Insonga o‘xshab qarorlar qabul qila oladigan o‘zi boshqaradigan avtomobillarni yaratish Waymo, GM Cruise, Uber va boshqalar kabi kompaniyalarning azaliy maqsadi bo‘lib kelgan. Intel Mobileye Mas'uliyatga sezgir xavfsizlik (RSS) matematik modelini taklif etadi, uni kompaniya "sog'lom fikr" yondashuvi deb ta'riflaydi, u avtopilotni boshqa avtomobillarga yo'l huquqini berish kabi "yaxshi" tarzda harakat qilish uchun dasturlash bilan tavsiflanadi. . Boshqa tomondan, NVIDIA real vaqt rejimida avtomobil sensorlari ma'lumotlarini tahlil qilish orqali atrofdagi yo'l foydalanuvchilarining xavfli harakatlarini kuzatuvchi tizimga asoslangan qaror qabul qilish texnologiyasi bo'lgan Safety Force Field-ni faol rivojlantirmoqda. Endi Massachusets Texnologiya Instituti (MIT) olimlari guruhi ushbu tadqiqotga qo'shildi va avtopilot noma'lum yo'nalishda harakatlanishi uchun GPS-ga o'xshash xaritalar va avtomobilga o'rnatilgan kameralardan olingan vizual ma'lumotlardan foydalanishga asoslangan yangi yondashuvni taklif qildi. odamga o'xshash yo'llar.
Odamlar ilgari hech qachon bo'lmagan yo'llarda mashina haydashda juda yaxshi. Biz qayerda ekanligimizni va qaerga borishimiz kerakligini aniqlash uchun atrofimizdagi narsalarni GPS qurilmalarimizda ko'rayotgan narsalar bilan solishtirib ko'ramiz. O'z-o'zidan boshqariladigan avtomobillar esa yo'lning noma'lum qismlarida harakatlanishni nihoyatda qiyinlashtiradi. Har bir yangi joy uchun avtopilot yangi marshrutni sinchkovlik bilan tahlil qilishi kerak va ko'pincha avtomatik boshqaruv tizimlari etkazib beruvchilar oldindan tayyorlaydigan murakkab 3D xaritalarga tayanadi.
Shu hafta Robototexnika va avtomatlashtirish bo‘yicha xalqaro konferensiyada taqdim etilgan maqolada MIT tadqiqotchilari faqat ma’lumotlardan foydalangan holda kichik shahar hududida yo‘llarda harakatlanayotgan inson haydovchisining qaror qabul qilish modellarini “o‘rganadigan” va eslab qoladigan avtonom haydash tizimini tasvirlaydi. kameralar va oddiy GPS-ga o'xshash xarita. Keyin o‘qitilgan avtopilot haydovchisiz mashinani mutlaqo yangi joyda boshqara oladi, bu esa odamning haydashini taqlid qiladi.
Xuddi inson kabi, avtopilot ham o'z xaritasi va yo'l xususiyatlari o'rtasidagi tafovutlarni aniqlaydi. Bu tizimga uning yo‘lda, sensorlar yoki xaritadagi joylashuvi noto‘g‘ri ekanligini aniqlashga yordam beradi, shuning uchun u avtomobil yo‘nalishini to‘g‘rilashi mumkin.
Tizimni dastlab o'rgatish uchun inson operatori ko'plab kameralar va asosiy GPS navigatsiya tizimi bilan jihozlangan avtomatlashtirilgan Toyota Prius mashinasini boshqarib, shahar chetidagi ko'chalar, jumladan, turli yo'l tuzilmalari va to'siqlar haqida ma'lumot to'pladi. Keyin tizim avtonom avtotransport vositalarini sinovdan o‘tkazish uchun mo‘ljallangan boshqa o‘rmonli hududda avtomashinani oldindan rejalashtirilgan marshrut bo‘ylab muvaffaqiyatli haydab chiqardi.
MIT aspiranti, tadqiqot muallifi Aleksandr Amini: "Bizning tizimimiz bilan har bir yo'lda oldindan mashq qilishingiz shart emas", deydi tadqiqot muallifi. "Siz mashinangiz uchun ilgari hech qachon ko'rilmagan yo'llarda harakat qilish uchun yangi xaritani yuklab olishingiz mumkin."
"Bizning maqsadimiz - yangi muhitlarda haydashga chidamli avtonom navigatsiyani yaratishdir", deb qo'shimcha qiladi hammuallif Daniela Rus, Kompyuter fanlari va sun'iy intellekt laboratoriyasi (CSAIL) direktori. "Masalan, agar biz avtonom transport vositasini Kembrij ko'chalari kabi shahar muhitida haydashga o'rgatsak, tizim o'rmonda ham muammosiz harakatlana olishi kerak, garchi u ilgari bunday muhitni ko'rmagan bo'lsa ham."
