Automobiliai robotai gali išmokti vairuoti neišeinant iš garažo

Kompiuteriai, valdantys savarankiškai važiuojančius automobilius, įgyja vertingų žinių apie realų pasaulį keliais netikėtais būdais, įskaitant naršymą internetiniuose žemėlapiuose ir žaidimus.

Prinstono universiteto mokslininkai neseniai sukūrė kompiuterinę matymo ir žemėlapių sudarymo sistemą, kuri surinko naudingos informacijos apie fizines kelių savybes tiriant. Google Street View ir lyginant scenas su informacija, pateikta atvirojo kodo žemėlapių duomenyse. Tai leido, pavyzdžiui, sužinoti, kur sankryžos kraštai turėtų būti pagrįsti vaizdais, užfiksuotais „Google“ kartografuojančių automobilių.

Atskirame trečiadienį atskleistame darbe mokslininkai OpenAI , ne pelno siekianti organizacija, orientuota į fundamentinius AI tyrimus, sukūrė būdą, kaip programinės įrangos agentus išmokti vairavimo strategijos eksperimentuodami su vaizdo žaidimu Grand Theft Auto V per platformą, žinomą kaip Visata. Kai kurie vaizdo žaidimai dabar yra vizualiai tokie tikroviški, kad gali leisti kompiuteriniam regėjimui sužinoti apie realų pasaulį (žr. Savae vairuojantys automobiliai gali daug išmokti žaisdami „Grand Theft Auto“).

Nauji savarankiškų automobilių mokymo metodai gali padėti demokratizuoti technologiją ir padaryti ją patikimesne. Šių metų Las Vegase vykusioje buitinės elektronikos parodoje visur buvo savaeigių automobilių, o šią savaitę prasidėjusioje Šiaurės Amerikos automobilių parodoje Detroite ši technologija yra svarbiausia. Tačiau ne visi turi „Ford“, „Google“ ar „Uber“ išteklių, o automatizuotos transporto priemonės vis dar susiduria su daugybe situacijų (žr. „Ką žinoti prieš įsėdant į savarankiškai vairuojantį automobilį“). Taigi kai kurie mokslininkai sugalvoja kūrybiškų būdų rinkti duomenis ir mokyti vairavimo sistemas. Netgi stengiamasi sukurti atvirojo kodo technologijas, reikalingas automatizuotam vairavimui.

Prinstono tyrėjai išgavo „Google Street View“ ir OpenStreetMap už jų duomenis. „Google Street View“ vaizdų kelio ypatybes kartais uždengia transporto priemonė, kas nors kerta kelią ar kažkas kita, todėl sistema turėjo išmokti atpažinti tokius artefaktus ir tada juos išmesti. Tyrėjai išbandė savo sistemą su naujais vaizdais ir nustatė, kad ji gali gana tiksliai atpažinti kelio ypatybes. Jie teigia, kad tai gali pasiūlyti būdą paleisti savarankiško vairavimo sistemą, turinčią tam tikrų pagrindinių žinių, reikalingų norint važiuoti įprastais keliais. Tyrėjai apmokė savo sistemą naudodami 150 000 „Street View“ panoramų.

Jo tikslumas turėtų pagerėti, kai auga treniruočių duomenų rinkinys, sako Ari Seff , Prinstono magistrantė, kuri sukūrė sistemą su Jianxiong Xiao , profesorius, neseniai palikęs universitetą ir įkūręs automobilių pramonės startuolį AutoX.ai.

Didelės raiškos 3-D žemėlapių, skirtų autonominiam vairavimui, kūrimas rankiniu būdu yra varginantis ir brangus, sako Johnas Leonardas, MIT CSAIL profesorius, kuris specializuojasi žemėlapių sudarymo ir automatizuoto vairavimo procese. Jei šis procesas gali būti automatizuotas naudojant giluminius tinklus, veikiančius didelėse viešose duomenų bazėse, tai būtų didelis laimėjimas savaiminio vairavimo technologijoms.

Šis metodas taip pat siūlo būdą išmokyti sistemą atpažinti situacijas, su kuriomis tikras savarankiškai važiuojantis automobilis gali susidurti tik retai, pavyzdžiui, labai sudėtingoje sankryžoje. Šie modeliai gali būti naudojami kaip atsarginės sistemos dalis autonominėse transporto priemonėse, patvirtinant informaciją, kurią pateikia iš anksto nuskaityti 3D žemėlapiai. Tačiau mes to dar neišbandėme tikroje transporto priemonėje, sako Seffas.

Tyrėjai taip pat siūlo, kad jų sistema galėtų įspėti apie kelių infrastruktūrą – pavyzdžiui, jei sistema padaro išvadą, kad gatvė atrodo taip, lyg ji būtų vienpusė, o ne, tada gali tekti atnaujinti ženklą. Apribojimai yra tai, kad sistema negali identifikuoti objektų, kurie nėra identifikuoti žemėlapyje, pavyzdžiui, pėsčiųjų ar kitų transporto priemonių, ir ji nėra pakankamai tiksli, kad būtų galima labai tiksliai nustatyti automobilio vietą.

To išmokti iš „Google Street View“ yra gera idėja, sako Craigas Quiteris, „Otto“, savaime važiuojančius sunkvežimius gaminančios bendrovės, kurią Uber įsigijo pernai, inžinierius. Išvestyje nėra pakankamai, kad būtų galima vairuoti automobilį, tačiau jie neabejotinai yra naudingi kartu su kitais suvokimais kaip įvestis planuotojui.

Praėjusiais metais Quiteris sukūrė „Grand Theft Auto V“, dirbdamas „OpenAI“ rangovu. Žaidimas gali išmokyti programinę įrangą atpažinti realaus pasaulio elementus.

GTA V suteikia tyrėjams prieigą prie turtingo, įvairaus pasaulio, kur jie gali išbandyti ir kurti AI, rašo Quiter savo tinklaraščio įraše, kurį paskelbė OpenAI. Jos saloje yra beveik penktadalis Los Andželo dydžio, todėl galima gauti daugybę scenarijų, kad būtų galima išbandyti sistemas. Pridėkite 257 skirtingas transporto priemones, septynis dviračių tipus ir 14 oro sąlygų ir galėsite ištirti daugybę permutacijų naudojant vieną simuliatorių.

Naudodamas Visatą agentas taip pat gali sukurti vairavimo strategiją, eksperimentuodamas žaidime ir tobulindamas savo elgesį, kai pasiekia tam tikrus tikslus. Tai metodas, žinomas kaip sustiprinimo mokymasis (žr. Naujas įrankis, leidžiantis dirbtiniam intelektui išmokti daryti beveik bet ką kompiuteryje ).

Quiter elektroniniame laiške pridūrė, kad išleisdami automatizuotam vairavimui reikalingas technologijas, mokslininkai ir įmonės gali ją demokratizuoti. Manau, kad išbandyti savarankiškai vairuojančių automobilių AI tapo daug lengviau, sako jis.

paslėpti