211service.com
Tesla varētu aizstāt autopilota acis ar kaut ko daudz progresīvāku
Uz ko būs spējīgas Teslas jaunās smadzenes?
Automašīnu kompānija pagājušajā nedēļā paziņoja, ka vairs neizmantos redzes sistēmu, ko nodrošina Izraēlas uzņēmums MobileEye, kas piegādā tehnoloģijas daudziem autoražotājiem. Tas notika dažas nedēļas pēc tam, kad Nacionālā automaģistrāļu satiksmes drošības administrācija paziņoja, ka tā izmeklē nāvējošu negadījumu, kas noticis, vienai no Teslas automašīnām darbojoties Autopilota režīmā, kas ir sistēma, kas paredzēta, lai nodrošinātu automatizētu braukšanu vadītāja uzraudzībā. Nav skaidrs, kāpēc Tesla atsakās no MobileEye, taču viens no iemesliem var būt jaunāku pieeju rašanās automatizētai braukšanai.
MobileEye nodrošina progresīvu attēlu atpazīšanas sistēmu, kas spēj atpazīt ceļa zīmes vai šķēršļus, piemēram, citas automašīnas vai gājējus uz ceļa. Uzņēmums ir teicis, ka izmanto dziļo mācīšanos — populāru mašīnmācīšanās paņēmienu, kura pamatā ir daudzslāņu simulētu neironu tīkla apmācība, lai atpazītu ievadi, izmantojot lielu skaitu apmācības piemēru.
Tesla nav publiski atklājusi, kā darbojas tās daļēji automatizētā braukšanas tehnoloģija, taču, visticamāk, tā ņem informāciju no MobileEye sistēmas, kā arī datus no radara un ultraskaņas sensoriem un izmanto to, lai pieņemtu lēmumus par braukšanu.
Tesla var vienkārši izveidot savu redzes sistēmu, kas paredzēta tikai automatizētai braukšanai. Uzņēmums atteicās komentēt, taču tas ir uzkrājis zināšanas mašīnredzes jomā, pieņemot darbā ekspertus šajā jomā.
Vēsturiski automatizētās braukšanas sistēmas izmantoja inženieru manuāli iekodētus noteikumus, lai atpazītu šķēršļus un pieņemtu svarīgus lēmumus uz ceļa. Tomēr arvien biežāk noteikumi tiek aizstāti ar mašīnmācīšanos, kas ir veids, kā apmācīt sistēmu, kā rīkoties, izmantojot datu masas. Īpaši padziļināta apmācība tiks izmantota, lai apmācītu automašīnas ne tikai redzēt, bet arī pareizi braukt. Gaidāmās sistēmas izmantos mašīnmācīšanos, lai paveiktu vairāk, nekā tikai atpazītu objektus uz ceļa, piemēram, tās varētu noteikt attālumu līdz šķērslim vai pat tā trajektoriju. Mašīnmācība var arī palīdzēt ar automašīnas kustības plānošanu un pat tās braukšanas sistēmu vadību.
Nvidia, kas piegādā aparatūru daudziem autoražotājiem, tostarp Tesla, ir demonstrējusi sistēmu, kas izmanto dziļu mācīšanos, lai kontrolētu visu pašbraucošā prototipā. Tomēr tas bija tikai eksperimentāls prototips un ne vienmēr atspoguļo nākotnes Nvidia piedāvājumu. Aparatūras ražotājs atteicās komentēt šo rakstu.
Ignmārs Pozners , Oksfordas Universitātes pasniedzējs un eksperts par mašīnmācības pielietošanu robotizētām sistēmām, tostarp pašbraucošiem transportlīdzekļiem, saka, ka padziļināta apmācība, visticamāk, turpmākajās braukšanas sistēmās veiks sarežģītāku ainu interpretāciju.
