Kuunda magari yanayojiendesha ambayo yanaweza kufanya maamuzi kama ya kibinadamu limekuwa lengo la muda mrefu la kampuni kama Waymo, GM Cruise, Uber na zingine. Intel Mobileye inatoa modeli ya hisabati ya Responsibility-Sensitive Safety (RSS), ambayo kampuni inaelezea kama mbinu ya "akili ya kawaida" ambayo ina sifa ya kupanga otomatiki ili kuishi kwa njia "nzuri", kama vile kuyapa magari mengine haki ya njia. . Kwa upande mwingine, NVIDIA inaendeleza kikamilifu Field Force Field, teknolojia ya kufanya maamuzi kulingana na mfumo ambayo inafuatilia vitendo visivyo salama vya watumiaji wa barabara wanaowazunguka kwa kuchanganua data kutoka kwa vitambuzi vya gari kwa wakati halisi. Sasa kikundi cha wanasayansi kutoka Taasisi ya Teknolojia ya Massachusetts (MIT) wamejiunga na utafiti huu na kupendekeza mbinu mpya kulingana na utumiaji wa ramani zinazofanana na GPS na data inayoonekana inayopatikana kutoka kwa kamera zilizowekwa kwenye gari ili rubani aweze kuabiri mahali kusikojulikana. barabara zinazofanana na mtu.njia.
Watu ni wastadi wa kipekee katika kuendesha magari kwenye barabara ambazo hawajawahi kuingia hapo awali. Tunalinganisha tu kile tunachoona karibu nasi na kile tunachokiona kwenye vifaa vyetu vya GPS ili kubainisha tulipo na tunapohitaji kwenda. Magari yanayojiendesha yenyewe, kwa upande mwingine, huona ni vigumu sana kupita sehemu zisizojulikana za barabara. Kwa kila eneo jipya, majaribio ya kiotomatiki yanahitaji kuchanganua kwa makini njia mpya, na mara nyingi mifumo ya kudhibiti kiotomatiki hutegemea ramani changamano za 3D ambazo wasambazaji huzitayarisha mapema.
Katika karatasi iliyowasilishwa wiki hii katika Mkutano wa Kimataifa wa Roboti na Uendeshaji, watafiti wa MIT wanaelezea mfumo wa kuendesha gari unaojitegemea ambao "hujifunza" na kukumbuka mifumo ya kufanya maamuzi ya dereva wanapopitia barabara katika eneo ndogo la jiji kwa kutumia data pekee. kutoka kwa video. kamera na ramani rahisi inayofanana na GPS. Rubani aliyefunzwa anaweza kisha kuendesha gari lisilo na dereva katika eneo jipya kabisa, akiiga uendeshaji wa binadamu.
Kama binadamu, rubani otomatiki pia hugundua tofauti zozote kati ya ramani yake na vipengele vya barabara. Hii husaidia mfumo kubaini ikiwa nafasi yake barabarani, vitambuzi au ramani si sahihi ili iweze kurekebisha mwendo wa gari.
Ili kutoa mafunzo kwa mfumo huo, opereta wa kibinadamu aliendesha gari la kiotomatiki la Toyota Prius lililo na kamera nyingi na mfumo wa msingi wa urambazaji wa GPS ili kukusanya data kutoka mitaa ya karibu ya miji, ikijumuisha miundo na vizuizi mbalimbali vya barabara. Mfumo huo uliendesha gari kwa mafanikio kwenye njia iliyopangwa tayari katika eneo lingine la msitu lililokusudiwa kufanyia majaribio magari yanayojiendesha.
"Pamoja na mfumo wetu, sio lazima ufanye mazoezi kwenye kila barabara mapema," anasema mwandishi wa masomo Alexander Amini, mwanafunzi aliyehitimu MIT. "Unaweza kupakua ramani mpya ya gari lako ili kuabiri barabara ambazo haijawahi kuonekana hapo awali."
"Lengo letu ni kuunda urambazaji wa uhuru ambao unaweza kustahimili kuendesha gari katika mazingira mapya," anaongeza mwandishi mwenza Daniela Rus, mkurugenzi wa Maabara ya Sayansi ya Kompyuta na Maabara ya Ujasusi Bandia (CSAIL). "Kwa mfano, ikiwa tunafunza gari linalojiendesha kuendesha katika mazingira ya mijini kama vile mitaa ya Cambridge, mfumo lazima uweze kuendesha vizuri msituni, hata kama haujawahi kuona mazingira kama hayo hapo awali."
