Systém včasného varování založený na umělém inteligenci se učí z reálných situací v dopravě

Nový systém včasného varování pro vozidla vyvinutý týmem výzkumníků z Technické univerzity v Mnichově (TUM) využívá umělou inteligenci k učení z tisíců reálných situací v dopravě. Studie provedená ve spolupráci se skupinou BMW prokázala, že systém by byl prospěšný pro dnešní autonomní vozidla. Pokud by byl použit, mohl by poskytnout varování až sedm sekund před potenciálními kritickými situacemi, se kterými se vozidla sama nedokážou vypořádat. Přesnost systému se ukázala být 85%.

Aktuální vývojové úsilí pro autonomní vozidla využívá sofistikované modely, které umožňují vozidlům analyzovat chování všech účastníků dopravy. Nicméně většina těchto modelů dosud neprokázala schopnost zvládat komplexní nebo nepředvídatelné situace.

Tým za novým systémem včasného varování spolupracoval s profesorem Eckehardem Steinbachem, předsedou katedry mediální technologie a členem výkonné rady Mnichovské školy robotiky a umělé inteligence na TUM.

Výzkum nazvaný „Introspektivní předpověď selhání pro autonomní řízení pomocí pozdní fúze stavu a kamery“ byl zveřejněn v IEEE Transactions on Intelligent Transportation Systems.

Nový přístup využívá umělou inteligenci k umožnění systému učení z minulých situací. Konkrétně se jedná o situace, ve kterých autonomní vozidla dosáhla svých limitů v reálném provozu. To nastává, když lidský řidič musí převzít kontrolu nad vozidlem, buď protože vozidlo signálizuje potřebu zásahu, nebo protože lidský řidič rozhodne, že je to nejbezpečnější varianta.

RNN a varování za sedm sekund

Nový systém se spoléhá na senzory a kamery, které zaznamenávají okolní podmínky, a údaje o stavu, jako je úhel řízení, stav vozovky a počasí, jsou zaznamenávány. Systém umělých inteligencí využívá rekurentní neuronovou síť (RNN), která může zpracovávat data k rozpoznání vzorců. Každýkrát, když systém detekuje novou situaci řízení, která nebyla dříve zvládnuta, je řidič včas varován.

„Abysme mohli udělat vozidla více autonomními, mnoho stávajících metod studuje, co vozidla目前 chápou o dopravě, a pak se snaží vylepšit modely, které vozidla využívají. Velkou výhodou naší technologie je, že úplně ignorujeme, co si vozidlo myslí. Místo toho se omezujeme na data založená na tom, co se skutečně děje, a hledáme vzorce,” říká Steinbach. “Tímto způsobem umělá inteligence objevuje potenciálně kritické situace, které modely možná nejsou schopny rozpoznat, nebo které dosud nebyly objeveny. Naším systémem tedy nabízíme bezpečnostní funkci, která ví, kdy a kde vozidla mají slabiny.”

Technologie byla testována se skupinou BMW, a autonomní vozidla na veřejných silnicích byla analyzována. To se událoduring 2500 situací, ve kterých lidský řidič zasáhl, a studie prokázala, že systém je 85% přesný a může varovat řidiče až sedm sekund předem.

Technologie závisí na velkém množství dat, protože je omezena tím, kolik situací systém viděl. Data byla prakticky generována sama, vzhledem k počtu vývojových vozidel目前 na silnicích.

“Každýkrát, když nastane potenciálně kritická situace během testovací jízdy, získáváme nový tréninkový příklad.”

Protože data jsou uložena centrálně, může se z nich učit celé vozové parku.