Das MIT ist bestrebt, ein KI-Modell zu entwickeln, das fast wie ein Mensch fahren kann

Die Entwicklung fahrerloser Autos, die in der Lage sind, Situationen ähnlich wie Menschen zu verstehen und zu bewältigen, ist eines der langfristigen und wichtigsten Ziele von Unternehmen, die Pionierarbeit im Bereich autonomer Fahrzeuge leisten. Dazu gehören unter anderem Waymo, GM, Cruise, Uber und einige andere große Namen. Mobileye, ein bekanntes Unternehmen in der Entwicklung von Vision-Technologie für Advanced Driver Assistance Systems (ADAS) und autonomes Fahren, Teil der Intel Corporation, hat zuvor ein mathematisches Modell vorgeschlagen, das den Namen Responsibility-Sensitive Safety (RSS) tragen kann. Diese Erfindung wird als eine fortschrittliche Methode beschrieben, die dem Auto dabei hilft, während des Betriebs genauere Entscheidungen zu treffen, ähnlich der Art und Weise, wie wir normalerweise ein Auto wenden, und hat ziemlich viele Bewertungen erhalten. Positives Feedback von der Community. Darüber hinaus entwickelt Nvidia, ein weiteres großes Unternehmen, das sich ebenfalls sehr für den Bereich autonomer Fahrzeuge interessiert, aktiv das Safety Force Field – eine „Richtlinie“, die dem Auto hilft, genaue Entscheidungen zu treffen, basierend auf der Fähigkeit, diese zu planen, zu überwachen und auszuwerten unsichere Aktionen während des Betriebs durch Analyse der in Echtzeit erfassten Sensordaten.

• Bosch stellt eine Sensorbox für unbemannte „fliegende Taxis“ vor.

Das Obige ist ein typisches Beispiel für die lobenswerten Bemühungen von Unternehmen, sich auf die Entwicklung sicherer Fahrfähigkeiten zu konzentrieren – ein zentraler Faktor, der den Erfolg eines autonomen Fahrzeugs bestimmt. Wissenschaftler am Massachusetts Institute of Technology (MIT) haben jedoch ein viel größeres Ziel: ein KI-System zu entwickeln, das genauso fahren kann wie Menschen. Genauer gesagt arbeitet ein Team von Experten für künstliche Intelligenz am MIT derzeit an einer Methode zur Nutzung von Kartendaten und anderen Arten von GPS-ähnlichen visuellen Daten, um es KI-basierten autonomen Fahrzeugen zu ermöglichen, zu lernen, wie Menschen fahren, und zwar gleichzeitig „flüssig“. „Wenden das erlernte Wissen auf komplex geplante, experimentelle Routen in noch nie dagewesenen Umgebungen an.“ Dementsprechend basiert diese Forschung auf der Grundlage von End-to-End-Navigationssystemen, die von Daniel Rus, Direktor des US-amerikanischen Computer Science and Artificial Intelligence Laboratory (CSAIL), entwickelt wurden, und soll auf der International Conference on Robotics and vorgestellt werden Automatisierung nächsten Monat in Long Beach, Kalifornien, USA.

• Die Sicherheitsfunktionen der Tesla-Autos erschweren es Ihnen, auf die falsche Spur zu fahren

Das frühere Modell des maschinellen Lernens von Daniel Rus und Kollegen galt als „umständlich“ und wurde als weniger wahrscheinlich weit verbreitet angesehen. Mit diesem neuen Modell haben MIT-Wissenschaftler das oben genannte Problem jedoch fast vollständig gelöst. „Mit unserem System müssen Sie das Auto nicht auf jeder Straße trainieren, sondern Sie können eine neue Karte für das Auto herunterladen, um ihm beim Navigieren auf den Straßen zu helfen, die es noch nie zuvor befahren hat“, sagte Ingenieur Alexander Amini, Leiter des Forschungsgruppe.

Wie Ingenieur Amini und Kollegen erklären, ist ihr KI-System in der Lage, das Fahrzeug vom Fahrer zu beobachten und zu lernen, wie es zu steuern ist, und korreliert dann die Lenkraddrehungen mit jeder Kurve, die der Fahrer macht. Dies wird durch das Kamera- und Kartensystem beobachtet, das es gab im bisherigen System enthalten. Schließlich kann das Auto präzise „Fahrbefehle“ für jede unterschiedliche Route erteilen, z. B. für gerade Straßen, Kreuzungen in vier oder drei Richtungen, Kreisverkehre usw.

• Gleichzeitig werden 55 autonome Autos von 5 großen Automobilherstellern getestet

In mehreren Experimenten versorgten die Forscher das maschinelle Lernmodell mit einer Karte mit einer zufällig ausgewählten Route. Während des Fahrzeugbetriebs extrahierte das System visuelle Merkmale aus der Kamera und ermöglichte es ihm, jedes Element in der Straßenstruktur wie Schilder, Bodenschwellen, harte Mittelstreifen usw. vorherzusagen. Darüber hinaus ist das KI-Modell auch in der Lage, Korrelationen herzustellen Visuelle Daten mit Kartendaten zeigen Unregelmäßigkeiten an und helfen dabei, die Position des Fahrzeugs auf der Straße genauer zu bestimmen und sicherzustellen, dass das Fahrzeug auf der Route fährt. Sicherste Straße. Als das KI-Modell beispielsweise das Auto auf einer geraden Straße ohne Abbiegen fuhr, das Kartensystem jedoch einen Fehler machte und anzeigte, dass das Auto nach rechts abbiegen musste, erkannte die KI, dass dies unvernünftig sei und wusste, wie um das Auto auf der richtigen Route zu steuern, ohne den Anweisungen der Karte zu folgen.

• Ist die Menschheit bei der Entwicklung autonomer Fahrzeugtechnologie auf dem richtigen Weg?

„In der realen Welt können Sensoren nicht immer eine perfekte Genauigkeit erreichen. Wir möchten jedoch sicherstellen, dass sich unser Modell an verschiedene Fehler „anpassen“ kann, die im realen Betrieb auftreten, indem wir ein System aufbauen, das Anomalien erkennen kann und dennoch in der Lage ist, auf allen Straßen präzise zu navigieren und zu positionieren“, fügte Ingenieur Alexander Amini hinzu.