Реклама
Home Softnews В то время как по-настоящему беспилотные автомобили наверняка не за горами, теперь...

В то время как по-настоящему беспилотные автомобили наверняка не за горами, теперь вот система раннего предупреждения ИИ для вашей полуавтономной езды.

Реклама


Беспилотные автомобили могут быть оснащены обученной системой раннего предупреждения, которая предупреждает человека, сидящего за рулем, всякий раз, когда он понимает, что попадает в ситуацию, когда водитель-человек должен был взять на себя управление раньше.

Реклама

Сегодняшние системы, такие как Tesla неправильно названный Автопилот с «полной способностью к самостоятельному вождению» полагается на программное обеспечение для идентификации объектов и структур в режиме реального времени для выполнения определенных функций вождения, таких как изменение полосы движения или остановка на светофоре.

Однако это не полностью автономное дело: водители должны взять под свой контроль автомобиль, когда программное обеспечение не может справиться с ситуацией, развивающейся вокруг него. Такое нарушение способности обычно происходит из-за того, что код, управляющий транспортным средством, сталкивается со сценарием, с которым он не знаком или находит запутанным. Чем быстрее дела пойдут на юг, тем быстрее человек должен отреагировать и взять верх.

Пока мы ждем, пока искусственный интеллект, по сути, улучшит навыки вождения, исследователи из Технического университета Мюнхена (TUM) в Германии придумали новый способ раннего предупреждения людей о том, что это полуавтономный автомобиль. Возможно, он собирается сдаться. В то время как по крайней мере некоторые автономные системы предупреждают своего водителя о том, что ему нужно взять на себя управление, потому что ситуация выходит из-под контроля, подход TUM надеется дать людям более заблаговременное и точное предупреждение.

По сути, боффины заставили программное обеспечение машинного обучения изучить сценарии, в которых люди переходили на смену беспилотному автомобилю — либо потому, что этому человеку приказали сделать это из своего транспортного средства, либо потому, что они проявили инициативу без подсказки, — чтобы программное обеспечение могло научитесь заранее распознавать сложные ситуации. Цель состоит в том, чтобы создать раннее предупреждение о том, что беспилотный автомобиль может подняться слишком поздно или вообще не подняться.

Читайте также:
AWS делает вещи, которые «просто НЕЛЬЗЯ с 2015 года», - заявляет Elastic, когда фирма требует лицензии Apache 2.0 °

«Чтобы сделать автомобили более автономными, многие существующие методы изучают то, что автомобили теперь понимают о дорожном движении, а затем пытаются улучшить модели, которые они используют», сказал Эккехард Штайнбах, профессор кафедры электротехники и вычислительной техники ТУМ, на этой неделе.

«Большое преимущество нашей технологии: мы полностью игнорируем то, что думает автомобиль. Вместо этого мы ограничиваемся данными, основанными на том, что на самом деле происходит, и ищем закономерности.

Чертеж концепции умного города - беспилотные автомобили, точки доступа Wi-Fi и т. д. - но без людей

Продажи полуавтономных автомобилей растут: 3,5 миллиона единиц покидают АЗС

ПОДРОБНЕЕ

«Таким образом, ИИ обнаруживает потенциально критические ситуации, которые модели могут быть не в состоянии распознать или еще предстоит обнаружить. Поэтому наша система предлагает функцию безопасности, которая знает, когда и где у автомобилей есть слабые места », — добавил профессор, который является соавтором статьи с описанием технологии, которая была опубликовано в транзакциях IEEE по интеллектуальным транспортным системам.

Профессор Эккехард и его коллеги работали с BMW над сбором данных для разработки их ориентированной на человека системы оповещения. Он сказал нам, что данные с датчиков и видеозаписи были собраны из нескольких месяцев записей, сделанных во время тест-драйвов на автомобилях BMW.

Цель состояла в том, чтобы обучить повторяющуюся нейронную сеть распознавать, когда транспортное средство движется в аналогичных условиях, которые были особенно трудными и требовали вмешательства человека. Они обучили свою модель на 90% данных и протестировали свою систему на оставшихся 10% или около того.

Читайте также:
Приложение NHS COVID-19 пытается что-то сообщить пользователям Android, но сообщение об ошибке застревает на экране «Загрузка ...» • Регистрация

«В общей сложности мы обучили 4078 уникальных сценариев вождения и протестировали программное обеспечение еще на 510 уникальных сценариях вождения», — сказал нам профессор.

Таким образом, эта экспериментальная модель смогла точно предсказать потенциально опасные сценарии с точностью 85% за семь секунд до того, как они произойдут. Профессор Эккехард сказал, что они могут улучшить производительность своей нейтральной сети, собирая больше данных и используя больше источников от дополнительных типов датчиков.

«Чем больше данных для обучения будет собрано, тем лучше модель сможет обобщать, что снизит количество ложных срабатываний. Поскольку во время дополнительных тест-драйвов собирается больше обучающих данных без дополнительных затрат, это только вопрос времени », — сказал он. Реестр.

«Само программное обеспечение может быть улучшено за счет использования большего количества источников информации о сценарии в качестве входных данных. В ходе наших текущих исследований мы изучаем больше таких источников, как запланированная траектория автомобиля и дополнительные возможности датчиков, такие как лидар или радар». ®

Реклама

NO COMMENTS