Беспилотные автомобили будут учиться на своих ошибках

Автономные автомобили находятся дальше, чем мы думали. Несмотря на разработки Audi, Volvo, BMW, Mercedes и ряда других производителей, нам еще далеко до подключенных городов с полностью беспилотными автомобилями. Однако не технологии или ноу-хау, подключенный, автономный автомобиль сдерживает инфраструктура.

Конечная цель беспилотных автомобилей — мир, в котором нет водителей, светофоров и сигналов, которые бы ими управляли. Автомобили будут общаться друг с другом, предугадывая движения. Светофоров не будет, потому что движение будет оцифровано и будет работать как отлаженный, хорошо смазанный механизм. Но это будущее зависит от огромного количества инфраструктуры, которой у нас просто нет.

Программы для Windows, мобильные приложения, игры - ВСЁ БЕСПЛАТНО, в нашем закрытом телеграмм канале - Подписывайтесь:)

audi-keynote-ces-asia-audi-r8-e-tron-пилотируемое вождение

И даже если подключенная инфраструктура будет работать, каковы шансы на то, что она будет безопасной и надежной? Некоторые, в том числе директор автомобильного подразделения Nvidia Дэнни Шапиро, настроены скептически: «Я не уверен, что я хотел бы полагаться на возможность подключения в какой-либо системе предотвращения столкновений», — предупредил он. «Я просто думаю о том, как часто мои мобильные телефоны сбрасывают звонки, когда я за рулем — нельзя полагаться на внешнее соединение, которое сможет среагировать на долю секунды».

Каков следующий *реалистичный* шаг для автономных автомобилей?

Несколько автомобилей, представленных в настоящее время на рынке, получают преимущества от полуавтономной технологии, а первые полностью беспилотные автомобили могут использовать аналогичные системы в качестве основы для более продвинутых технологий. В таких автомобилях, как Volvo XC90, используется целый ряд камер и датчиков для усовершенствованных систем предупреждения водителя и полуавтономной парковки.

Как мы убедились в недавнем тесте, XC90 использует сеть датчиков для поиска и измерения подходящих парковочных мест, а затем использует радары ближнего действия и автономное рулевое управление, чтобы поставить автомобиль на место. Все, что нужно делать водителю, — это переключать передачи и вести наблюдения.

https://youtube.com/watch?v=GIa1mWr1kNs

«Мы начинаем размещать вокруг машины множество камер и датчиков», — объяснил Шапиро. «У нас есть фронтальные камеры кругового обзора, камеры в зеркалах заднего вида и камеры заднего вида, и они в основном генерируют огромное количество данных, но сейчас мы работаем с автопроизводителями, чтобы интерпретировать то, что эти камеры видят».глубокое_обучение_2

Глубокое обучение и искусственный интеллект

Вместо того, чтобы просто отображать огромное количество информации водителю, первые автономные автомобили смогут декодировать эти изображения и понимать окружающую среду с помощью искусственного интеллекта. Название этого нового процесса? Глубокое обучение.

Глубокое обучение, или машинное обучение, которое используется во всем, от Siri до Google Now и Microsoft Cortana, обучает компьютер думать как человек.

Машинное обучение учит компьютер думать как человек

В сочетании с рядом сложных автомобильных датчиков этот ИИ теоретически может самостоятельно управлять автомобилем — и это именно то, над чем работает Nvidia.

Научить программное обеспечение думать как люди

Компьютер Nvidia Drive использует два чипа Tegra X1, 12 камер и ряд лидаров, радаров и лазерных сканеров для интерпретации того, что происходит вокруг автомобиля.

«Картинка — это всего лишь набор пикселей, и когда вы смотрите на картинку, ваш мозг распознает, что на ней изображено, но мы должны научить компьютер распознавать, что на картинке», — сказал Шапиро. «Каждый пиксель имеет значение цвета, и в первую очередь эта система разбивает изображения и ищет края».

Глубокая нейронная сеть Nvidia использует разные алгоритмы для поиска ребер, а затем объединяет их для формирования элементов. «Мы ищем края, потому что именно так ваш мозг собирает изображения». По сути, они отделяют один объект от другого — то, что наш мозг делает незаметно для нас. После этого система Nvidia способна формировать элементы и собирать их для создания и распознавания целого объекта.глубокое_обучение_3

Люди способны понимать концепцию объектов посредством опыта и понимания. Например, даже если вы видите стул впервые, вы все равно идентифицируете его как стул, поскольку он обладает всеми атрибутами, которые вы ассоциируете со стульями.

