Jak przyszłe samochody będą przewidywać Twoje manewry, zanim je wykonasz?

Kup nowy samochód w dzisiejszych czasach, a istnieje duże prawdopodobieństwo, że będzie on wyposażony w szereg technologii wspomagających kierowcę. Mogą one dostosować się do prędkości samochodu jadącego z przodu, zarządzać bezpieczną zmianą pasa, a nawet hamować, aby zapobiec kolizji. Tak więc interesujące pytanie brzmi, o ile lepsze mogą być te systemy bezpieczeństwa, zanim nastąpi nieuniknione i samochód całkowicie przejmie kontrolę.

Dziś otrzymujemy częściową odpowiedź dzięki pracy Ashesha Jaina z Cornell University i kilku kumpli, którzy opracowali system, który może przewidzieć następny manewr człowieka na trzy sekundy przed jego wykonaniem. Twierdzą, że informacje te można następnie wykorzystać do identyfikacji potencjalnych wypadków i zapobiegania im.

W teorii podejście jest proste. Jain i współpracownicy podkreślają, że wszechstronna wiedza na temat środowiska jazdy, zarówno wewnątrz, jak i na zewnątrz samochodu, może być wykorzystana do całkiem dobrego odgadnięcia bezpośrednich intencji kierowcy. Na przykład kierowcy zazwyczaj sprawdzają pasy obok siebie przed dokonaniem zmiany pasa. Tak więc monitorowanie ruchów głowy kierowcy pomaga przewidzieć, czy kierowca zamierza zmienić pas w ciągu najbliższych kilku sekund.

Podobnie informacje GPS i mapy ulic pokazują, kiedy samochód zbliża się do skrzyżowania, gdzie skręcanie w lewo lub w prawo staje się opcją. Prędkość jest również ważnym wskaźnikiem, ponieważ kierowcy zwykle zwalniają przed wykonaniem skrętu.

Ale te dane są rozbieżne. Dane o ruchu głowy są zupełnie inne niż dane dotyczące prędkości lub dane mapy. Trudność polega na łączeniu i analizowaniu tych strumieni informacji w sposób, który pozwala na dokonywanie dobrych prognoz.

Rozwiązaniem, które wymyślili Jain i spółka, jest wspólna analiza tych strumieni przy użyciu zaawansowanych algorytmów sztucznej inteligencji, które uczą się rozpoznawać znaki ostrzegawcze zbliżającego się manewru.

Pierwszą częścią ich pracy było zebranie danych potrzebnych do wyszkolenia ich maszyny. Jain i spółka wyposażyli samochód w jedną kamerę do monitorowania kierowcy i drugą do monitorowania stanu drogi. Wykorzystali również dane GPS wraz z mapami ulic i rejestratorem prędkości, aby śledzić prędkość pojazdu.

Następnie zebrali dane od 10 różnych kierowców, którzy w ciągu dwóch miesięcy przejechali ponad 1000 mil autostradą i miastem. Odręcznie opatrywali dane adnotacjami, aby wskazać, jakie manewry miały miejsce. W sumie zidentyfikowali 700 zdarzeń: około 300 zmian pasów, 130 zakrętów i prawie 300 losowo wybranych przypadków jazdy na wprost.

Wykorzystali te dane, aby wyszkolić wiele różnych maszyn do przetwarzania liczb, aby określić warunki, w jakich kierowca skręcałby w lewo lub w prawo, zmieniał pas na lewy lub prawy lub po prostu jechał w linii prostej.

Wyniki stanowią ciekawą lekturę. Najlepiej działający algorytm był w stanie przez większość czasu poprawnie określić przyszły manewr — około 90 procent przewidywań było poprawnych. I był w stanie przewidzieć średnio 3,5 sekundy przed faktycznym wykonaniem manewru.

Oczywiście przed nami jeszcze więcej pracy. Jednym z potencjalnych problemów jest określenie, jak dobrze algorytm działa w najbardziej niebezpiecznych warunkach jazdy, szczególnie w nocy lub gdy widoczność jest słaba z powodu burz śnieżnych lub deszczowych lub gdy słońce jest nisko na niebie.

W takich warunkach wypadki są bardziej prawdopodobne, więc algorytm predykcyjny może przynieść największe korzyści. Nie jest jednak jasne, jak system działa w tych warunkach.

Innym pytaniem jest, co zrobić z tymi informacjami po ich zebraniu. Jak można go wykorzystać do zapobiegania wypadkom? Ponownie nie jest jasne, w jaki sposób producenci samochodów mogą wykorzystać te dane.

Niemniej jednak nowe podejście może zwiastować ciekawą zmianę w podejściu do bezpieczeństwa kierowców. Dokładne przewidywanie manewrów kierowców z pewnością przyczyni się do zwiększenia bezpieczeństwa samochodów w najbliższej przyszłości. O ile, oczywiście, technologia autonomicznych samochodów sprawi, że ludzie — i technologia pozwalająca przewidywać, co zrobią w przyszłości — staną się zbędni szybciej, niż ktokolwiek się spodziewa.

Nr ref.: http://arxiv.org/abs/1601.00740 : Brain4Cars: samochód, który wie, zanim to zrobisz dzięki architekturze głębokiego uczenia sensorycznego fuzji

ukryć