211service.com
Ambitny plan budowy samojezdnego Borg
Autonomiczne samochody mogą o wiele szybciej zapełnić drogi, jeśli producenci samochodów odłożą na bok rywalizację i udostępnią dane, które nauczą komputery, jak bezpiecznie jeździć.
Mobileye , izraelska firma, która dostarcza zaawansowany sprzęt komputerowy i oprogramowanie wielu producentom samochodów, aby umożliwić samochodom wykrywanie obiektów na drodze, obecnie opracowuje sposoby na trenowanie samochodów do samodzielnej jazdy. Wysiłek ten polega na wprowadzeniu do ogromnej, wysoce realistycznej symulacji ogromnych ilości zachowań związanych z prowadzeniem pojazdów, aby mogły nauczyć się jeździć samodzielnie. A Mobileye dąży do tego, aby różni klienci dostarczali dane gromadzone przez ich pojazdy.
Jeśli chcesz wykorzystać wiele, wiele samochodów, musisz wykorzystać jak najwięcej producentów samochodów, mówi Amnon Shashua, współzałożyciel i CTO Mobileye. Shashua mówi, że jego firma opracowała rozwiązanie, które pozwoli producentom samochodów wnieść wkład, zachowując kontrolę nad swoimi danymi.
Technologia Mobileye leży u podstaw wielu systemów opracowywanych obecnie przez producentów samochodów, więc jej plany wpłyną na to, jak powstaną systemy autonomicznej jazdy. Jest to również krytyczny czas dla technologii, ponieważ producenci samochodów mają trudności z przejściem z systemów eksperymentalnych na wysoce niezawodne systemy komercyjne. Wiele eksperymentalnych autonomicznych pojazdów podlega zasadom, które zostały zaprogramowane ręcznie, a uwzględnienie każdej możliwej ewentualności może być trudne. Podejście Mobileye wyznacza nowy kierunek. Shashua mówi, że Mobileye ogłosi kilka umów przed końcem roku, pierwszą z Volkswagenem.
W ostatnich miesiącach Mobileye znajdowało się w centrum kontrowersji dotyczących granic automatyzacji pojazdów. Jego technologia wizyjna jest wykorzystywana w systemie Autopilot Tesli, który brał udział w śmiertelnym wypadku na Florydzie, który jest obecnie badany przez National Highway Transportation Safety Administration (patrz Tesla Crash Will Shape the Future of Automated Cars). Tesla najwyraźniej zaprogramowała w swoich pojazdach zautomatyzowane zachowanie podczas jazdy, używając zdjęcia drogi przechwyconego z systemu Mobileye. Tesla i Mobileye rozeszły się po tym, jak producent samochodów zasugerował, że system wizyjny jest uszkodzony, gdy jego pojazd, działający w trybie autopilota, zderzył się z ciężarówką skręcającą w poprzek autostrady. Firma Mobileye odpowiedziała, mówiąc, że wzbudziła obawy związane z używaniem systemu wizyjnego w celu umożliwienia półautomatycznej jazdy.
Wiele istniejących produktów Mobileye korzysta z sieci głębokiego uczenia wyszkolonych do dokładnego rozpoznawania informacji wizualnych. Sieci te są zasilane obrazami, które zostały ręcznie opatrzone adnotacjami i zostały wykorzystane do budowy systemów pojazdów zdolnych do rozpoznawania znaków drogowych lub śledzenia pojazdu z przodu w celu utrzymania bezpiecznej odległości. Aby umożliwić pełną automatyzację, firma planuje szkolić sieci z wykorzystaniem sposobu prowadzenia pojazdu, stosując podejście zwane uczeniem wzmacniania, które obejmuje eksperymentowanie w sieci i wzmacnianie pozytywnych wyników (w tym przypadku bezpiecznej jazdy). Uczenie się ze wzmacnianiem może być wykorzystywane do uczenia komputera, aby robił coś, co byłoby trudne do zaprogramowania, i obiecuje ułatwić uwzględnienie wszystkich różnych sytuacji, jakie samochód może napotkać na drodze.
Największym problemem będzie przekonanie firm samochodowych do współpracy. Udostępnianie danych przez firmy samochodowe ma sens, zwłaszcza w przypadku takiego problemu, w którym wymagana jest ogromna ilość różnorodnych danych. mówi Karl Iagnaema, CEO startupu o nazwie nuTonomy , który testuje zautomatyzowane taksówki w Singapurze. Zazwyczaj jednak liderzy nie chcą łączyć zasobów, bojąc się osłabienia swojej przewagi. Utrudnia dzielenie się zasobami.
Ponieważ zmuszanie samochodów do uczenia się na prawdziwej drodze jest niepraktyczne, firma Mobileye opracowała realistyczne symulacje z wykorzystaniem zebranych danych ze świata rzeczywistego. Wewnątrz tych symulacji algorytmy komputerowe mogą eksperymentować z różnymi sposobami poruszania się w sytuacjach drogowych. Plan zakłada, że różni producenci samochodów będą przesyłać dane o zachowaniach podczas jazdy z czujników do tej wspólnej sieci uczenia się.
Pomysł wykorzystania symulacji komputerowych do szkolenia pojazdów z pewnością zyskuje na popularności wśród badaczy (patrz: Samojezdne samochody mogą wiele się nauczyć grając w Grand Theft Auto). Shashua mówi, że ma nadzieję, że platforma symulacyjna, którą opracowuje jego firma, może posłużyć jako złoty standard testowania i weryfikacji algorytmów autonomicznych.