Автомобиль на самом деле думает сам за себя и не контролируется внешней инфраструктурой.

Для машин этот скачок в понимании не так прост. Системы глубокого обучения должны снабжаться тысячами изображений и видео и со временем обучаться тому, что представляет собой каждый объект. «Мы загружаем эту модель в машину, и пока машина ездит, мы строим карту всего, что происходит вокруг нее», — рассказал Шапиро.

Программы для Windows, мобильные приложения, игры - ВСЁ БЕСПЛАТНО, в нашем закрытом телеграмм канале - Подписывайтесь:)

«Мы можем классифицировать человека, другую машину и светофор. Затем у нас есть приложение, которое обрабатывает эту информацию и решает, ускоряется ли машина, тормозит, поворачивает ли она налево или направо». Таким образом, автомобиль фактически думает сам за себя и не контролируется внешней инфраструктурой.Мерседес-беспилотный-6

Интересно, что Шапиро сказал, что, как и человек, эти типы беспилотных автомобилей подвергаются постоянному процессу обучения. Если автомобиль видит вещи, с которыми раньше не сталкивался, они записываются, а затем включаются в следующий сеанс глубокого обучения. «Как только мы соберем всю эту различную информацию, мы создадим модель глубокой нейронной сети, а затем сможем обновить автомобиль по беспроводной сети, так что у него будет дополнительный словарный запас».

«Эта способность к обработке данных позволит автопроизводителям делать автомобили умнее и со временем справляться со все большей и большей автономностью вождения».глубокое_обучение_4

Учим компьютеры водить машину

Следующий шаг? Использовать этот интеллект, чтобы не только понимать ситуации, но и реагировать на них, как это сделал бы человек. Вскоре глубокое обучение будет заключаться не только в распознавании объектов, но и в распознавании объектов и связывании с ними их прогнозируемого поведения. «Следующее поколение систем помощи водителю поможет автомобилям тормозить, ускоряться и управлять, и чтобы сделать это, нам необходимо понимать все, что происходит вокруг автомобиля, и понимать понятие свободного пространства. Где находится объект и куда мы можем ехать?»

После распознавания следующим шагом Nvidia станет прогнозирование поведения объектов на дороге – то, что водители-человеки делают автоматически. Встречая велосипедиста, водитель-человек знает, что он будет вести себя иначе, чем обычное транспортное средство. В то время как первым шагом является распознавание велосипеда, второй уровень прогнозирования поведения является следующей проблемой для автомобилей с поддержкой ИИ.

Автомобиль со своим умом

Однако, несмотря на разные подходы, глубокое обучение и подключенные автомобили прямо не противоречат друг другу. Вместо этого вполне вероятно, что одно произойдет намного раньше другого. Глубокое обучение использует существующие датчики и передает их технологиям следующего поколения, но, что немаловажно, оно может работать с нашей существующей инфраструктурой.mercedes-f015-самостоятельное-основное-изображение-2

Хотя подключенные автомобили представляют собой наиболее элегантную и идеалистическую интерпретацию беспилотных технологий, до этого еще десятилетия. «Мы бы сегодня избавились от всех машин, и каждый получил бы совершенно новую машину, которая будет сообщаться с другими и с перекрестком», — сказал Шапиро. «Нам даже светофоры не понадобились бы, мы могли бы просто сделать движение бесплатным для всех. Ни одна из машин не столкнется, потому что ими всеми будут управлять, но пройдет немало времени, прежде чем у нас появится реальная связь между транспортными средствами, которая будет достаточно надежной, чтобы помочь».

Что все это значит?

Понятно, что подключенные автомобили будут там, где мы в конечном итоге окажемся, но для их работы потребуются масштабные усилия по созданию инфраструктуры и инвестиций. До тех пор ИИ представляет собой наш лучший шанс создать город без водителей. Используя существующие сенсорные технологии и огромные возможности глубокого обучения, искусственные водители смогут делить дороги с людьми, и это произойдет раньше, чем позже.

Подробнее о состоянии беспилотных автомобилей читайте: Как далеко мы *на самом деле* от автономных автомобилей?

Похожие записи

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *