AI-baseret tidlig advarselssystem lærer af rigtige trafiksituationer

Et nyt tidlig advarselssystem for køretøjer, udviklet af en gruppe forskere ved Technical University of Munich (TUM), anvender AI til at lære af tusinder af rigtige trafiksituationer. En studie blev gennemført i samarbejde med BMW Group, og det viste sig, at systemet ville være nyttigt for selv kørende køretøjer i dag. Hvis det anvendes, kan det give en syv-sekunders advarsel mod potentielle kritiske situationer, som er situationer, som bilerne ikke kan håndtere alene. Præcisighedsraten blev vist at være 85%.

De nuværende udviklingsindsats for selv kørende køretøjer anvender avancerede modeller, der giver køretøjerne mulighed for at analysere adfærden hos alle trafikdeltagere. Men de fleste af disse modeller har endnu ikke demonstreret evnen til at håndtere komplekse eller uforudsigelige situationer.

Teamet bag det nye tidlig advarselssystem arbejdede med Prof. Eckehard Steinbach, formand for Medieteknologi og medlem af bestyrelsen for Munich School of Robotics and Machine Intelligence ved TUM.

Forskningen med titlen ”Introspektiv fejlforudsigelse for selv kørende køretøjer ved hjælp af sen fusion af tilstands- og kamerainformation” blev offentliggjort i IEEE Transactions on Intelligent Transportation Systems.

Den nye tilgang anvender AI til at give systemet mulighed for at lære af tidligere situationer. Mere specifikt var disse tidligere situationer dem, hvor selv kørende biler nåede deres grænse i rigtig trafik. Dette sker, når menneskelige chauffører må tage kontrol over køretøjet, enten fordi bilen signalerer om det eller fordi mennesket beslutter, at det er den sikreste mulighed.

RNN og syv-sekunders advarsel

Det nye system afhænger af sensorer og kameraer, der optager omgivende forhold, og statusdata som rattets vinkel, vejforhold og vejr bliver optaget. AI-systemet anvender et rekurrent neuralt netværk (RNN), der kan behandle data for at genkende mønstre. Når systemet opdager en ny køresituation, som det ikke tidligere har kunnet håndtere, advarer det chaufføren i forvejen.

”For at gøre køretøjer mere autonome, studerer mange eksisterende metoder, hvad bilerne nu forstår om trafik, og så forsøger de at forbedre modellerne, som bilerne anvender. Den store fordel ved vores teknologi: vi ignorerer helt, hvad bilen mener. I stedet begrænser vi os til data, der er baseret på, hvad der faktisk sker, og søger efter mønstre,” siger Steinbach. ”På den måde opdager AI potentielt kritiske situationer, som modeller måske ikke er i stand til at genkende eller endnu ikke har opdaget. Vores system tilbyder derfor en sikkerhedsfunktion, der ved, hvornår og hvor bilerne har svagheder.”

Teknologien blev testet med BMW Group, og selv kørende køretøjer på offentlige veje blev analyseret. Dette skete under 2500 situationer, hvor den menneskelige chauffør greb ind, og studiet viste, at systemet er 85% præcist og kan advare chauffører op til syv sekunder i forvejen.

Teknologien afhænger af store mængder data, da den er begrænset af, hvor mange situationer systemet har set. Dataene blev grundlæggende genereret selv, givet antallet af udviklingskøretøjer, der i øjeblikket er på vej.

”Hver gang en potentielt kritisk situation opstår under en testkørsel, får vi et nyt trænings eksempel.”

Fordi dataene er centralt lagret, kan hele flåden lære af dem.