Miksi itseohjautuvat autot ovat tulevaisuus ja miten niitä luodaan?

Viimeaikaiset sopeutuvat karanteenitoimet, jotka on asetettu lähes kaikkialla maailmassa, ovat vaikuttaneet merkittävästi ilmailuun, julkisiin liikennevälineisiin ja moneen muuhun toimialaan vuonna 2020. Autoteollisuus ja erityisesti itseohjautuvat ajoneuvot ovat kuitenkin osoittaneet lisääntynyttä kestävyyttä tämän haasteellisen ajanjakson aikana. Esimerkiksi Ford on lisännyt sijoituksiaan sähkö- ja itseohjautuvien autojen kehittämiseen varoittamalla 29 miljardia dollaria viime vuoden neljännessä neljänneksessä. Nimenomaan 7 miljardia dollaria tästä summasta menee itseohjautuvien autojen kehittämiseen. Näin ollen Ford liittyy yhteen General Motorsin, Teslan, Baidun ja muiden autonvalmistajien kanssa, jotka panostavat voimakkaasti itseohjautuviin ajoneuvoihin. Tässä artikkelissa kerromme, miksi yritykset sijoittavat itseohjautuvien autojen kehittämiseen ja miten koneoppimisalgoritmit, jotka ohjaavat näitä autoja, koulutetaan.

Miksi niin moni yritys sijoittaa itseohjautuviin autoihin?

Kun tarkastelemme itseohjautuvien autojen tarjoamia etuja, on helppo ymmärtää, miksi niin moni yritys sijoittaa niiden kehittämiseen. Kuljettajat voivat säästää rahaa, koska he eivät tarvitse kalliita vakuutusohjelmia, heidän päivittäiset komennukset nopeutuvat, polttoainetaloudellisuus paranee ja monia muita etuja. Yrityksille tällainen automaatio avaa ovia suuremmille säästöille. Hyvä esimerkki tästä on itseohjautuva pitkänmatkan kuormaus, joka voi leikata toimintakustannuksia 45 prosentilla, kuten McKinsey & Company -raportissa mainitaan.

Pääasiallinen etu on kuitenkin lisääntynyt turvallisuus. NHTSA:n mukaan 94 prosenttia vakavista onnettomuuksista johtuu ihmisen virheestä. Itseohjautuvat autot voivat merkittävästi vähentää onnettomuuksien määrää, koska ne eivät vaadi mitään kuljettajan syötettä ja niillä on 360 asteen näkymä kaikkina aikoina. Lisäksi edistyneet kuljettajan turvallisuusjärjestelmät (ADAS) voivat ottaa haltuun turvallisuuskriittiset toiminnot vaarallisissa tilanteissa, kuten jarrutuksessa ja ohjauksessa. Itseohjautuvilla ajoneuvoilla on paljon arvoa yhteiskunnalle, kuten päästöjen vähentäminen. Itse asiassa yksi perustapaus osoitti 9 prosentin vähennyksen energian ja päästöjen kokonaismäärässä ajoneuvon elinkaaren aikana verrattuna perinteisiin ajoneuvoihin. Nyt kun tiedämme itseohjautuvien autojen tarjoamat edut, tarkastellaan, miten ne koulutetaan tunnistamaan maailmaa ympärillään.

Miten itseohjautuvat autot toimivat ja miten ne voivat toteutua?

Itseohjautuva ajoneuvo tarvitsee tiellä seuraamista ja sen toteuttamiseksi se tarvitsee tunnistaa kaikki erilaiset liikennemerkinnät, tiemerkinnät, havaita muita ajoneuvoja ja jalankulkijoita sekä lukuisia muita objekteja. Nämä tekoälyajoneuvot luottavat koneoppimiseen “laskemaan”, mitä on tehtävä erilaisissa ajo-olosuhteissa. Aloita perus-esimerkistä. Henkilö on itseohjautuvassa autossa ajaessaan moottoritien päälle työpaikalle. Auto tarvitsee oikein tunnistaa nopeusrajoitus, pitää turvallinen etäisyys edessä olevasta autosta ja kun se saapuu asuinalueelle, se tarvitsee tunnistaa jalankulkijat ja antaa heidän ylittää tien.

