Хүн шиг шийдвэр гаргах чадвартай өөрөө жолооддог машин бүтээх нь Waymo, GM Cruise, Uber болон бусад компаниудын урт хугацааны зорилго байсаар ирсэн. Intel Mobileye нь Хариуцлага-Мэдрэмжтэй Аюулгүй байдлын (RSS) математик загварыг санал болгодог бөгөөд үүнийг компани нь бусад машинуудад зам тавих эрхийг олгох гэх мэт автомат нисгэгчийг "сайн" байдлаар ажиллахад програмчлах замаар тодорхойлогддог "эрүүл ухаан" арга гэж тодорхойлдог. . Нөгөөтэйгүүр, NVIDIA нь тээврийн хэрэгслийн мэдрэгчээс авсан өгөгдөлд бодит цаг хугацаанд дүн шинжилгээ хийх замаар эргэн тойрон дахь замын хэрэглэгчдийн аюултай үйлдлийг хянадаг системд суурилсан шийдвэр гаргах технологи болох Safety Force Field-ийг идэвхтэй хөгжүүлж байна. Одоо Массачусетсийн Технологийн Их Сургуулийн (MIT) хэсэг эрдэмтэд энэхүү судалгаанд нэгдэж, GPS-тэй төстэй газрын зураг, машинд суурилуулсан камеруудаас олж авсан визуал мэдээлэлд суурилсан шинэ аргыг санал болгосноор автомат нисгэгч үл мэдэгдэх газар жолоодох боломжтой болсон. хүнтэй төстэй замууд. зам.
Хүмүүс урьд өмнө хэзээ ч явж байгаагүй замаар машин жолоодохдоо маш сайн байдаг. Бид хаана байгаагаа, хаашаа явах ёстойгоо тодорхойлохын тулд эргэн тойронд байгаа зүйлээ GPS төхөөрөмж дээрээ харж байгаа зүйлтэйгээ харьцуулж үздэг. Харин өөрөө жолоодлоготой машинууд замын үл мэдэгдэх хэсгүүдээр явахад туйлын хэцүү байдаг. Шинэ байршил бүрийн хувьд автомат нисгэгч шинэ маршрутыг сайтар шинжлэх шаардлагатай бөгөөд ихэвчлэн автомат удирдлагын систем нь ханган нийлүүлэгчид урьдчилан бэлтгэдэг нарийн төвөгтэй 3D газрын зураг дээр тулгуурладаг.
Энэ долоо хоногт Роботехник ба автоматжуулалтын олон улсын бага хурлын үеэр танилцуулсан илтгэлдээ MIT-ийн судлаачид зөвхөн өгөгдөл ашиглан жижиг хотын замд явж буй хүний жолоочийн шийдвэр гаргах хэв маягийг "суралцаж", санаж байдаг бие даасан жолоодлогын системийг дүрсэлсэн байна. камер, энгийн GPS-тэй төстэй газрын зураг. Дараа нь сургагдсан автомат нисгэгч жолоочгүй машиныг цоо шинэ байршилд жолоодож, хүний жолоодлогыг дуурайлган жолоодох боломжтой.
Автомат нисгэгч нь хүний нэгэн адил газрын зураг болон замын шинж чанаруудын хоорондын зөрүүг илрүүлдэг. Энэ нь системд зам дээрх байрлал, мэдрэгч эсвэл газрын зураг буруу байгаа эсэхийг тодорхойлоход тусалдаг тул тээврийн хэрэгслийн чиглэлийг засах боломжтой.
Уг системийг анхлан сургахын тулд хүний оператор олон камер, үндсэн GPS навигацийн системээр тоноглогдсон автомат Toyota Prius машин жолоодож, хотын захын гудамжууд, тэр дундаа замын янз бүрийн бүтэц, саад бэрхшээл зэрэг мэдээллийг цуглуулсан. Дараа нь систем нь автомат жолоодлоготой тээврийн хэрэгслийг турших зориулалттай өөр ой модтой газарт урьдчилан төлөвлөсөн маршрутын дагуу машинаа амжилттай жолоодов.
MIT-ийн төгсөх ангийн оюутан, судалгааны зохиолч Александр Амини "Манай системийн хувьд та зам бүр дээр урьдчилан бэлтгэл хийх шаардлагагүй" гэж хэлэв. "Та машиндаа урьд өмнө хэзээ ч байгаагүй замаар явахын тулд шинэ газрын зургийг татаж авах боломжтой."
Компьютерийн шинжлэх ухаан, хиймэл оюун ухааны лабораторийн (CSAIL) захирал Даниэла Рус "Бидний зорилго бол шинэ орчинд жолоодоход тэсвэртэй, бие даасан навигацийг бий болгох явдал юм" гэж нэмж хэлэв. "Жишээ нь, хэрэв бид Кембрижийн гудамж гэх мэт хотын орчинд жолоодохын тулд бие даасан тээврийн хэрэгслийг сургавал систем нь урьд өмнө хэзээ ч ийм орчинг харж байгаагүй байсан ч ойд саадгүй жолоодох чадвартай байх ёстой."
