji T veida krustojumā automaŔīna var pagriezties dažādos virzienos," saka Rus. "Modelis sākas, domājot par visiem Å”iem virzieniem, un, tā kā CNN iegÅ«st arvien vairāk datu par to, ko cilvēki dara noteiktās situācijās uz ceļa, tas redzēs, ka daži autovadÄ«tāji pagriežas pa kreisi un citi pa labi, bet neviens neiet tieÅ”i. . TieÅ”i uz priekÅ”u kā iespējamais virziens ir izslēgts, un modelis secina, ka T veida krustojumos tas var pārvietoties tikai pa kreisi vai pa labi.

Braucot, CNN no kamerām iegÅ«st arÄ« vizuālās ceļa iezÄ«mes, ļaujot prognozēt iespējamās marÅ”ruta izmaiņas. Piemēram, tas identificē sarkanu apstāŔanās zÄ«mi vai pārtrauktu lÄ«niju ceļa malā kā tuvojoŔā krustojuma zÄ«mes. Katrā brÄ«dÄ« tā izmanto paredzēto vadÄ«bas komandu varbÅ«tÄ«bas sadalÄ«jumu, lai izvēlētos vispareizāko komandu.

Ir svarÄ«gi atzÄ«mēt, ka, pēc pētnieku domām, viņu autopilots izmanto kartes, kuras ir ārkārtÄ«gi viegli uzglabāt un apstrādāt. Autonomās vadÄ«bas sistēmas parasti izmanto Lidar kartes, kas aizņem aptuveni 4000 GB datu, lai saglabātu tikai Sanfrancisko pilsētu. Katram jaunam galamērÄ·im automaŔīnai ir jāizmanto un jāizveido jaunas kartes, kas prasa milzÄ«gu atmiņas apjomu. No otras puses, jaunā Autopilota izmantotā karte aptver visu pasauli, vienlaikus aizņemot tikai 40 gigabaitus datu.

Autonomās braukÅ”anas laikā sistēma arÄ« pastāvÄ«gi salÄ«dzina savus vizuālos datus ar kartes datiem un atzÄ«mē visas neatbilstÄ«bas. Tas palÄ«dz autonomajam transportlÄ«dzeklim labāk noteikt, kur tas atrodas uz ceļa. Un tas nodroÅ”ina, ka automaŔīna paliek uz droŔākā ceļa, pat ja tā saņem pretrunÄ«gu ievades informāciju: ja, piemēram, automaŔīna brauc pa taisnu ceļu bez pagriezieniem un GPS norāda, ka automaŔīnai ir jānogriežas pa labi, automaŔīna zināt iet taisni vai apstāties.

"Reālajā pasaulē sensori neizdodas," saka Amini. "Mēs vēlamies pārliecināties, ka mÅ«su autopilots ir izturÄ«gs pret dažādām sensoru kļūmēm, izveidojot sistēmu, kas var uztvert jebkādus trokŔņa signālus un joprojām pareizi orientēties pa ceļu."



Avots: 3dnews.ru

Pievieno komentāru