Tämä vaatii tuhansia ja tuhansia kuvia, joita on merkittävä eri tekniikoilla, kuten merkintämenetelmistä aina semanttiseen segmentaatioon. Evgenia Khimenko, Mindy Supportin toimitusjohtaja, jonka yritys tarjoaa data-merkintäpalveluja autoteollisuudelle, toteaa, että autoteollisuudelle on mahdollista laaja valikoima data-merkintähankkeita:

”Nämä sisältävät hankkeita, kuten kasvojen tunnistamista videoissa kouluttamaan itseohjautuvia autoja tunnistamaan muiden kuljettajien käyttäytymistä tiellä, video-merkintää ja -merkintää havaitsemaan liikkeen ja suunnan (me olemme merkinneet yli 545 miljoonaa kuvasekvenssiä). Yksi monimutkainen äänen merkintätehtävä oli, kun meidän piti tunnistaa aikaleima ja merkitä ihmisen puhetta sekä kaikki taustamelut, jotka tapahtuivat ajoneuvossa, kuten radio, nauru, huutaminen, laulaminen, eläimet ja jopa hiljaisuus”.

Tarkastellaan monimutkaista tilannetta. Kuvitellaan, että itseohjautuva ajoneuvo ajaa asuinalueella, ja siellä on teini-ikäisiä rullaluistimilla, jotka odottavat mahdollisuutta ylittää tien. Tieliikennemääräysten mukaan autolla on etuajo-oikeus, mutta on hyvä mahdollisuus, että teinit eivät odota, että liikennevalo muuttuu vihreäksi, ja yrittävät ylittää tien ennenaikaisesti. Ihmiskuljettaja on tietoinen tästä riskistä ja hidastaa vauhtia ennakoivasti, mutta koneelle tämä olisi hyvin vaikeaa laskemaan. Tämä on seuraava askel, jonka tutkijat yrittävät ottaa itseohjautuvien ajoneuvojen kehittämisessä, ja yksinkertaisesti enemmän merkittyjä tietoja saattaa olla vastaus.

Miten itseohjautuvat autot näkevät fyysisen maailman?

Itseohjautuvat autot luottavat LiDAR-tekniikkaan, jotta ne voivat nähdä maailman ympärillään. LiDAR luo 3D-pilvipisteen, joka on digitaalinen esitys siitä, miten tekoälyjärjestelmä näkee maailman. Tämä tekniikka ei ole varattu ainoastaan itseohjautuville ajoneuvoille, vaan sitä käytetään myös muihin robottiin liittyviin tehtäviin, kuten robotiin, joka voi kerätä satoa maataloussektorille. 3D-pilvipisteessä on myös merkittävä, jotta kone tietäisi, mitä se näkee. Tämä tehdään yleensä tekniikoilla, kuten merkinnällä, 3D-ruuduilla ja semanttisella segmentaatiolla. Edistyneempi merkintätapa olisi värinmerkintä 3D-pilvipisteelle, jotta ajoneuvo ymmärtäisi esineen etäisyyden.

LiDAR toimii siten, että se lähettää valosignaalin kaikkiin ympäröiviin esineisiin, ja sen mukaan, kuinka kauan kestää, kunnes valo palaa, se antaa tekoälylle ymmärryksen siitä, kuinka kaukana esine on. Esimerkiksi 3D-pilvipisteessä oleva maanpinta on aina sininen, koska se on alin piste, valo heijastuu nopeasti, ja sinisellä on hyvin lyhyt aallonpituus. Yksi ympäröivästä rakennuksista saattaa olla punainen tai oranssi, riippuen siitä, kuinka kaukana se on.

On huomattava, että LiDAR ei ole ainoa pelinrakentaja. Esimerkiksi Tesla (TSLA ) käyttää jotain, mitä kutsutaan Hydrantiksi, joka on yhdistelmä kahdeksasta kamerasta, jotka yhdistävät kokonaisen kuvan tiestä. Muiden yritysten, kuten Waymon ja Voyagen, käyttää LiDAR:ia. Yksi mahdollinen syy, miksi Tesla saattaa välttää LiDAR:ia, on se, että se on hyvin kömpelö ja pilaa auton ulkonäön. Kaiken kaikkiaan Teslat ovat hyvin kalliita, ja kuljettajat eivät todennäköisesti halua suurta laatikkoa autonsa katolla. Yritykset, jotka kehittävät robottitakseja, kuten Waymo, saattavat pystyä käyttämään LiDAR:ia.

Miksi laadukas koulutusdata on niin tärkeää?

Laadukkaan koulutusdatan saaminen on yksi tärkeimmistä asioista, joita tarvitaan itseohjautuvan auton luomiseen. Kuitenkin pelkästään datan hankkiminen ei riitä. Koulutusaineistot on valmisteltava data-merkinnän avulla, jotta tekoälyjärjestelmä voi oppia niistä. Vaikka tämä on hyvin aikaa vievä ja työläs prosessi, koko hankkeen onnistuminen riippuu siitä. Itseohjautuvat autot ovat tulevaisuutta, ja ne voivat mahdollisesti auttaa meitä vähentämään tai jopa poistamaan joitain ongelmia, joita meillä on auto-onnettomuuksien, uhrien, ympäristöongelmien ja tien ruuhkien suhteen.