An'anaviy navigatsiya tizimlari sensor ma'lumotlarini mahalliylashtirish, xaritalash, ob'ektlarni aniqlash, harakatni rejalashtirish va boshqarish kabi vazifalar uchun tuzilgan bir nechta modullar orqali qayta ishlaydi. Yillar davomida Daniela guruhi sensor ma'lumotlarini qayta ishlaydigan va hech qanday maxsus modullarga ehtiyoj sezmasdan avtomobilni boshqaradigan uchdan-end navigatsiya tizimlarini ishlab chiqdi. Biroq, hozirgi kunga qadar, bu modellar hech qanday haqiqiy maqsadsiz yo'lda xavfsiz sayohat qilish uchun qat'iy foydalanilgan. Yangi ishda tadqiqotchilar ilgari noma'lum bo'lgan muhitda maqsaddan maqsadgacha harakatlanish uchun o'zlarining oxirigacha tizimini takomillashtirdilar. Buning uchun olimlar avtopilotni haydash paytida istalgan vaqtda barcha mumkin bo'lgan boshqaruv buyruqlari uchun to'liq ehtimollik taqsimotini bashorat qilishga o'rgatishdi.
Tizim odatda tasvirni aniqlash uchun ishlatiladigan konvolyutsion neyron tarmog'i (CNN) deb nomlangan mashinani o'rganish modelidan foydalanadi. Trening davomida tizim inson haydovchisining haydash xatti-harakatlarini kuzatadi. CNN rul g'ildiragining burilishlarini yo'lning egri chizig'i bilan bog'laydi, u kameralar va uning kichik xaritasi orqali kuzatadi. Natijada, tizim turli xil haydash holatlari, masalan, tekis yo'llar, to'rt tomonlama chorrahalar yoki T-tushishlar, vilkalar va burilishlar uchun eng ko'p rul boshqaruvi buyruqlarini o'rganadi.
"Dastlab, T chorrahasida mashina burilishi mumkin bo'lgan juda ko'p turli yo'nalishlar mavjud", deydi Rus. "Model ushbu yo'nalishlarning barchasi haqida o'ylashdan boshlanadi va CNN odamlarning yo'lda muayyan vaziyatlarda nima qilayotgani haqida tobora ko'proq ma'lumot olishi bilan ba'zi haydovchilar chapga, boshqalari o'ngga burilishini ko'radi, lekin hech kim to'g'ridan-to'g'ri o'tmaydi. . To'g'ridan-to'g'ri oldinga siljish mumkin bo'lgan yo'nalish sifatida istisno qilinadi va model T-tushishlarida u faqat chapga yoki o'ngga harakatlanishi mumkin degan xulosaga keladi.
Haydash paytida CNN ham kameralardan yo'lning vizual xususiyatlarini ajratib oladi, bu esa marshrut o'zgarishini bashorat qilish imkonini beradi. Misol uchun, u qizil to'xtash belgisini yoki yo'l chetidagi singan chiziqni yaqinlashib kelayotgan chorraha belgisi sifatida belgilaydi. Har lahzada u eng to'g'ri buyruqni tanlash uchun boshqaruv buyruqlarining taxminiy ehtimollik taqsimotidan foydalanadi.
Shuni ta'kidlash kerakki, tadqiqotchilarning fikriga ko'ra, ularning avtopiloti saqlash va qayta ishlash juda oson bo'lgan xaritalardan foydalanadi. Avtonom boshqaruv tizimlari odatda faqat San-Fransisko shahrini saqlash uchun taxminan 4000 GB ma'lumotni egallagan lidar xaritalaridan foydalanadi. Har bir yangi manzil uchun mashina yangi xaritalardan foydalanishi va yaratishi kerak, bu esa katta hajmdagi xotirani talab qiladi. Boshqa tomondan, yangi Autopilot tomonidan qo'llaniladigan xarita butun dunyoni qamrab oladi va atigi 40 gigabayt ma'lumotni egallaydi.
Avtonom haydash vaqtida tizim, shuningdek, doimiy ravishda o'zining vizual ma'lumotlarini xarita ma'lumotlari bilan taqqoslaydi va har qanday nomuvofiqlikni belgilab beradi. Bu avtonom avtomobil yo'lda qayerda ekanligini yaxshiroq aniqlashga yordam beradi. Va bu, agar u qarama-qarshi kiritilgan ma'lumotlarni olsa ham, avtomobil eng xavfsiz yo'lda qolishini ta'minlaydi: agar, masalan, mashina to'g'ri yo'lda burilishsiz ketayotgan bo'lsa va GPS mashina o'ngga burilishini ko'rsatsa, mashina to'g'ri borish yoki to'xtashni bilish.
"Haqiqiy dunyoda sensorlar ishlamay qoladi", deydi Amini. "Biz avtopilotimiz har qanday shovqin signallarini qabul qila oladigan va yo'lda to'g'ri harakatlana oladigan tizimni yaratish orqali turli sensorlarning nosozliklariga chidamliligiga ishonch hosil qilishni istaymiz."
Manba: 3dnews.ru