MIT streeft ernaar een AI-model te ontwikkelen dat bijna als een mens kan rijden

Het creëren van zelfrijdende auto’s die kunnen redeneren en situaties aankunnen die vergelijkbaar zijn met mensen, is een van de langetermijn- en belangrijkste doelstellingen van bedrijven die pionieren op het gebied van autonome voertuigen, waaronder Waymo, GM, Cruise, Uber en enkele andere grote namen. Mobileye, een bekende onderneming in de ontwikkeling van vision-technologie voor Advanced Driver Assistance Systems (ADAS) en autonoom rijden, onderdeel van Intel Corporation, heeft eerder een wiskundig model voorgesteld dat Responsibility-Sensitive Safety (RSS) kan heten. Deze uitvinding wordt beschreven als een geavanceerde manier om de auto te helpen nauwkeurigere beslissingen te nemen tijdens het gebruik, vergelijkbaar met de manier waarop we normaal gesproken een auto laten draaien, en heeft behoorlijk wat recensies ontvangen. Positieve feedback van de gemeenschap. Bovendien is Nvidia, een ander groot bedrijf dat ook zeer geïnteresseerd is in het gebied van autonome voertuigen, actief bezig met de ontwikkeling van Safety Force Field – een ‘beleid’ dat de auto helpt nauwkeurige beslissingen te nemen op basis van het vermogen om eventuele problemen te plannen, monitoren en evalueren. onveilige acties tijdens operaties door het analyseren van sensorgegevens die in realtime zijn verzameld.

• Bosch introduceert een sensorbox ontworpen voor onbemande ‘vliegende taxi’s’.

Het bovenstaande is een typisch voorbeeld van de lovenswaardige inspanningen van bedrijven om zich te concentreren op het ontwikkelen van veilige rijvaardigheden – een kernfactor die het succes van een autonoom voertuig bepaalt. Wetenschappers van het Massachusetts Institute of Technology (MIT) hebben echter een veel grotere ambitie, namelijk het bouwen van een AI-systeem dat net als mensen kan rijden. Meer specifiek werkt een team van MIT-experts op het gebied van kunstmatige intelligentie momenteel aan een methode om kaartgegevens en andere soorten GPS-achtige visuele gegevens te benutten om op AI gebaseerde autonome voertuigen in staat te stellen te leren hoe mensen rijden, en tegelijkertijd “vloeiend te rijden”. ' passen de kennis die ze hebben geleerd toe op complex geplande, experimentele routes in nooit eerder geziene omgevingen. Dienovereenkomstig is dit onderzoek gebouwd op de basis van end-to-end navigatiesystemen ontworpen door Daniel Rus, directeur van het Amerikaanse Computer Science and Artificial Intelligence Laboratory (CSAIL). , en zal naar verwachting worden gepresenteerd op de International Conference on Robotics and Automatisering in Long Beach, Californië, VS volgende maand.

• De veiligheidsvoorzieningen waarmee Tesla-auto's zijn uitgerust, maken het moeilijk voor u om op de verkeerde rijstrook te "willen" gaan

Het vorige machine learning-model van Daniel Rus en collega's werd als "omslachtig" beschouwd en het was minder waarschijnlijk dat het op grote schaal zou worden ingezet. In dit nieuwe model hebben MIT-wetenschappers het bovenstaande probleem echter vrijwel volledig overwonnen. "Met ons systeem hoef je de auto niet op elke weg te trainen, maar je kunt wel een nieuwe kaart voor de auto downloaden om hem te helpen bij het navigeren op de wegen die hij wil. Hij is er nog nooit eerder doorheen gereden", zegt ingenieur Alexander Amini, hoofd van de onderzoeks groep.

Zoals ingenieur Amini en collega's uitleggen, is hun AI-systeem in staat om het voertuig van de bestuurder te observeren en te leren besturen, en correleert het vervolgens de stuurwielrotaties met elke bocht die de bestuurder maakt. opgenomen in het vorige systeem. Ten slotte kan de auto nauwkeurige "rijcommando's" geven voor elke verschillende route, zoals rechte wegen, vier- of driewegkruisingen, rotondes...

• Er worden tegelijkertijd 55 autonome auto’s van 5 grote autofabrikanten getest

In meerdere experimenten gaven de onderzoekers het machine learning-model een kaart met een willekeurig geselecteerde route. Tijdens de werking van het voertuig haalde het systeem visuele kenmerken uit de camera, waardoor deze elk element in de structuur van de weg kon voorspellen, zoals borden, verkeersdrempels, harde middenberm... Meer Bovendien kan het AI-model ook correleren visuele gegevens met kaartgegevens om onregelmatigheden aan te wijzen, waardoor de locatie van het voertuig op de weg nauwkeuriger kan worden bepaald en ervoor kan worden gezorgd dat het voertuig op de veiligste weg rijdt. Toen het AI-model bijvoorbeeld met de auto op een rechte weg reed zonder bochten, maar het kaartsysteem een ​​fout maakte en aangaf dat de auto rechtsaf moest, herkende de AI dit. Dit is onredelijk en wetende hoe om de auto op de juiste route te besturen zonder de bevelen van de kaart op te volgen.

• Is de mensheid op de goede weg wat betreft de ontwikkeling van autonome voertuigtechnologie?

“In de echte wereld kunnen sensoren niet altijd een perfecte nauwkeurigheid bereiken. We willen er echter voor zorgen dat ons model zich kan ‘aanpassen’ aan de verschillende fouten die bij echte operaties voorkomen, door een systeem te bouwen dat afwijkingen kan herkennen en toch in staat is tot nauwkeurige navigatie en positionering op alle wegen”, aldus ingenieur Alexander Amini.