Tesla może zastąpić oczy autopilota czymś znacznie bardziej zaawansowanym

Do czego będzie zdolny nowy mózg Tesli?

Firma samochodowa ogłosiła w zeszłym tygodniu, że nie będzie już korzystać z systemu wizyjnego dostarczanego przez MobileEye, izraelską firmę dostarczającą technologię wielu producentom samochodów. Dzieje się to kilka tygodni po tym, jak National Highway Traffic Safety Administration ogłosiła, że ​​prowadzi dochodzenie w sprawie śmiertelnego wypadku, który miał miejsce, gdy jeden z samochodów Tesli działał w trybie autopilota, systemie zaprojektowanym, aby umożliwić zautomatyzowaną jazdę pod nadzorem kierowcy. Nie jest jasne, dlaczego Tesla rezygnuje z MobileEye, ale jednym z powodów może być pojawienie się nowszych podejść do zautomatyzowanej jazdy.

MobileEye zapewnia coś, co sprowadza się do zaawansowanego systemu rozpoznawania obrazu, zdolnego do identyfikowania znaków drogowych lub przeszkód, takich jak inne samochody lub piesi, na drodze przed nami. Firma powiedziała, że ​​wykorzystuje głębokie uczenie, popularną technikę uczenia maszynowego opartą na trenowaniu wielowarstwowej sieci symulowanych neuronów w celu rozpoznawania danych wejściowych na podstawie dużej liczby przykładów szkoleniowych.

Tesla nie ujawniła publicznie, jak działa jej półautomatyczna technologia jazdy, ale najprawdopodobniej pobiera informacje z systemu MobileEye, a także dane z czujników radarowych i ultradźwiękowych i wykorzystuje je do podejmowania decyzji dotyczących jazdy.

Tesla może po prostu zaprojektować własny system wizyjny, przeznaczony wyłącznie do zautomatyzowanej jazdy. Firma odmówiła komentarza, ale buduje doświadczenie w dziedzinie wizji maszynowej, rekrutując ekspertów w tej dziedzinie.

Historycznie zautomatyzowane systemy jazdy wykorzystywały reguły kodowane ręcznie przez inżynierów, aby rozpoznawać przeszkody i podejmować krytyczne decyzje na drodze. Coraz częściej jednak reguły zastępowane są przez uczenie maszynowe, czyli sposób uczenia systemu, jak zachowywać się przy użyciu masy danych. W szczególności głębokie uczenie będzie wykorzystywane do trenowania samochodów nie tylko tego, jak widzieć, ale także jak prawidłowo jeździć. Nadchodzące systemy będą wykorzystywać uczenie maszynowe do czegoś więcej niż tylko rozpoznawania obiektów na drodze — na przykład mogą być w stanie określić odległość do przeszkody, a nawet jej trajektorię. Uczenie maszynowe może również pomóc w planowaniu ruchu samochodu, a nawet w sterowaniu jego systemami napędowymi.

Nvidia, która dostarcza sprzęt wielu producentom samochodów, w tym Tesli, zademonstrowała system, który wykorzystuje głębokie uczenie do kontrolowania wszystkiego w samojezdnym prototypie. Był to jednak czysto eksperymentalny prototyp i niekoniecznie odzwierciedla przyszłą ofertę Nvidii. Producent sprzętu odmówił komentarza do tego artykułu.

Ignmar Posner , wykładowca na Uniwersytecie Oksfordzkim i ekspert w zakresie stosowania uczenia maszynowego w systemach robotycznych, w tym w pojazdach samojezdnych, twierdzi, że głębokie uczenie prawdopodobnie przyjmie bardziej złożoną interpretację scen w nadchodzących systemach jazdy.

„Sądzę, że zastosowania w autonomicznej jeździe rozszerzą się w miarę wprowadzania większej liczby metod wykrywania, takich jak radar i lidar, oraz gdy wymagane są różne wyjścia” – mówi Posner. „Wyobraźmy sobie na przykład system, który uczy się przewidywać działania kierowcy z wyprzedzeniem i sprawdza, czy są one bezpieczne”.

Niektóre start-upy już pracują nad bardziej zaawansowanymi systemami napędowymi opartymi na głębokim uczeniu się, które mogą wkrótce stać się dostępne na rynku.

Drive.ai, firma założona przez grupę naukowców zajmujących się sztuczną inteligencją ze Stanford University, opracowuje zaawansowany zautomatyzowany system jazdy, który docelowo zaoferuje producentom samochodów. Podobnie jak system Nvidii, Drive.ai wykorzystuje głębokie uczenie dla większej liczby elementów zautomatyzowanej jazdy, w tym rozpoznawania obrazów oraz elementów planowania i sterowania ruchem. W kwietniu br. Drive.ai otrzymał licencję na testowanie pojazdów autonomicznych na drogach w Kalifornii, będąc 13. firmą, która otrzymała takie zezwolenie.

„Zdaliśmy sobie sprawę, że prowadzenie pojazdu jest niesamowitym zastosowaniem głębokiego uczenia się, i dobrze wykonane jest sposobem na zmianę świata” – mówi Carol Reiley, robotyk i współzałożyciel Drive.ai. „To podejście do jazdy oparte na danych i głębokiego uczenia się.

Po latach powolnego i stałego postępu przemysł motoryzacyjny zmienia się teraz w niezwykłym tempie, a silniki spalinowe i wały korbowe stają się mniej ważne niż komputery, czujniki i kod (patrz „Ponowne uruchamianie samochodu”). To, że firma taka jak Drive.ai, zatrudniająca informatyków i ekspertów AI, może wprowadzić kluczową nową technologię dla producentów samochodów, wiele mówi o tej transformacji. Ale jest to również kluczowe, aby tego rodzaju wiedza specjalistyczna zakorzeniła się w świecie samochodów, ponieważ techniki uczenia maszynowego, takie jak uczenie głębokie, są zasadniczo różne (patrz „Jeśli samochód bez kierowcy zepsuje się, możemy nigdy nie wiedzieć dlaczego”).

Reiley wyjaśnia, że ​​jest to duży obszar zainteresowania Drive.ai. „W przypadku jazdy autonomicznej bezpieczeństwo jest tak krytyczne” – mówi. „Jedną z rzeczy, nad którymi intensywnie się zastanawiamy, jest testowanie systemów głębokiego uczenia się w sposób półprzezroczysty. Aby ludzie mogli przynajmniej zrozumieć nakłady i mieć oczekiwane rezultaty”.

Drive.ai wkracza na konkurencyjny rynek. Google od jakiegoś czasu testuje autonomiczne samochody, aby ostatecznie zaoferować tę technologię producentom samochodów. Mówi się również, że Apple opracowuje zautomatyzowany system jazdy, albo dla własnego pojazdu, albo dla produktu, który byłby oferowany obecnym producentom samochodów.

Posner z Uniwersytetu Oksfordzkiego twierdzi, że nowe i ulepszone możliwości wykrywania opracowane dla pojazdów zautomatyzowanych powinny doprowadzić do stworzenia lepszych robotów mobilnych dla wielu środowisk przemysłowych, takich jak logistyka górnicza i magazynowa. „Ten punkt często się przeocza” – mówi Posner. „Samochody autonomiczne w rzeczywistości stanowią tylko niewielki podzbiór domen aplikacji, których ta technologia dotknie”.

ukryć