Crearea de mașini autonome care pot lua decizii asemănătoare oamenilor a fost un obiectiv de lungă durată al companiilor precum Waymo, GM Cruise, Uber și altele. Intel Mobileye oferă un model matematic de siguranță sensibilă la responsabilitate (RSS), pe care compania îl descrie drept o abordare de „bun simț” care se caracterizează prin programarea pilotului automat pentru a se comporta într-un mod „bun”, cum ar fi acordarea dreptului de trecere altor mașini. . Pe de altă parte, NVIDIA dezvoltă în mod activ Safety Force Field, o tehnologie de decizie bazată pe sistem care monitorizează acțiunile nesigure ale utilizatorilor drumurilor din jur prin analiza datelor de la senzorii vehiculului în timp real. Acum, un grup de oameni de știință de la Massachusetts Institute of Technology (MIT) s-a alăturat acestei cercetări și a propus o nouă abordare bazată pe utilizarea hărților asemănătoare GPS și a datelor vizuale obținute de la camerele instalate pe mașină, astfel încât pilotul automat să poată naviga pe necunoscut. drumuri asemănătoare unei persoane.
Oamenii sunt excepțional de buni la conducerea mașinilor pe drumuri pe care nu au mai fost niciodată. Pur și simplu comparăm ceea ce vedem în jurul nostru cu ceea ce vedem pe dispozitivele noastre GPS pentru a determina unde suntem și unde trebuie să mergem. Pe de altă parte, mașinilor cu conducere autonomă le este extrem de dificil să navigheze pe porțiuni necunoscute ale drumului. Pentru fiecare nouă locație, pilotul automat trebuie să analizeze cu atenție noua rută și adesea sistemele de control automate se bazează pe hărți 3D complexe pe care furnizorii le pregătesc în avans.
Într-o lucrare prezentată săptămâna aceasta la Conferința Internațională pentru Robotică și Automatizare, cercetătorii MIT descriu un sistem de conducere autonomă care „învață” și își amintește tiparele de luare a deciziilor unui șofer uman în timp ce navighează pe drumuri într-o zonă mică de oraș folosind doar date din video camere și o hartă simplă asemănătoare unui GPS. Pilotul automat antrenat poate conduce apoi mașina fără șofer într-o locație complet nouă, simulând conducerea umană.
La fel ca un om, pilotul automat detectează și orice discrepanțe între harta sa și caracteristicile drumului. Acest lucru ajută sistemul să determine dacă poziția sa pe drum, senzorii sau harta sunt incorecte, astfel încât să poată corecta cursul vehiculului.
Pentru a instrui inițial sistemul, un operator uman a condus un Toyota Prius automat echipat cu mai multe camere și un sistem de navigație GPS de bază pentru a colecta date de pe străzile suburbane locale, inclusiv diferite structuri rutiere și obstacole. Sistemul a condus apoi cu succes mașina de-a lungul unui traseu pre-planificat într-o altă zonă împădurită destinată testării vehiculelor autonome.
„Cu sistemul nostru, nu trebuie să te antrenezi pe fiecare drum în avans”, spune autorul studiului Alexander Amini, un student absolvent al MIT. „Puteți descărca o nouă hartă pentru mașina dvs. pentru a naviga pe drumuri pe care nu le-ați mai văzut niciodată”.
„Scopul nostru este să creăm o navigație autonomă, care să fie rezistentă la conducerea în medii noi”, adaugă co-autorul Daniela Rus, director al Laboratorului de Informatică și Inteligență Artificială (CSAIL). „De exemplu, dacă antrenăm un vehicul autonom să conducă într-un mediu urban, cum ar fi străzile din Cambridge, sistemul trebuie să poată, de asemenea, să circule lin într-o pădure, chiar dacă nu a mai văzut niciodată un astfel de mediu”.
Sistemele de navigație tradiționale procesează datele senzorilor prin mai multe module configurate pentru sarcini precum localizarea, maparea, detectarea obiectelor, planificarea mișcării și direcția. De ani de zile, grupul Danielei dezvoltă sisteme de navigație end-to-end care procesează datele senzorilor și controlează mașina fără a fi nevoie de module specializate. Până acum, însă, aceste modele au fost folosite strict pentru călătorii în siguranță pe șosea, fără niciun scop real. În noua lucrare, cercetătorii și-au rafinat sistemul end-to-end pentru mișcarea de la țintă la destinație într-un mediu necunoscut anterior. Pentru a face acest lucru, oamenii de știință și-au antrenat pilotul automat pentru a prezice distribuția completă a probabilității pentru toate comenzile de control posibile în orice moment în timpul conducerii.
Sistemul folosește un model de învățare automată numit rețea neuronală convoluțională (CNN), folosit în mod obișnuit pentru recunoașterea imaginilor. În timpul antrenamentului, sistemul observă comportamentul de conducere al unui șofer uman. CNN corelează virajele de la volan cu curbura drumului, pe care o observă prin camere și pe harta sa mică. Drept urmare, sistemul învață cele mai probabile comenzi de direcție pentru diferite situații de conducere, cum ar fi drumuri drepte, intersecții cu patru sensuri sau intersecții în T, bifurcări și viraje.
„Inițial, la o intersecție în T, există multe direcții diferite pe care o mașină poate întoarce”, spune Rus. „Modelul începe prin a se gândi la toate aceste direcții, iar pe măsură ce CNN obține din ce în ce mai multe date despre ceea ce fac oamenii în anumite situații de pe drum, va vedea că unii șoferi fac stânga, iar alții la dreapta, dar nimeni nu merge direct. . Mișcarea directă este exclusă ca o direcție posibilă, iar modelul concluzionează că la intersecțiile în T se poate deplasa doar la stânga sau la dreapta.”
În timpul conducerii, CNN extrage, de asemenea, caracteristicile vizuale ale drumului de pe camere, permițându-i să prezică posibilele schimbări de rută. De exemplu, identifică un semn de oprire roșu sau o linie întreruptă pe marginea drumului ca semne ale unei intersecții viitoare. În fiecare moment, utilizează distribuția de probabilitate prezisă a comenzilor de control pentru a selecta cea mai corectă comandă.
Este important de reținut că, potrivit cercetătorilor, pilotul lor automat folosește hărți care sunt extrem de ușor de stocat și procesat. Sistemele de control autonome folosesc de obicei hărți lidar, care ocupă aproximativ 4000 GB de date pentru a stoca doar orașul San Francisco. Pentru fiecare nouă destinație, mașina trebuie să folosească și să creeze hărți noi, ceea ce necesită o cantitate imensă de memorie. Pe de altă parte, harta folosită de noul Autopilot acoperă întreaga lume în timp ce ocupă doar 40 de gigaocteți de date.
În timpul conducerii autonome, sistemul compară constant datele sale vizuale cu datele hărții și semnalează orice discrepanțe. Acest lucru ajută vehiculul autonom să determine mai bine unde se află pe drum. Și acest lucru asigură că mașina rămâne pe calea cea mai sigură, chiar dacă primește informații de intrare conflictuale: dacă, să zicem, mașina circulă pe un drum drept, fără viraj, iar GPS-ul indică faptul că mașina trebuie să vireze la dreapta, mașina va știi să mergi drept sau să te oprești.
„În lumea reală, senzorii eșuează”, spune Amini. „Vrem să ne asigurăm că pilotul nostru automat este rezistent la diverse defecțiuni ale senzorului, creând un sistem care poate primi orice semnale de zgomot și să navigheze în continuare pe drum corect.”
Sursa: 3dnews.ru