MITは人間とほぼ同じように運転できるAIモデルの開発に努めている

人間と同様の状況を推論して処理できる自動運転車を開発することは、ウェイモ、GM、クルーズ、ウーバーなどの大手企業として自動運転車の分野で先駆者として活動する企業にとって、長期的かつ最も重要な目標の 1 つです。Intel Corporation の一部で、先進運転支援システム (ADAS) および自動運転のためのビジョン テクノロジーの開発で有名な企業である Mobileye は、以前に、責任感応型安全性 (RSS) と名付けられる数学的モデルを提案しました。この発明は、私たちが通常車を回転させる方法と同様に、車が動作中により正確な判断を下せるようにする高度な方法として説明されており、非常に多くのレビューを受けています。コミュニティからは肯定的なフィードバックが寄せられています。さらに、同じく自動運転車の分野に強い関心を持っている別の大企業である Nvidia も、セーフティ フォース フィールドの開発を積極的に行っています。これは、車両があらゆることを計画、監視、評価する能力に基づいて正確な意思決定を行うのに役立つ「ポリシー」です。リアルタイムで収集されたセンサーデータを分析することで、運用中の危険な行動を監視します。

• ボッシュは、無人「空飛ぶタクシー」用に設計されたセンサーボックスを発表しました。

上記は、自動運転車の成功を決定する核心要素である安全運転機能の開発に重点を置いた企業の賞賛に値する取り組みの典型的な例です。しかし、マサチューセッツ工科大学 (MIT) の科学者たちは、人間と同じように運転できる AI システムを構築するという、より大きな野望を抱いています。具体的には、マサチューセッツ工科大学の人工知能の専門家チームは現在、地図データやその他の種類の GPS のような視覚データを活用して、AI ベースの自動運転車が人間の運転方法を学習できるようにする方法に取り組んでいます。 」は、学んだ知識を、これまでに見たことのない環境で複雑に計画された実験的なルートに適用します。したがって、この研究は、米国コンピュータ科学人工知能研究所 (CSAIL) の所長であるダニエル・ラス氏によって設計されたエンドツーエンドのナビゲーション システムの基礎に基づいて構築されており、ロボット工学と国際会議で発表される予定です。来月、米国カリフォルニア州ロングビーチでオートメーションが行われます。

• テスラ車に装備された安全機能により、間違った車線に行きたくなることが困難になります

Daniel Rus 氏らによる以前の機械学習モデルは「扱いにくい」と考えられており、広く導入される可能性は低いと考えられていました。しかし、この新しいモデルでは、MIT の科学者は上記の問題をほぼ完全に克服しました。「私たちのシステムを使用すると、すべての道路で車を訓練する必要はありませんが、車が希望する道路をナビゲートできるように、車の新しい地図をダウンロードできます。これまでに通過したことのない道を、エンジニアのアレクサンダー・アミニ氏は述べました。研究チーム。

エンジニアのアミニ氏らの説明によれば、同社の AI システムは、ドライバーから車両を制御する方法を観察して学習し、ステアリングホイールの回転とドライバーが作る各カーブを関連付けることができ、これはカメラと地図システムを通じて観察されます。以前のシステムに含まれていました。最後に、車は、直線道路、四差路または三叉路、環状交差点など、さまざまなルートごとに正確な「運転コマンド」を与えることができます。

• 大手自動車メーカー5社の55台の自動運転車が同時にテストされる

複数の実験で、研究者らは機械学習モデルにランダムに選択されたルートを含む地図を与えました。車両の運行中に、システムはカメラから視覚的特徴を抽出し、標識、速度段差、硬い中央分離帯などの道路構造の各要素を予測できるようにしました。さらに、AI モデルは相関関係を付けることもできます。視覚データと地図データを組み合わせて異常を指摘し、道路上の車両の位置をより正確に判断し、車両がルート上を確実に走行できるようにします。たとえば、AI モデルがまったく曲がり角のない直線道路で車を運転していたが、地図システムがエラーを起こし、車は右折する必要があると示した場合、AI はこれは不合理であり、その方法を知っていると認識しました。地図の指示に従うことなく、正しいルートで車を制御すること。

• 人類は自動運転車技術の開発において正しい道を歩んでいるでしょうか?

「現実の世界では、センサーが常に完璧な精度を達成できるとは限りません。しかし、異常を認識し、すべての道路上で正確なナビゲーションと測位が可能なシステムを構築することで、実際の運用で発生するさまざまなエラーにモデルが確実に「適応」できるようにしたいと考えています」とエンジニアのアレクサンダー・アミニ氏は付け加えました。