שיטה חדשה מסייעת למכוניות אוטונומיות ליצור ‘זיכרונות’

קבוצת חוקרים באוניברסיטת קורנל פיתחה שיטה חדשה המאפשרת לכלי רכב אוטונומיים ליצור “זיכרונות” של חוויות קודמות, אותם ניתן להשתמש בהם בניווט עתידי. זה יהיה במיוחד שימושי כאשר מכוניות אוטונומיות אלה לא יכולות לסמוך על חיישנים בסביבות מזג אוויר גרוע.

ללמוד מהעבר

מכוניות אוטונומיות נוכחיות המשתמשות ברשתות נוירונים מלאכותיות אין להן זיכרון של העבר, מה שאומר שהן רואות דברים לראשונה. וזה נכון ללא קשר לכמה פעמים הן נסעו בדיוק באותה דרך.

Killian Weinberger הוא המחבר הראשי של המחקר ופרופסור למדעי המחשב.

“השאלה הבסיסית היא, האם אנו יכולים ללמוד ממעברים חוזרים?” אמר Weinberger. “לדוגמה, מכונית עלולה לטעות בעץ בצורה מוזרה להלך רגל בפעם הראשונה שמכשיר הסריקה הלייזר שלה מגלה אותו ממרחק, אבל כאשר היא קרובה מספיק, קטגוריית האובייקט תהיה ברורה. כך שבפעם השנייה שאתה נוסע בדיוק באותו עץ, אפילו בערפל או שלג, היית רוצה שהמכונית כבר למדה לזהות אותו בצורה נכונה.”

בראשותו של קרלוס דיאז-רואיז, יצרה הקבוצה מאגר נתונים על ידי נסיעה במכונית מצוידת בחיישני LiDAR. היא נסעה סביב לולאה באורך 15 קילומטר 40 פעמים במהלך תקופה של 18 חודש. נסיעות המבחן השונות תפסו סביבות, תנאי מזג אוויר ושעות יום שונות. כל זה יצר מאגר נתונים עם יותר מ-600,000 סצנות.

“היא מחשפת בכוונה אחד מהאתגרים המרכזיים במכוניות אוטונומיות: תנאי מזג אוויר גרועים,” אמר דיאז-רואיז. “אם הרחוב מכוסה בשלג, בני אדם יכולים לסמוך על זיכרונות, אבל ללא זיכרונות רשת נוירונים מלאכותית נמצאת בעמדת נחיתות.”

HINDSIGHT ו-MODEST

אחת הגישות, המכונה HINDSIGHT, משתמשת ברשתות נוירונים כדי לחשב מתארים של אובייקטים כאשר המכונית עוברת אותם. תיאורים אלה, המכונים SQuaSH, נדחסים ונשמרים על מפה וירטואלית, יוצרים סוג של “זיכרון” דומה לזה שאנו שומרים את זיכרונותינו במוח.

כאשר מכונית אוטונומית עוברת באותו מיקום בעתיד, היא שואלת את מסד הנתונים המקומי SQuaSH של כל נקודת LiDAR לאורך הנתיב, “זוכרת” מה שלמדה. מסד הנתונים המעודכן ברציפות משותף בין כלי רכב, מה שעוזר לשפר את הזיהוי על ידי סיפוק מידע נוסף.

Yurong You הוא סטודנט לדוקטורט.

“מידע זה יכול להתווסף כתכונות לכל מזהה אובייקטים 3D המבוסס על LiDAR,” אמר You. “שני המזהה והייצוג SQuaSH יכולים להתאמן במשותף ללא פיקוח נוסף, או סימון אנושי, שהוא צורך זמן ועבודה.

HINDSIGHT תעזור לצוות עם מחקר נוסף שהם עורכים, הנקרא MODEST (גילוי אובייקטים ניידים עם אפמרליות ואימון עצמי). MODEST תקדם את התהליך הזה ותאפשר למכונית ללמוד את כל צינור התפיסה.

HINDSIGHT מניחה שרשת הנוירונים המלאכותית כבר אומנה לזהות אובייקטים ומשלימה עם היכולת ליצור זיכרונות, בעוד MODEST מניחה שרשת הנוירונים המלאכותית מעולם לא נחשפה לאובייקטים או רחובות. לאחר מעברים רבים של אותו הנתיב, היא לומדת איזה חלקים של הסביבה הם עצמים נייחים או ניידים. תהליך זה מאפשר למערכת ללמד את עצמה מה היא צריכה לשים לב אליו כמשתתפי תנועה אחרים.

האלגוריתם הדגים יכולת לזהות אובייקטים באופן אמין, אפילו בכבישים שלא היו חלק מהמעברים הראשוניים.

הצוות מאמין שגישות אלה החדשות יכולות להפחית את עלות פיתוח הרכב האוטונומי, כמו גם להפוך אותם ליעילים יותר.