Miksi itseohjautuvat autot ovat tulevaisuus ja miten niitä luodaan?

Viimeaikaisen sopeutumisesta johtuvien karanteenitoimien vuoksi lähes kaikkialla maailmassa, ilmailu, joukkoliikenne ja monet muut sektorit kärsivät suuria tappioita vuonna 2020. Autoteollisuus ja erityisesti itseohjautuvat ajoneuvot ovat kuitenkin osoittaneet lisääntynyttä kestävyyttä tämän haasteellisen ajan aikana. Todellakin, yhtiöt kuten Ford ovat lisänneet sijoituksiaan sähköisten ja itseohjautuvien autojen kehittämiseen varoittamalla 29 miljardia dollaria viime vuoden neljännessä neljänneksessä. Nimenomaan 7 miljardia dollaria siitä menee itseohjautuvien autojen kehittämiseen. Ford liittyy siten yhtiöiden joukkoon, kuten General Motors, Tesla, Baidu ja muut autonvalmistajat, jotka sijoittavat voimakkaasti itseohjautuvien ajoneuvojen kehittämiseen. Tässä artikkelissa kerromme, miksi yhtiöt sijoittavat itseohjauttaviin autoihin ja miten niiden ohjaamiseen käytettävät koneoppimisalgoritmit koulutetaan.

Miksi niin moni yhtiö sijoittaa itseohjauttaviin autoihin?

Kun tarkastelemme kaikkia itseohjauttavien ajoneuvojen tarjoamia etuja, on helppo ymmärtää, miksi niin moni yhtiö sijoittaa niiden kehittämiseen. Kuljettajat voivat säästää rahaa, koska he eivät tarvitse maksaa kalliita vakuutusohjelmia, se nopeuttaa heidän päivittäisiä matkojaan, parantaa polttoainetaloutta ja monia muita etuja. Yhtiöille tällainen automaatio avaa ovia suuremmille säästöille. Hyvä esimerkki tästä on itseohjautuva pitkänmatkan kuorma-autoilu, joka voi leikata toimintakustannuksia 45 prosentilla, kuten McKinseyn ja yhtiön raportissa todetaan.

Pääasiallinen etu on kuitenkin lisääntynyt turvallisuus. NHTSA:n mukaan 94 prosenttia vakavista onnettomuuksista johtuu ihmisen virheestä. Itseohjauttavat autot voivat merkittävästi vähentää onnettomuuksien määrää, koska ne eivät vaadi kuljettajan syöttämistä ja niillä on 360 asteen näkymä kaiken aikaa. Lisäksi edistyneet kuljettajan turvallisuusjärjestelmät (ADAS) voivat ottaa haltuun turvallisuuskriittiset toiminnot vaarallisissa tilanteissa, kuten jarrutuksessa ja ohjauksessa. Itseohjauttavilla ajoneuvoilla on paljon muita yhteiskunnalle tarjoamia arvoja, kuten päästöjen vähentäminen. Todellakin, perustapaus osoitti 9 prosentin vähennyksen energian ja kasvihuonekaasupäästöjen kokonaismäärässä koko ajoneuvon elinkaaren aikana verrattuna perinteisiin ajoneuvoihin. Nyt kun tiedämme kaikki itseohjauttavien autojen tarjoamat edut, katsotaan, miten ne koulutetaan tunnistamaan maailmaa ympärillään.

Miten itseohjauttavat autot toimivat ja miten ne voivat tulla todellisuudeksi

Itseohjauttava ajoneuvo tarvitsee noudattaa tieliikenneasioita, ja sen tarvitsee tunnistaa kaikki erilaiset liikennemerkinnät, tiemerkinnät, havaita muita ajoneuvoja ja jalankulkijoita sekä lukemattomia muita objekteja. Nämä tekoälyajoneuvot luottavat koneoppimiseen “laskemaan”, mitä on tehtävä kaikissa erilaisissa ajo-olosuhteissa. Aloita perus-esimerkki. Henkilö on itseohjautuvassa ajoneuvossa ajaen maantielle työpaikalle. Auto tarvitsee oikein tunnistaa ilmoitettu nopeusrajoitus, ylläpitää turvallista etäisyyttä edessä olevasta autosta, ja kun se sisäänkäyntiin asuinalueelle, se tarvitsee tunnistaa jalankulkijat ja antaa heidän ylittää tien.

