AI-pohjainen varoitusjärjestelmä oppii oikeista liikennetilanteista

Munichin teknillisen yliopiston (TUM) tutkijaryhmä on kehittänyt uuden varoitusjärjestelmän, joka käyttää tekoälyä oppiakseen tuhansista oikeista liikennetilanteista. Tutkimus tehtiin yhteistyössä BMW Groupin kanssa, ja se osoitti, että järjestelmä olisi hyödyllinen nykyisille itseajaville ajoneuvoille. Jos sitä käytetään, se voi tarjota seitsemän sekunnin varoituksen potentiaalisista kriittisistä tilanteista, joita autot eivät voi hallita yksin. Tarkkuusaste oli 85%.

Itseajavien ajoneuvojen nykyiset kehitysyritykset käyttävät monimutkaisia malleja, jotka mahdollistavat ajoneuvojen analyysin kaikkien liikenteen osallistujien käyttäytymisestä. Kuitenkin useimmat näistä malleista eivät ole vielä osoittaneet kykyään hallita monimutkaisia tai arvaamattomia tilanteita.

Uuden varoitusjärjestelmän taustalla oleva tiimi työskenteli Prof. Eckehard Steinbachin kanssa, joka on Median teknologian puheenjohtaja ja Münchenin robotiikan ja koneälykoulun johtoryhmän jäsen TUM:ssa.

Tutkimus, joka on nimeltään ”Introspektiivinen epäonnistumisen ennustaminen itseohjautuvassa liikenteessä myöhäisen fuusion avulla tila- ja kameratiedon perusteella”, on julkaistu IEEE Transactions on Intelligent Transportation Systems -julkaisussa.

Uusi lähestymistapa käyttää tekoälyä mahdollistaakseen järjestelmän oppimisen menneistä tilanteista. Nämä menneet tilanteet olivat sellaisia, joissa itseajavat autot saavuttivat rajoituksensa oikeassa liikenteessä. Tämä tapahtuu, kun ihmisajajat joutuvat ottaa auton hallintaansa joko siksi, että auto pyytää sitä, tai siksi, että ihminen päättää, että se on turvallisin vaihtoehto.

RNN ja seitsemän sekunnin varoitus

Uusi järjestelmä perustuu antureihin ja kameroihin, jotka havaitsevat ympäröivät olosuhteet, ja tilatiedot kuten ohjauspyörän kulma, tien olot ja sää tallennetaan. Tekoälyjärjestelmä käyttää toistuvaa neuroniverkkoa (RNN), joka voi prosessoida tietoja tunnistamaan kuvioita. Kun järjestelmä havaitsee uuden ajo-olosuuden, jota se ei ole aiemmin pystynyt hallitsemaan, kuljettaja varoitetaan etukäteen.

”Jotta ajoneuvot voisivat olla autonomisempia, monet olemassa olevat menetelmät tutkivat, mitä autot tällä hetkellä ymmärtävät liikenteestä, ja sitten yritetään parantaa malleja, joita ne käyttävät. Meidän teknologiamme suuri etu: me täysin ignoroidaan, mitä auto ajattelee. Sen sijaan me rajoitamme itsemme tietoihin, jotka perustuvat siihen, mitä todella tapahtuu, ja etsimme kuvioita”, sanoo Steinbach. ”Tällä tavoin tekoäly löytää potentiaalisesti kriittisiä tilanteita, joita mallit eivät voi tunnistaa tai joita ne eivät ole vielä löytäneet. Meidän järjestelmämme tarjoaa siten turvallisuustoiminnon, joka tietää, milloin ja missä autot ovat heikkoja.”

Teknologiaa testattiin yhteistyössä BMW Groupin kanssa, ja autonomiset ajoneuvot julkaistiin julkisilla teillä. Tämä tapahtui 2500 tilanteessa, jossa ihmisajaja puuttui, ja tutkimus osoitti, että järjestelmä on 85% tarkka ja voi varoittaa kuljettajia jopa seitsemän sekunnin varoitusajalla.

Teknologia perustuu suuriin määriin tietoa, koska se on rajoitettu siinä, kuinka monia tilanteita järjestelmä on nähnyt. Tiedot luotiin itse kehitysajoneuvojen määrän perusteella, jotka ovat tällä hetkellä tiellä.

”Jokainen kerta, kun potentiaalisesti kriittinen tilanne tulee esiin testiajossa, saamme uuden koulutus-esimerkin.”

Koska tiedot tallennetaan keskitetysti, koko laivasto voi oppia niistä.