Proč jsou samořiditelná auta budoucností a jak jsou vytvářena?

V důsledku recentních adaptačních karanténních opatření zavedených téměř ve všech částech světa, letectví, veřejná doprava a mnoho dalších sektorů utrpěly velkou ránu v roce 2020. Nicméně, automobilový svět a samořiditelná vozidla, zejména, ukázaly zvýšenou odolnost během tohoto obtížného období. Skutečně, společnosti jako Ford zvýšily své investice do vývoje elektrických a samořiditelných aut přidělením 29 miliard dolarů ve čtvrtém čtvrtletí loňského roku. Konkrétně, 7 miliard z této částky půjde na vývoj samořiditelných aut. Takže Ford se připojuje k General Motors (GM ), Tesla (TSLA ), Baidu a dalším automobilkám, které investují do samořiditelných vozidel. V tomto článku vám řekneme, proč společnosti investují do samořiditelných aut a jak se strojové učící algoritmy, které je pohání, učí.

Proč tolik společností investuje do samořiditelných aut?

Když se podíváme na všechny výhody, které nabízí samořiditelná vozidla, je snadné vidět, proč tolik společností investuje do jejich vývoje. Řidiči budou moci ušetřit více peněz, protože nebudou muset platit drahé pojistné plány, bude urychlit jejich denní commuty, zlepšit spotřebu paliva a mnoho dalších výhod. Pro společnosti tato automatizace otevírá dveře k větším úsporám. Velkým příkladem je samořiditelné kamionové dopravování, které bude moci snížit provozní náklady o 45%, podle zprávy společnosti McKinsey & Company.

Hlavní výhodou musí být zvýšená bezpečnost. Podle NHTSA, 94% vážných nehod je výsledkem lidské chyby. Samořiditelná auta mohou výrazně snížit počet nehod, protože nevyžadují žádný vstup řidiče a mají 360stupňový výhled ve všech směrech. Kromě toho, pokročilé systémy bezpečnosti řidiče (ADAS) mohou převzít bezpečnostně kritické funkce v nebezpečných situacích, jako je brzdění a řízení. Existuje mnoho dalších výhod, které samořiditelná vozidla nabízejí společnosti, jako je snížení emisí. Skutečně, základní případ ukázal 9% snížení spotřeby energie a emisí skleníkových plynů v celém životním cyklu vozidla ve srovnání s konvenčními vozidly. Teď, když víme všechny výhody, které samořiditelná auta nabízejí, pojďme se podívat, jak jsou trénovány, aby rozpoznaly svět kolem nich.

Jak samořiditelná vozidla fungují a jak mohou stát skutečností

Samořiditelné vozidlo potřebuje dodržovat pravidla silnice a k tomu potřebuje rozpoznat všechny druhy dopravních značek, vozovky, detekovat ostatní vozidla a chodce a mnoho dalších objektů. Tato umělá inteligence vozidla se spoléhá na strojové učení, aby “vypočítala”, co je třeba udělat ve všech typech jízdních situací. Pojďme se podívat na základní příklad. Osoba je ve svém samořiditelném autě a jede na dálnici do práce. Auto potřebuje správně identifikovat rychlostní limit, udržet bezpečnou vzdálenost od auta před ním a když vjede do rezidenční oblasti, potřebuje rozpoznat chodce a umožnit jim přecházet silnici.

To vyžaduje tisíce a tisíce obrázků, které musí být anotovány technikami sahajícími od označení až po semantickou segmentaci. Skutečně, Evgenia Khimenko, generální ředitelka Mindy Support, společnosti, která poskytuje služby anotace dat pro automobilový průmysl, říká, že existuje široká škála projektů anotace dat pro automobilový průmysl:

„Tyto projekty zahrnují věci jako rozpoznání obličeje na videu, aby se samořiditelná auta mohla naučit identifikovat chování ostatních řidičů na silnici, označení videa a anotace, aby se detekoval pohyb a směr vozidla (my anotovali více než 545 milionů sekvencí obrázků). Další složitou úlohou anotace audiozáznamu bylo identifikovat časový údaj a označit lidskou řeč a všechny pozadí, jako je rádio, smích, křik, zpěv, zvířata a dokonce i ticho“.

Pojďme se podívat na složitou situaci. Představte si, že samořiditelné auto jede v rezidenční čtvrti a tam jsou teenageři s skateboardy, kteří čekají, až budou moci přejít silnici. Podle pravidel má auto právo jet, ale existuje dobrá šance, že teenageři nebudou čekat, až se světlo změní na zelenou, a budou se snažit přejít silnici předčasně. Řidič bude dobře vědět o tomto riziku a zpomalí, aby se vyhnul takové situaci, ale pro stroj bude velmi obtížné tuto situaci vypočítat. To je další krok, který výzkumníci snaží udělat se samořiditelnými vozidly a možná, že více anotovaných dat může být odpovědí.

Jak samořiditelná vozidla vidí fyzický svět?

Samořiditelná vozidla se spoléhají na technologii LiDAR, aby mohla vidět svět kolem sebe. LiDAR vytváří 3D bodový mrak, který je digitální reprezentací, jak systém umělé inteligence vidí svět. Tato technologie není vyhrazena pouze pro samořiditelná vozidla, ale je také používána pro jiné úkoly automatizace, jako je vytváření robota, který může sklízet plodiny pro zemědělský sektor. 3D bodový mrak bude také muset být anotován, aby stroj věděl, co přesně vidí. To se obvykle dělá technikami, jako je označení, 3D boxy a semantická segmentace. Více pokročilou formou anotace by bylo barevné označení 3D bodového mraku, aby vozidlo rozumělo vzdálenosti objektu.

LiDAR funguje tak, že vysílá signál světla ke všem objektům kolem něj a v závislosti na tom, jak dlouho trvá návrat signálu, dává umělá inteligence pochopení, jak daleko je objekt. Například, vozovka na 3D bodovém mraku bude vždy modrá, protože je nejnižším bodem, signál se bude odrážet rychle a modrá má velmi krátkou vlnovou délku. Jeden z okolních budov může být červený nebo oranžový, v závislosti na tom, jak daleko je.

Je třeba poznamenat, že LiDAR není jedinou možností. Například Tesla používá něco, co se nazývá Hydrant, což je kombinace osmi kamer, které spojují kompletní obraz silnice. Další společnosti, jako Waymo a Voyage, používají LiDAR. Jedním z možných důvodů, proč Tesla může LiDAR vyhnout, je to, že je velmi objemný a kazí celkový vzhled auta. Vždyť Tesly jsou velmi drahá a řidiči pravděpodobně nebudou chtít velký box na střeše svého auta. Společnosti, které vyvíjejí robotaxi, jako je Waymo, mohou použít LiDAR.

Proč je kvalitní trénovací data tak důležité?

Mít kvalitní trénovací data je jednou z nejzákladnějších věcí, které potřebujete k vytvoření samořiditelného auta. Nicméně, pouze získání těchto dat nestačí. Trénovací datové sady musí být připraveny prostřednictvím anotace dat, aby systém umělé inteligence mohl z nich učit. Ačkoli je tento proces velmi časově náročný a únavný, úspěch celého projektu závisí na něm. Vždyť samořiditelná auta jsou budoucností a mohou potenciálně pomoci nám snížit nebo dokonce eliminovat některé z problémů, které jsme nyní řeší v oblasti dopravních nehod a úmrtí, environmentálních problémů a dopravních zácp na silnicích.