Tämä vaatii tuhansia ja tuhansia kuvia, joita on merkitty tekniikoilla, jotka vaihtelevat merkinnästä semanttiseen segmentaatioon. Todellakin, Evgenia Khimenko, Mindy Supportin toimitusjohtaja, joka tarjoaa data-merkintäpalveluita autoteollisuudelle, sanoo, että autoteollisuuden data-merkintähankkeita on mahdollista:

“Nämä sisältävät hankkeita, kuten kasvojen tunnistamista videoilla kouluttamaan itseohjauttavia autoja tunnistamaan muiden kuljettajien käyttäytymistä tiellä, video-merkintää ja -merkintää havaitsemaan liikkeen ja ajoneuvon suunnan (me merkitsimme yli 545 miljoonaa kuvaussarjaa). Toisen monimutkaisen äänen merkintätehtävän oli tunnistaa aikaleima ja merkitä ihmisen puhetta sekä kaikki taustamelut, jotka tapahtuvat ajoneuvossa, kuten radio, nauru, huutaminen, laulaminen, eläimet ja jopa hiljaisuus”.

Katsotaan monimutkainen skenaario. Kuvitellaan, että itseohjauttava ajoneuvo ajaa asuinalueella, ja siellä on teini-ikäisiä rullalautailijoita, jotka odottavat tien ylittämistä. Sääntöjen mukaan autolla on etuajo, mutta on hyvä mahdollisuus, että teinit eivät odota, että valo muuttuu vihreäksi, ja yrittävät ylittää tien ennenaikaisesti. Ihmiskuljettaja on tietoinen tästä riskistä ja hidastaa odottamaan tällaista tapahtumaa, mutta koneelle tämä olisi hyvin vaikeaa laskemaan. Tämä on seuraava askel, jonka tutkijat yrittävät ottaa itseohjauttavilla ajoneuvoilla, ja yksinkertaisesti enemmän merkittyjä tietoja voi olla ratkaisu.

Miten itseohjauttavat autot näkevät fyysisen maailman?

Itseohjauttavat autot luottavat LiDAR-tekniikkaan havainnoimaan maailmaa ympärillään. LiDAR luo 3D-pilvipisteen, joka on digitaalinen esitys siitä, miten tekoälyjärjestelmä näkee maailman. Tämä tekniikka ei ole varattu ainoastaan itseohjauttaville ajoneuvoille, vaan sitä käytetään myös muihin robotti-prosessiautomaatio-tehtäviin, kuten robotin luomiseen, joka voi kerätä satoa maataloussektorille. 3D-pilvipistettä on myös merkittävä kouluttaa koneen tunnistamaan, mitä se näkee. Tämä tehdään yleensä tekniikoilla, kuten merkinnällä, 3D-laatikoilla ja semanttisella segmentaatiolla. Edistyneempi muoto merkinnästä olisi värikoodata 3D-pilvipiste, jotta ajoneuvo ymmärtää objektin etäisyyden.

LiDAR toimii siten, että se lähettää valosignaalin kaikkiin ympäröiviin objekteihin, ja sen mukaan, kuinka kauan valolle kestää palata, se antaa tekoälylle ymmärryksen siitä, kuinka kaukana objekti on. Esimerkiksi maan pinnan 3D-pilvipisteessä on aina sininen, koska se on alin piste, valo heijastuu nopeasti ja sinisellä on hyvin lyhyt aallonpituus. Ympäröivästä rakennuksesta voi olla punainen tai oranssi, riippuen siitä, kuinka kaukana se on.

On huomattava, että LiDAR ei ole ainoa vaihtoehto. Esimerkiksi Tesla käyttää jotain, mitä kutsutaan Hydrantiksi, joka on yhdistelmä kahdeksasta kamerasta, jotka yhdistävät kokonaisen kuvan tiestä. Muiden yhtiöiden, kuten Waymon ja Voyagen, käyttää LiDAR:ia. Yksi mahdollinen syy, miksi Tesla voi välttää LiDAR:ia, on se, että se on hyvin kömpelö ja pilaa auton ulkonäön. Kaikkiin Tesloihin, jotka ovat hyvin kalliita, kuljettajat eivät todennäköisesti halua suurta laatikkoa autonsa katolla. Yhtiöt, jotka kehittävät robotakseja, kuten Waymo, voivat päästä käyttämään LiDAR:ia.

Miksi laadukas koulutusdata on niin tärkeää?

Laadukkaan koulutusdatan omistaminen on yksi tärkeimmistä asioista, joita tarvitset luodaksesi itseohjauttavan auton. Kuitenkin pelkästään datan hankkiminen ei ole tarpeeksi. Koulutusjoukkojen on oltava valmisteltu data-merkinnän avulla, jotta tekoälyjärjestelmä voi oppia niistä. Vaikka tämä on erittäin aikaa vievä ja tylsä prosessi, koko projektin onnistuminen riippuu siitä. Itseohjauttavat autot ovat tulevaisuus ja voivat potentiaalisesti auttaa meitä vähentämään tai jopa poistamaan joitain ongelmia, joita meillä on auto-onnettomuuksissa ja uhreissa, ympäristöongelmissa ja ruuhkissa teillä.