Prosty sposób na przyspieszenie pojawienia się autonomicznych samochodów

Nowy publiczny zbiór danych dotyczących samochodów autonomicznych pokazuje, że nawet proste dojazdy do miasta mogą doprowadzić do granic możliwości zautomatyzowanej jazdy. Podkreśla również, w jaki sposób udostępnianie danych może pomóc autonomicznym samochodom znacznie szybciej wyjechać na drogi.

Naukowcy z Uniwersytetu Oksfordzkiego udostępnili szczegółowy zestaw danych, który podkreśla niektóre z najtrudniejszych problemów, z jakimi borykają się samochody autonomiczne. Dane składają się z tysięcy godzin danych z tego samego 10-kilometrowego odcinka drogi w ciągu roku. I pokazuje, jak pogoda, oświetlenie, a nawet same cechy dróg mogą się bardzo różnić w stosunkowo krótkim czasie.

Naukowcy prześledzili rodzaj zmienności, z jaką autonomiczne samochody będą musiały sobie radzić na co dzień — poruszające się pojazdy, samochody zaparkowane na różne sposoby oraz różnice w oświetleniu. Potem następują długoterminowe zmiany, mówi Will Maddern , starszy pracownik naukowy w Mobile Robotics Group na Uniwersytecie Oksfordzkim. Budownictwo, roboty drogowe, sezonowe zmiany wegetacji itp.

Kiedy badacze Google rozpoczęli testowanie autonomicznych samochodów, odkryli, że pojazdy te łatwo ulegały destrukcji przez ruchliwe maszyny obrotowe. Pojazdy, zaprogramowane tak, aby zachować ostrożność, krążyły przez kilka minut, zanim wymyśliły, jak uciec. Zespół z Oksfordu odkrył inny rodzaj problemu: w ciągu roku miasto zostało trzykrotnie przesunięte przez miasto.

Dane z zakresu laserowego zebrane przez zespół z Uniwersytetu Oksfordzkiego pokazują, jak autonomiczne samochody muszą dostosowywać się do zmian wegetacji w ciągu roku.

Systemy opierające się na precyzyjnym mapowaniu, w tym na pojazdach Google, będą zmagać się z takimi zmianami. To bardzo otwarty problem, mówi Maddern. Jednym z powodów, dla których zebraliśmy te dane, było stwierdzenie, w którym miejscu budowane przez nas systemy uległyby awarii.

Niektóre firmy, takie jak Tesla, nie używają szczegółowych map — zamiast tego polegają na postępach w przetwarzaniu obrazu i czujnika, aby wykrywać i omijać przeszkody. Ale te systemy byłyby również zdezorientowane przez rodzaje cech zidentyfikowanych przez zespół z Oksfordu. Google i Tesla przodują pod względem ilości zebranych danych dotyczących jazdy, ale nie będą mieć tak dużo danych, jak Oxford pokazujący różnice na jednej trasie.

Ten zestaw danych jest wspaniałym wkładem w tę dziedzinę, mówi Jana Leonarda , profesor na MIT, który pomógł opracować niektóre z kluczowych algorytmów dla samochodów autonomicznych i który pracuje nad badaniami koordynowanymi przez Toyotę. Zestawy danych o dużej skali i długim czasie trwania mogą zapewnić ogromny wzrost tempa postępu.

Leonard dodaje, że gdyby firmy opracowujące samochody autonomiczne udostępniły swoje dane, mogłoby to przyspieszyć pojawienie się technologii ratującej życie. Mówiąc ogólniej, myślę, że byłoby wspaniale, gdyby więcej grup pracujących nad autonomicznymi samochodami mogło udostępniać zbiory danych, a także udostępniać więcej narzędzi jako open source, mówi.

Inni w branży podzielają jego sentyment. Przemawiając na konferencji w zeszłym tygodniu, Gill Pratt, dyrektor generalny Toyota Research Institute w Kalifornii, powiedział, że biorąc pod uwagę konsekwencje dla bezpieczeństwa, firmy samochodowe mogą również rozważyć współpracę, która może obejmować udostępnianie niektórych gromadzonych danych.

Ważne jest, aby pamiętać, że nie zawsze musimy pracować sami, powiedział Pratt. Naszą wielką nadzieją jest konstruktywna rywalizacja, a także współpraca pomiędzy wszystkimi producentami samochodów, firmami IT, różnymi rządami, a także producentami sprzętu.

ukryć