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 действовать раньше.

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:
Google пытается успокоить исследователей искусственного интеллекта, жалующихся на условия труда, подобные «Большому брату» • The Register

«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 Экхард 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

ЧИТАТЬ ДАЛЕЕ

«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:
Microsoft понимает, что постоянные встречи вызывают стресс у людей, добавляет настройки Office 365, чтобы сократить их время или начать с опоздания • Реестр

«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 Экехард 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». ®