MIT berusaha untuk membangunkan model AI yang boleh memandu hampir seperti manusia

Mencipta kereta tanpa pemandu yang boleh menaakul dan mengendalikan situasi yang serupa dengan manusia ialah salah satu matlamat jangka panjang dan paling penting syarikat yang merintis dalam bidang kenderaan autonomi. beroperasi sebagai Waymo, GM, Cruise, Uber dan beberapa nama besar lain. Mobileye, sebuah perusahaan terkenal dalam membangunkan teknologi penglihatan untuk Sistem Bantuan Pemandu Lanjutan (ADAS) dan pemanduan autonomi, sebahagian daripada Intel Corporation, sebelum ini telah mencadangkan model matematik yang boleh dinamakan Keselamatan Sensitif Tanggungjawab (RSS). Ciptaan ini diterangkan sebagai cara lanjutan untuk membantu kereta membuat keputusan yang lebih tepat semasa operasi, sama seperti cara kita biasa memusing kereta dan telah menerima banyak ulasan. Maklum balas positif daripada komuniti. Selain itu, sebuah lagi syarikat besar yang juga sangat berminat dalam bidang kenderaan autonomi, Nvidia, juga sedang giat membangunkan Safety Force Field - "dasar" yang membantu kereta membuat keputusan tepat berdasarkan keupayaan untuk merancang, memantau dan menilai sebarang tindakan tidak selamat semasa operasi melalui menganalisis data sensor yang dikumpul dalam masa nyata.

• Bosch memperkenalkan kotak sensor yang direka untuk "teksi terbang" tanpa pemandu.

Di atas ialah contoh tipikal usaha yang membanggakan perniagaan dalam memfokuskan pada membangunkan keupayaan pemanduan yang selamat - faktor teras yang menentukan kejayaan kenderaan autonomi. Bagaimanapun, saintis di Massachusetts Institute of Technology (MIT) mempunyai cita-cita yang jauh lebih besar, iaitu membina sistem AI yang mampu memandu sama seperti manusia. Lebih khusus lagi, sepasukan pakar kecerdasan buatan MIT sedang mengusahakan kaedah memanfaatkan data peta dan jenis data visual seperti GPS yang lain untuk membolehkan kenderaan autonomi berasaskan AI dapat mempelajari cara manusia memandu, dan pada masa yang sama "dengan lancar. ” gunakan pengetahuan yang telah mereka pelajari pada laluan percubaan yang dirancang dengan rumit dalam persekitaran yang tidak pernah dilihat sebelum ini. Sehubungan itu, penyelidikan ini dibina di atas asas sistem navigasi hujung ke hujung yang direka oleh Daniel Rus, pengarah Makmal Sains Komputer dan Kecerdasan Buatan AS (CSAIL). , dan dijadualkan untuk dibentangkan di Persidangan Antarabangsa mengenai Robotik dan Automasi di Long Beach, California, Amerika Syarikat bulan depan.

• Ciri keselamatan yang dilengkapi pada kereta Tesla menyukarkan anda untuk "ingin" pergi ke lorong yang salah

Model pembelajaran mesin sebelumnya oleh Daniel Rus dan rakan sekerja dianggap "menyusahkan" dan kurang berkemungkinan digunakan secara meluas. Walau bagaimanapun, dalam model baru ini, saintis MIT telah hampir sepenuhnya mengatasi masalah di atas. "Dengan sistem kami, anda tidak perlu melatih kereta di setiap jalan, tetapi anda boleh memuat turun peta baharu untuk kereta itu bagi membantu ia menavigasi jalan yang diingini. tidak pernah melalui sebelum ini, kata jurutera Alexander Amini, ketua pasukan penyelidik.

Seperti yang dijelaskan oleh jurutera Amini dan rakan sekerja, sistem AI mereka mampu memerhati dan mempelajari cara mengawal kenderaan daripada pemandu, dan kemudian mengaitkan putaran stereng dengan setiap selekoh yang dibuat oleh pemandu. ia diperhatikan melalui sistem kamera dan peta yang telah termasuk dalam sistem sebelumnya. Akhirnya, kereta boleh memberikan "arahan pemanduan" yang tepat untuk setiap laluan yang berbeza, seperti jalan lurus, persimpangan empat hala atau persimpangan tiga hala, bulatan...

• 55 kereta autonomi daripada 5 pengeluar kereta utama sedang diuji pada masa yang sama

Dalam pelbagai eksperimen, para penyelidik memberi model pembelajaran mesin peta dengan laluan yang dipilih secara rawak. Semasa pengendalian kenderaan, sistem mengekstrak ciri visual daripada kamera, membolehkan ia meramalkan setiap elemen dalam struktur jalan seperti tanda, bonggol laju, median keras... Lagi Tambahan pula, model AI juga mampu mengaitkan data visual dengan data peta untuk menunjukkan penyelewengan, membantu menentukan dengan lebih tepat lokasi kenderaan di jalan raya dan memastikan kenderaan berjalan di laluan. jalan paling selamat. Sebagai contoh, apabila model AI memandu kereta di jalan lurus tanpa selekoh sama sekali, tetapi sistem peta membuat ralat dan menunjukkan bahawa kereta itu perlu membelok ke kanan, AI mengiktiraf Ini adalah tidak munasabah dan mengetahui bagaimana untuk mengawal kereta pada laluan yang betul tanpa mengikut arahan daripada peta.

• Adakah manusia berada di landasan yang betul dalam membangunkan teknologi kenderaan autonomi?

"Di dunia nyata, penderia tidak boleh sentiasa mencapai ketepatan yang sempurna. Walau bagaimanapun, kami ingin memastikan model kami boleh "menyesuaikan diri" dengan pelbagai ralat yang muncul dalam operasi sebenar, dengan membina sistem yang boleh mengenali anomali dan masih mampu navigasi dan kedudukan yang tepat di semua jalan," tambah jurutera Alexander Amini.