Mifumo ya kitamaduni ya urambazaji huchakata data ya vitambuzi kupitia moduli nyingi zilizosanidiwa kwa ajili ya kazi kama vile ujanibishaji, ramani, utambuzi wa kitu, kupanga mwendo na uendeshaji. Kwa miaka mingi, kikundi cha Daniela kimekuwa kikitengeneza mifumo ya usogezaji kutoka mwisho hadi mwisho ambayo huchakata data ya vitambuzi na kudhibiti gari bila kuhitaji moduli zozote maalum. Hadi sasa, hata hivyo, mifano hii imetumiwa madhubuti kwa usafiri salama barabarani, bila madhumuni yoyote halisi. Katika kazi hiyo mpya, watafiti waliboresha mfumo wao wa kutoka-mwisho-hadi-mwisho wa harakati za lengo-hadi-mwisho katika mazingira yasiyojulikana hapo awali. Ili kufanya hivyo, wanasayansi walifundisha otomatiki wao kutabiri usambazaji kamili wa uwezekano kwa amri zote za udhibiti zinazowezekana wakati wowote unapoendesha gari.
Mfumo hutumia modeli ya kujifunza kwa mashine inayoitwa mtandao wa neva wa kubadilisha (CNN), unaotumika kwa kawaida kutambua picha. Wakati wa mafunzo, mfumo huona tabia ya kuendesha gari ya dereva wa binadamu. CNN inalinganisha zamu za usukani na mpito wa barabara, ambayo inautazama kupitia kamera na kwenye ramani yake ndogo. Kwa hivyo, mfumo hujifunza amri zinazowezekana zaidi za uendeshaji kwa hali mbalimbali za uendeshaji, kama vile barabara zilizonyooka, makutano ya njia nne au makutano ya T, uma na zamu.
"Hapo awali, kwenye makutano ya T, kuna njia nyingi tofauti ambazo gari linaweza kugeuka," Rus anasema. "Mtindo huanza kwa kufikiria juu ya mwelekeo huu wote, na CNN inapopata data zaidi juu ya kile watu wanafanya katika hali fulani barabarani, itaona kuwa madereva wengine wanageuka kushoto na wengine kulia, lakini hakuna anayeenda moja kwa moja. . Mbele moja kwa moja imekataliwa kama mwelekeo unaowezekana, na mfano unahitimisha kuwa kwenye makutano ya T inaweza tu kusonga kushoto au kulia.
Wakati wa kuendesha gari, CNN pia hutoa vipengele vya barabara vinavyoonekana kutoka kwa kamera, na kuiruhusu kutabiri mabadiliko ya njia yanayoweza kutokea. Kwa mfano, inabainisha alama nyekundu ya kusimama au mstari uliokatika kando ya barabara kama ishara za makutano yanayokuja. Kwa kila wakati, hutumia usambazaji wa uwezekano uliotabiriwa wa amri za udhibiti ili kuchagua amri sahihi zaidi.
Ni muhimu kutambua kwamba, kulingana na watafiti, rubani wao hutumia ramani ambazo ni rahisi sana kuhifadhi na kuchakata. Mifumo ya udhibiti wa kujitegemea kwa kawaida hutumia ramani za lidar, ambazo huchukua takriban GB 4000 za data kuhifadhi jiji la San Francisco pekee. Kwa kila marudio mapya, gari lazima litumie na kuunda ramani mpya, ambayo inahitaji kiasi kikubwa cha kumbukumbu. Kwa upande mwingine, ramani inayotumiwa na Autopilot mpya inashughulikia ulimwengu mzima huku ikichukua gigabytes 40 tu za data.
Wakati wa kuendesha gari kwa uhuru, mfumo pia hulinganisha data yake ya kuona na data ya ramani kila wakati na kuashiria utofauti wowote. Hii husaidia gari linalojiendesha kubaini vizuri zaidi lilipo barabarani. Na hii inahakikisha kwamba gari linakaa kwenye njia salama zaidi, hata ikiwa inapokea taarifa za pembejeo zinazopingana: ikiwa, sema, gari linasafiri kwenye barabara moja kwa moja bila zamu, na GPS inaonyesha kwamba gari linapaswa kugeuka kulia, gari litafanya. kujua kwenda moja kwa moja au kuacha.
"Katika ulimwengu wa kweli, vitambuzi hushindwa," anasema Amini. "Tunataka kuhakikisha kwamba otomatiki wetu ni sugu kwa hitilafu mbalimbali za sensorer kwa kuunda mfumo ambao unaweza kupokea mawimbi yoyote ya kelele na bado uende barabarani kwa usahihi."
Chanzo: 3dnews.ru