'Es domāju, ka pielietojums autonomajā braukšanā paplašināsies, jo tiks ieviestas vairāk sensoru modalitātes, piemēram, radars un lidars, un būs nepieciešami dažādi izvadi,' saka Pozners. 'Iedomājieties, piemēram, sistēmu, kas mācās iepriekš paredzēt vadītāja darbības un pārbauda, vai tās ir drošas.'
Daži jaunizveidotie uzņēmumi jau strādā pie progresīvākām, uz dziļām mācībām balstītām braukšanas sistēmām, kas drīzumā var kļūt komerciāli pieejamas.
Uzņēmums Drive.ai, ko izveidojusi AI pētnieku grupa no Stenfordas universitātes, izstrādā sarežģītu automatizētu braukšanas sistēmu, ko galu galā piedāvās automašīnu ražotājiem. Tāpat kā Nvidia sistēma, arī Drive.ai izmanto dziļu mācīšanos, lai iegūtu vairāk automatizētas braukšanas elementu, tostarp attēlu atpazīšanas un kustības plānošanas un kontroles elementi. Šī gada aprīlī Drive.ai saņēma licenci autonomo transportlīdzekļu testēšanai uz ceļiem Kalifornijā, kas ir 13. uzņēmums, kas saņēmis šādu atļauju.
'Mēs sapratām, ka braukšana ir šī apbrīnojamā dziļās mācīšanās pielietojums, un, pareizi rīkojoties, tas ir veids, kā mainīt pasauli,' saka Kerola Reilija, robotiķe un Drive.ai līdzdibinātāja. “Tā ir ļoti uz datiem balstīta, padziļināta pieeja braukšanai.
Pēc gadiem ilga lēna un vienmērīga progresa automobiļu rūpniecība tagad mainās neparastā tempā, un iekšdedzes dzinēji un kloķvārpstas kļūst mazāk nozīmīgi nekā datori, sensori un kods (skatiet sadaļu “Automobiļa atsāknēšana”). Tas, ka uzņēmums, piemēram, Drive.ai, kurā strādā datorzinātnieki un AI eksperti, varētu būt gatavs ieviest svarīgu jaunu tehnoloģiju autoražotājiem, daudz saka par šo pārveidi. Taču ir arī ļoti svarīgi, lai šāda veida zināšanas iepludinātu automašīnu pasauli, jo tādas mašīnmācības metodes kā dziļa mācīšanās būtiski atšķiras (skatiet sadaļu “Ja automašīnai bez vadītāja kļūst slikti, mēs, iespējams, nekad neuzzināsim, kāpēc”).
Reilija skaidro, ka šī ir liela Drive.ai uzmanības centrā. 'Ar autonomu braukšanu drošība ir tik svarīga,' viņa saka. “Viena no lietām, par ko mēs ļoti domājam, ir veids, kā pārbaudīt padziļinātas apmācības sistēmas daļēji caurspīdīgā veidā. Lai cilvēki vismaz saprastu ievadi un varētu sagaidīt rezultātus.
Drive.ai ienāk konkurences tirgū. Google jau kādu laiku testē pašbraucošas automašīnas ar mērķi beidzot piedāvāt šo tehnoloģiju autoražotājiem. Tāpat tiek baumots, ka Apple izstrādā automatizētu braukšanas sistēmu vai nu savam transportlīdzeklim, vai produktam, kas tiktu piedāvāts esošajiem autoražotājiem.
Pozners no Oksfordas universitātes saka, ka jaunām un uzlabotām sensoru iespējām, kas izstrādātas automatizētiem transportlīdzekļiem, vajadzētu radīt labākus mobilos robotus daudzos rūpniecības apstākļos, piemēram, kalnrūpniecībā un noliktavu loģistika. 'Šis punkts bieži tiek palaists garām,' saka Pozners. 'Autonomās automašīnas patiešām piedāvā tikai nelielu lietojumprogrammu domēnu apakškopu, ko šī tehnoloģija skars.'