Šī automašīna zina jūsu nākamo kļūdu, pirms to darāt

Eksperimentāls jauns informācijas paneļa dators var ne tikai izsekot jūsu uzvedībai pie stūres, bet pat paredzēt, ko jūs gatavojaties darīt tālāk.

Tā kā lielākā daļa ceļu satiksmes negadījumu rodas autovadītāja kļūdu dēļ un uzmanības novēršana kļūst arvien lielāka problēma viedtālruņu visuresamības dēļ, automašīnu ražotāji arvien vairāk pēta veidus, kā izsekot autovadītāja uzvedībai pie stūres. Volvo, GM un citi jau testē sistēmas, kas uzraudzīs galvas un acu stāvokli, lai atklātu uzmanības novēršanas pazīmes.

Kornela universitātes un Stenfordas pētnieku pētījums liecina, ka varētu apmācīt modernāku sistēmu, lai atpazītu ķermeņa valodu un uzvedību, kas notiek pirms konkrēta manevra. Tas varētu palīdzēt iedarbināt agrīnās brīdināšanas sistēmu, piemēram, aklās zonas brīdinājumu, daudz agrāk —, iespējams, tādējādi palīdzot novērst nopietnus negadījumus, norāda iesaistītie akadēmiķi.

Iedomājieties, ka braucat pa šoseju, saka Saksena Ašūta , aicināja kāda projekta direktore Robo Brains Kornela Universitātē un Stenfordā, kas pārraudzīja braukšanas projektu. Jūs uz mirkli paskatāties pa labi, jo gatavojaties veikt labo pagriezienu, un, sākot veikt labo pagriezienu, kāds cits autovadītājs ir iebraucis telpā, kas jums šķiet tukša. Pēc tam automašīna var vai nu brīdināt, vai pat neļaut jums iebraukt joslā.

Sistēma tika apmācīta, izmantojot vismodernākos mašīnmācīšanās algoritmus, un tā ar nedaudz vairāk nekā 90 procentiem precizitāti varēja paredzēt, kad vadītājs dažu nākamo sekunžu laikā gatavojas mainīt joslu. Par joslu maiņu parasti ziņoja skatiens pāri plecam, kā arī galvas kustības un stūres, bremzēšanas un paātrinājuma izmaiņas. Ashutosh saka, ka sasniegtā precizitāte ir gandrīz pietiekami laba, lai to izmantotu ražošanas sistēmā.

Šis video parāda funkcijas, ko sistēma izmanto, lai izsekotu vadītāja galvas kustībai.

Pētnieki, kas strādā, pēta dažādus veidus, kā transportlīdzeklis var uzraudzīt un paredzēt vadītāja uzvedību, izmantojot projektu, ko sauc Brain4Cars .

Darbā tika izmantota mašīnmācīšanās pieeja, ko sauc par dziļo mācīšanos, lai atpazītu darbības, kas veiktas pirms joslas maiņas manevra. Algoritmi tika apmācīti, izmantojot datus, kas savākti, kad 10 dažādi cilvēki kopā nobrauca 1180 jūdzes ap dažādiem Kalifornijas apgabaliem. Pētnieki plāno iegūto datu kopu padarīt brīvi pieejamu, lai citi akadēmiķi un auto pētnieki varētu to izmantot.

Padziļināta mācīšanās pēdējos gados ir izrādījusies īpaši noderīga, lai atpazītu sarežģītus vai smalkus modeļus datos, piemēram, video un audio (skatiet 10 Breakthrough Technologies 2013: Deep Learning ). To jau izmanto, lai transportlīdzekļu datori varētu atpazīt dažāda veida šķēršļus uz ceļa. Jaunākajā darbā komanda apvienoja datus no videokameras ar GPS datiem un informāciju no automašīnas datorsistēmām.

Daudzām luksusa automašīnām tagad ir sensori, kas nodrošina drošības brīdinājumus, kā arī automātisku lūšanu un stūrēšanu. Ešs Džeins , Saxena audzēknis un Brain4Cars projekta vadītājs, saka, ka darbību uzraudzība gan automašīnā, gan ārpus tās varētu padarīt šādas drošības sistēmas viedākas. Pieņemsim, ka vadītājs uz sekundi ir apjucis, viņš saka. Ja priekšā nekas nav, automašīnai ir jābūt pietiekami gudrai, nevis jābrīdina vadītājs. Tas ir par to, kā jūs izmantojat informāciju no visiem šiem sensoriem.

Saskaņā ar ASV veikto pētījumu vairāk nekā 90 procenti ceļu satiksmes negadījumu ir notikuši kāda veida autovadītāja kļūdu rezultātā. Valsts autoceļu satiksmes drošības iestāde .

Paradoksāli, ka autovadītāju uzvedības uzraudzība varētu kļūt svarīgāka pat tad, kad automašīnas kļūst automatizētākas. Tas ir tāpēc, ka pat tad, ja automašīnas dažās situācijās, piemēram, pa lielceļiem vai autostāvvietās brauc pašas, vadītājiem tik un tā laiku pa laikam būs jāiesēžas no jauna stūres, un pētījumi liecina, ka tas var aizņemt vairākas sekundes atkarībā no vadītāja uzmanības novēršanas līmeņa (skatiet Turpināt ar piesardzību attiecībā uz pašbraucošo automašīnu). Google ir gājusi tik tālu, lai apietu problēmu, pilnībā noņemot pedāļus un stūri no dažiem saviem prototipiem.

Dons Normans , produktu dizaina eksperts, kurš ir bijis konsultants daudziem autoražotājiem un datoru uzņēmumiem, saka, ka Brain4Car darbs ir daudzsološs, taču piebilst, ka tas būs vēl jāuzlabo un jāpārbauda reālajā pasaulē. Tie ir simulācijas dati, kas tiek palaisti laboratorijā, saka Normans. Reālā pasaule nekad nav tik jauka kā laboratorija. Daudzi faktori var mainīt rezultātus, ja tos izmanto reāliem cilvēkiem, kuri reālā satiksmē brauc ar īstām automašīnām.

paslēpties