Уламжлалт навигацийн системүүд локалчлал, зураглал, объект илрүүлэх, хөдөлгөөнийг төлөвлөх, жолоодох зэрэг ажлуудад тохируулсан олон модулиар дамжуулан мэдрэгчийн өгөгдлийг боловсруулдаг. Даниелагийн групп олон жилийн турш мэдрэгчийн өгөгдлийг боловсруулж, ямар нэгэн тусгай модуль ашиглахгүйгээр машиныг удирддаг төгсгөл хоорондын навигацийн системийг хөгжүүлсээр ирсэн. Гэсэн хэдий ч өнөөг хүртэл эдгээр загварууд нь ямар ч бодит зорилгогүйгээр зам дээр аюулгүй зорчиход зориулагдсан байв. Шинэ ажилдаа судлаачид урьд өмнө нь үл мэдэгдэх орчинд зорилгоосоо хүрэх чиглэлд шилжих системээ боловсронгуй болгосон. Үүнийг хийхийн тулд эрдэмтэд жолоодлогын үед хүссэн үедээ бүх боломжит удирдлагын командуудын магадлалын бүрэн хуваарилалтыг урьдчилан таамаглах автомат нисгэгчдээ сургасан.
Энэхүү систем нь дүрсийг танихад түгээмэл хэрэглэгддэг конволюцийн мэдрэлийн сүлжээ (CNN) хэмээх машин сургалтын загварыг ашигладаг. Сургалтын явцад уг систем нь хүний жолоочийн жолоодлогын байдлыг ажигладаг. CNN нь жолооны хүрдний эргэлтийг замын муруйлттай харьцуулж, камер болон жижиг газрын зураг дээрээ ажигладаг. Үүний үр дүнд систем нь шулуун зам, дөрвөн замын уулзвар эсвэл Т-уулзвар, салаа, эргэлт гэх мэт янз бүрийн жолоодлогын нөхцөлд жолоодох хамгийн боломжит командуудыг сурдаг.
"Эхэндээ, T уулзвар дээр машин эргэх боломжтой олон чиглэлтэй байдаг" гэж Рус хэлэв. "Загвар нь эдгээр бүх чиглэлийн талаар бодож эхэлдэг бөгөөд CNN зам дээр зарим нөхцөл байдалд хүмүүс юу хийж байгаа талаар илүү их мэдээлэл авах тусам зарим жолооч зүүн, бусад нь баруун тийш эргэхийг харах болно, гэхдээ хэн ч шууд явахгүй байна. . Шулуун урагшлах нь боломжит чиглэл гэж үгүйсгэгдсэн бөгөөд загвар нь T уулзвар дээр зөвхөн зүүн эсвэл баруун тийш хөдөлж чадна гэж дүгнэсэн."
Жолоо барьж байх үед CNN мөн камераас замын дүрслэлийг гаргаж авдаг бөгөөд ингэснээр маршрутын өөрчлөлтийг урьдчилан таамаглах боломжийг олгодог. Тухайлбал, замын хажуугийн улаан зогсолтын тэмдэг эсвэл тасархай шугамыг ойрын уулзваруудын шинж тэмдэг гэж тодорхойлдог. Энэ нь агшин бүрт хамгийн зөв командыг сонгохын тулд хяналтын командуудын таамагласан магадлалын хуваарилалтыг ашигладаг.
Судлаачдын үзэж байгаагаар тэдний автомат нисгэгчид хадгалах, боловсруулахад маш хялбар газрын зургийг ашигладаг гэдгийг анхаарах нь чухал юм. Автономит удирдлагын системүүд нь ихэвчлэн Сан Франциско хотыг хадгалахын тулд ойролцоогоор 4000 ГБ өгөгдөл эзэлдэг лидар газрын зургийг ашигладаг. Шинэ очих газар бүрт машин нь шинэ газрын зураг ашиглаж, үүсгэх ёстой бөгөөд энэ нь асар их санах ой шаарддаг. Нөгөөтэйгүүр, шинэ автомат нисгэгчийн ашигласан газрын зураг нь ердөө 40 гигабайт өгөгдлийг эзэлдэг бөгөөд дэлхийг бүхэлд нь хамардаг.
Автономит жолоодлогын үед систем нь визуал мэдээллээ газрын зургийн өгөгдөлтэй байнга харьцуулж, аливаа зөрчилдөөнийг тэмдэглэдэг. Энэ нь автомат жолоодлоготой машин зам дээр хаана байгаагаа илүү сайн тодорхойлоход тусалдаг. Энэ нь зөрчилдөөнтэй мэдээлэл хүлээн авсан ч гэсэн машин хамгийн аюулгүй зам дээр зогсохыг баталгаажуулдаг: хэрэв машин эргэлтгүй шулуун замаар явж байгаа бол GPS машин баруун тийш эргэх ёстойг зааж өгвөл машин шулуун явах эсвэл зогсохыг мэддэг.
"Бодит ертөнцөд мэдрэгчүүд бүтэлгүйтдэг" гэж Амини хэлэв. "Бид ямар ч дуу чимээний дохиог хүлээн авч, замыг зөв чиглүүлэх системийг бий болгосноор манай автомат нисгэгч янз бүрийн мэдрэгчийн эвдрэлийг тэсвэрлэхийг хүсч байна."
Эх сурвалж: 3dnews.ru