Sztuczna inteligencja uczy się na błędach

  1. V2X-V2V-autonomous-vehicle-network

Zespół naukowców z Niemiec opracował system bezpieczeństwa, który mógłby ostrzegać kierowców samochodów autonomicznych, że będą musieli przejąć kontrolę nawet z siedmiosekundowym wyprzedzeniem.

Sztuczna inteligencja zaczyna uczyć się na błędach

Zespół naukowców z Uniwersytetu Technicznego w Monachium (TUM) opracował nowy system wczesnego ostrzegania dla pojazdów autonomicznych, który wykorzystuje sztuczną inteligencję do uczenia się na podstawie tysięcy rzeczywistych sytuacji drogowych. Badanie systemu zostało przeprowadzone we współpracy z BMW Group.

Naukowcy odpowiedzialni za badanie twierdzą, że jeśli [system] zostanie zastosowany we współczesnych pojazdach autonomicznych, może zapewnić siedmiosekundowe zaawansowane ostrzeżenie przed potencjalnie niebezpiecznymi sytuacjami, z którymi samochody nie mogą sobie poradzić samodzielnie – z ponad 85-procentową dokładnością.

Aby w przyszłości samochody autonomiczne były bezpieczne, prace rozwojowe często opierają się na wyrafinowanych modelach, których celem jest umożliwienie samochodom analizowania zachowania innego ruchu. Ale naukowcy zapytali teraz: co się stanie, jeśli samochody napotkają złożoną sytuację, której nigdy wcześniej nie widziały i nie mogą sobie z nią poradzić samodzielnie?

Zespół współpracujący z prof. Eckehardem Steinbach, który pełni funkcję Katedry Technologii Mediów i jest członkiem Rady Dyrektorów Wyższej Szkoły Robotyki i Inteligencji Maszynowej w Monachium (MSRM) przy TUM, przyjmuje nowe podejście.

Twierdzą, że dzięki sztucznej inteligencji (AI) ich system może uczyć się z przeszłych sytuacji, w których autonomiczne pojazdy egzaminacyjne zostały doprowadzone do granic swoich możliwości w rzeczywistym ruchu drogowym. Są to sytuacje, w których kierownicę przejmuje człowiek – albo dlatego, że samochód sygnalizuje potrzebę interwencji, albo dlatego, że kierowca decyduje się na interwencję ze względów bezpieczeństwa.

Rozpoznawanie wzorców przez RNN

Technologia wykorzystuje czujniki i kamery do rejestrowania warunków otoczenia i rejestruje dane o stanie pojazdu, takie jak kąt skrętu kierownicy, warunki drogowe, pogoda, widoczność i prędkość. System sztucznej inteligencji, oparty na rekurencyjnej sieci neuronowej (RNN – skrót angielski), uczy się rozpoznawać wzorce z danymi. Jeśli system wykryje wzór w nowej sytuacji na drodze, z którym system sterowania nie był w stanie sobie poradzić (albo nie zarejestrował) w przeszłości, kierowca zostanie z wyprzedzeniem ostrzeżony o możliwej krytycznej sytuacji.

„Aby uczynić pojazdy bardziej autonomicznymi, wiele istniejących metod bada to, co samochody rozumieją teraz na temat ruchu drogowego, a następnie próbuje ulepszyć używane przez nie modele. Dużą zaletą naszej technologii jest to, że całkowicie ignorujemy to, co myśli samochód. Zamiast tego ograniczamy się do danych opartych na tym, co faktycznie się dzieje i szukamy wzorców ”- powiedział Steinbach.

„W ten sposób sztuczna inteligencja odkrywa potencjalnie niebezpieczne sytuacje, których modele mogą nie być w stanie rozpoznać lub których jeszcze nie odkryły. Dlatego nasz system oferuje funkcję bezpieczeństwa, która wie, kiedy i gdzie samochody mają słabe punkty ”.

Ostrzeżenia z wyprzedzeniem do siedmiu sekund

Zespół naukowców przetestował technologię z BMW Group i jej autonomicznymi pojazdami rozwojowymi na drogach publicznych i przeanalizował około 2500 sytuacji, w których kierowca musiał interweniować. Badanie wykazało, że sztuczna inteligencja jest już w stanie przewidzieć potencjalnie krytyczne sytuacje z dokładnością lepszą niż 85% – do siedmiu sekund przed ich wystąpieniem.

Aby technologia działała, potrzebne są duże ilości danych. Zespół badawczy twierdzi, że sztuczna inteligencja może rozpoznawać i przewidywać doświadczenia na granicach systemu tylko wtedy, gdy sytuacje były wcześniej widziane. Przy dużej liczbie pojazdów rozwojowych na drogach dane zostały praktycznie wygenerowane samodzielnie – powiedział Christopher Kuhn, jeden z autorów badania.

Za każdym razem, gdy podczas jazdy próbnej pojawia się potencjalnie krytyczna sytuacja, otrzymujemy nowy przykład szkolenia ”- powiedział. Naukowcy twierdzą, że centralne przechowywanie danych umożliwia każdemu pojazdowi naukę na podstawie wszystkich danych zarejestrowanych w całej flocie.

Zobacz tekst pierwotny.

Posted in: