Σύστημα Προηγμένης Προειδοποίησης με βάση το AI που Μάθει από Πραγματικές Κυκλοφοριακές Καταστάσεις

Ένα νέο σύστημα προηγμένης προειδοποίησης για οχήματα που αναπτύχθηκε από μια ομάδα ερευνητών στο Τεχνικό Πανεπιστήμιο της Μονάχου (TUM) χρησιμοποιεί το AI για να μάθει από χιλιάδες πραγματικές κυκλοφοριακές καταστάσεις. Μια μελέτη που διεξήχθη σε συνεργασία με την BMW Group, απέδειξε ότι το σύστημα θα ήταν επωφελές για τα αυτοκίνητα που οδηγούνται αυτόματα σήμερα. Αν χρησιμοποιηθεί, μπορεί να παρέχει μια προειδοποίηση επτά δευτερολέπτων για πιθανές κρίσιμες καταστάσεις, οι οποίες είναι καταστάσεις που τα αυτοκίνητα δεν μπορούν να χειριστούν μόνα τους. Ο ρυθμός ακρίβειας ήταν 85%.

Οι τρέχουσες προσπάθειες ανάπτυξης για τα αυτοκίνητα που οδηγούνται αυτόματα χρησιμοποιούν сложικά μοντέλα που επιτρέπουν στα οχήματα να αναλύουν τη συμπεριφορά όλων των συμμετεχόντων στην κυκλοφορία. Ωστόσο, τα περισσότερα από αυτά τα μοντέλα δεν έχουν ακόμη αποδείξει την ικανότητα να χειριστούν σύνθετες ή απρόβλεπτες καταστάσεις.

Η ομάδα πίσω από το νέο σύστημα προειδοποίησης συνεργάστηκε με τον καθηγητή Eckehard Steinbach, Πρόεδρο της Τεχνικής Πανεπιστημιακής Μονάδας και μέλος του Διοικητικού Συμβουλίου του Munich School of Robotics and Machine Intelligence στο TUM.

Η έρευνα με τίτλο “Introspective Failure Prediction for Autonomous Driving Using Late Fusion of State and Camera Information” δημοσιεύθηκε στο IEEE Transactions on Intelligent Transportation Systems.

Η νέα προσέγγιση χρησιμοποιεί το AI για να επιτρέψει στο σύστημα να μάθει από τις προηγούμενες καταστάσεις. Πιο συγκεκριμένα, αυτές οι προηγούμενες καταστάσεις ήταν εκείνες στις οποίες τα αυτοκίνητα που οδηγούνται αυτόματα έφτασαν στο όριο τους στην πραγματική κυκλοφορία. Αυτό συμβαίνει όταν οι οδηγοί πρέπει να λάβουν τον έλεγχο του οχήματος, είτε因为 το αυτοκίνητο σήμανε για αυτό είτε ο οδηγός αποφάσισε ότι είναι η ασφαλέστερη επιλογή.

RNN και Προειδοποίηση Επτά Δευτερολέπτων

Το νέο σύστημα βασίζεται σε αισθητήρες και κάμερες που καταγράφουν τις περιβάλλουσες συνθήκες, και δεδομένα όπως η γωνία του τιμονιού, οι συνθήκες του δρόμου και το καιρό καταγράφονται. Το σύστημα AI χρησιμοποιεί ένα αναδρομικό νευρωνικό δίκτυο (RNN), το οποίο μπορεί να επεξεργαστεί δεδομένα για να αναγνωρίσει μοτίβα. Όταν το σύστημα ανιχνεύσει μια νέα οδηγική κατάσταση που δεν ήταν σε θέση να χειριστεί προηγουμένως, ο οδηγός προειδοποιείται εκ των προτέρων.

“Για να κάνουμε τα οχήματα πιο αυτόνομα, πολλές υπάρχουσες μεθόδους μελετούν τι τα οχήματα καταλαβαίνουν για την κυκλοφορία και στη συνέχεια προσπαθούν να βελτιώσουν τα μοντέλα που χρησιμοποιούνται από αυτά. Το μεγάλο πλεονέκτημα της τεχνολογίας μας: αγνοούμε完全ώς τι σκέφτεται το αυτοκίνητο. Αντίθετα, περιορίζουμε τον εαυτό μας στα δεδομένα που βασίζονται σε τι συμβαίνει πραγματικά και ψάχνουμε για μοτίβα”, λέει ο Steinbach. “Με αυτόν τον τρόπο, το AI ανακαλύπτει πιθανές κρίσιμες καταστάσεις που τα μοντέλα μπορεί να μην είναι σε θέση να αναγνωρίσουν ή να έχουν ανακαλύψει ακόμη. Το σύστημά μας προσφέρει因此 μια λειτουργία ασφαλείας που γνωρίζει πότε και πού τα οχήματα έχουν αδυναμίες”.

Η τεχνολογία δοκιμάστηκε με την BMW Group, και τα αυτοκίνητα που οδηγούνται αυτόματα σε δημόσιους δρόμους αναλύθηκαν. Αυτό συνέβη κατά 2500 καταστάσεις όπου ο οδηγός επέμβη, και η μελέτη απέδειξε ότι το σύστημα είναι 85% ακριβές και μπορεί να προειδοποιήσει τους οδηγούς μέχρι και επτά δευτερόλεπτα εκ των προτέρων.

Η τεχνολογία βασίζεται σε μεγάλες ποσότητες δεδομένων, поскольку είναι περιορισμένη από το πόσες καταστάσεις έχει δει το σύστημα. Τα δεδομένα δημιουργήθηκαν ουσιαστικά από τον εαυτό τους, δεδομένου του αριθμού των οχημάτων ανάπτυξης που βρίσκονται目前 στον δρόμο.

“Κάθε φορά που μια πιθανή κρίσιμη κατάσταση εμφανίζεται σε μια δοκιμαστική οδήγηση, καταλήγουμε με ένα νέο παράδειγμα εκπαίδευσης”.

Επειδή τα δεδομένα αποθηκεύονται κεντρικά, ολόκληρη η στόλος μπορεί να μάθει από αυτά.