Proč jsou samořiditelná auta budoucností a jak jsou vytvářena?

Vzhledem k nedávným adaptačním opatřením karantény, která byla zavedena téměř ve všech částech světa, letectví, veřejná doprava a mnoho dalších odvětví utrpělo opravdu velkou ránu v roce 2020. Nicméně, automobilový svět a samořiditelná vozidla, zejména, ukázala zvýšenou odolnost během tohoto obtížného období. Skutečně, společnosti jako Ford zvýšily své investice do vývoje elektrických a samořiditelných aut přidělením 29 miliard dolarů v čtvrtém čtvrtletí loňského roku. Konkrétně, 7 miliard z této částky bude směřovat do vývoje samořiditelných aut. Takže Ford se připojuje k General Motors, Tesla, Baidu a dalším automobilkám, které investují大量ně do autonomních vozidel. V tomto článku vám řekneme, proč společnosti investují do samořiditelných aut a jak jsou strojové učící algoritmy, které je pohánějí, trénovány.

Proč tolik společností investuje do samořiditelných aut?

Když se podíváme na všechny výhody, které nabízí autonomní vozidla, je snadné vidět, proč tolik společností investuje do jejich vývoje. Řidiči budou moci ušetřit více peněz, protože nebudou muset platit za drahé pojistné plány, bude urychlit jejich denní commuty, zlepšit spotřebu paliva a mnoho dalších výhod. Pro společnosti tato automatizace otevírá dveře pro větší úspory. Velkým příkladem je autonomní 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 bezpečnostních funkcí (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. Nyní, když víme všechny výhody, které samořiditelná auta nabízejí, pojďme se podívat, jak jsou trénovány k rozpoznání světa kolem nich.

Jak fungují AV a jak mohou AV 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 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 AV a jede na dálnici, aby se dostala do práce. Auto potřebuje správně identifikovat stanovený limit rychlosti, udržet bezpečnou vzdálenost od vozidla před ním a když vstoupí do rezidenční oblasti, potřebuje rozpoznat chodce a umožnit jim přecházet silnici.

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

„Tyto projekty zahrnují věci, jako je rozpoznání obličeje na videu, aby se trénovala samořiditelná auta, aby rozpoznala chování ostatních řidičů na silnici, označování videa a anotace, aby se detekovalo pohybu a směru vozidla (my anotovali více než 545 milionů sekvencí obrázků). Další složitou úlohou anotace audio bylo, když jsme museli identifikovat časový údaj a označit lidskou řeč, stejně jako všechny pozadí zvuky, které se dějí uvnitř vozidla, jako je rádio, smích, křik, zpěv, zvířata a dokonce i ticho“.

Pojďme se podívat na složitou situaci. Představte si, že samořiditelné vozidlo jede v rezidenční čtvrti a tam jsou teenagerové se skateboardy, kteří čekají, až přejdou silnici. Podle pravidel, auto má právo přednosti, ale existuje velká šance, že teenagerové nebudou čekat, až se světlo změní na zelenou a budou se snažit přejít silnici předčasně. Řidič bude dobře vědom tohoto rizika a bude zpomalovat, aby se vyhnul takové události, ale pro stroj, by to bylo velmi obtížné vypočítat. To je další krok, který výzkumníci snaží udělat se samořiditelnými vozidly a prostě více anotovaných dat může být odpovědí.

Jak AV vidí fyzický svět?

Samořiditelná vozidla spoléhají na technologii LiDAR, aby viděla svět kolem sebe. LiDAR vytváří 3D bodový cloud, který je digitální reprezentací, jak AI systém vidí svět. Tato technologie není vyhrazena pouze pro samořiditelná vozidla, ale je také používána pro jiné úkoly automatizace, jako je například vytvoření robota, který může sklízet plodiny pro zemědělský sektor. 3D bodový cloud bude také potřebovat anotaci, aby stroj věděl, co přesně vidí. To se obvykle provádí technikami, jako je označování, 3D boxy a semantická segmentace. Více pokročilou formou anotace by bylo barevné kódování 3D bodového cloudu, aby vozidlo rozumělo vzdálenosti objektu.

Způsob, jakým LiDAR funguje, je, že vysílá signál světla ke všem objektům kolem něj a v závislosti na tom, jak dlouho trvá návrat světla, dává AI porozumění, jak daleko je objekt. Například, vozovka na 3D bodovém cloudu bude vždy modrá, protože je nejnižším bodem, světlo 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 worth noting, že LiDAR není jediný hráč na trhu. Například Tesla používá něco, co se nazývá Hydrant, což je kombinace osmi kamer, které vytvářejí kompletní obraz silnice. Další společnosti, jako Waymo a Voyage, používají LiDAR. Jedním z možných důvodů, proč Tesla může LiDAR vyhýbat, je to, že je velmi objemný a kazí celkový vzhled auta. Společnosti, které vyvíjejí robotaxi, jako Waymo, mohou s LiDARem získat výhodu.

Proč je kvalitní trénovací data tak důležité?

Mít kvalitní trénovací data je jednou z nejzákladnějších věcí, které potřebujete k vytvoření samořiditelného auta. Nicméně, prostě získání těchto dat nestačí. Trénovací datové sady potřebují být připraveny prostřednictvím anotace dat, aby AI systém mohl z nich učit. Ačkoli je to velmi časově náročný a únavný proces, úspěch celého projektu závisí na něm. 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 dopravního kolapsu.