AI-basert tidlig advarselssystem lærer av virkelige trafikksituasjoner

Et nytt tidlig advarselssystem for kjøretøy utviklet av en gruppe forskere ved Technische Universität München (TUM) bruker AI til å lære av tusenvis av virkelige trafikksituasjoner. En studie ble gjennomført i samarbeid med BMW Group, og det viste seg at systemet ville være nyttig for selvkjørende kjøretøy i dag. Hvis det brukes, kan det gi en syv-sekunders advarsel mot potensielle kritiske situasjoner, som er situasjoner som bilene ikke kan håndtere alene. Nøyaktighetsraten viste seg å være 85%. 

Gjeldende utviklingsinnsats for selvkjørende kjøretøy bruker avanserte modeller som gjør det mulig for kjøretøyene å analysere atferden til alle trafikkdeltagere. Likevel har de fleste av disse modellene fremdeles ikke vist evne til å håndtere komplekse eller uforutsigbare situasjoner.

Teamet bak det nye tidlig advarselssystemet arbeidet med Prof. Eckehard Steinbach, leder for Mediateknologi og medlem av styret for Munich School of Robotics and Machine Intelligence ved TUM.

Forskningen med tittelen ”Introspective Failure Prediction for Autonomous Driving Using Late Fusion of State and Camera Information” ble publisert i IEEE Transactions on Intelligent Transportation Systems. 

Den nye tilnærmingen bruker AI til å gjøre det mulig for systemet å lære av tidligere situasjoner. Mer spesifikt var disse tidligere situasjonene de hvor selvkjørende biler nådde grensen i virkelig trafikk. Dette skjer når menneskelige sjåfører må ta kontroll over kjøretøyet, enten fordi bilen signaliserer det eller mennesket bestemmer seg for at det er det tryggeste alternativet. 

RNN og syv-sekunders advarsel

Det nye systemet baserer seg på sensorer og kameraer som fanger opp omgivelsesforhold, og statusdata som rattvinkel, veiforhold og vær blir registrert. AI-systemet bruker et rekurrerende neuralt nettverk (RNN), som kan prosessere data for å gjenkjenne mønster. Når systemet oppdager en ny kjøresituasjon som ikke tidligere har kunnet håndteres, advarer det sjåføren i forveien.

“For å gjøre kjøretøy mer autonome, studerer mange eksisterende metoder hva bilene nå forstår om trafikken og prøver å forbedre modellene som brukes av dem. Den store fordelen med vår teknologi: vi ignorerer fullstendig hva bilen tenker. I stedet begrenser vi oss til data basert på hva som faktisk skjer og søker etter mønster,” sier Steinbach. “På denne måten oppdager AI potensielt kritiske situasjoner som modeller kanskje ikke er i stand til å gjenkjenne, eller som de ennå ikke har oppdaget. Vårt system tilbyr derfor en sikkerhetsfunksjon som vet når og hvor bilene har svakheter.”

Teknologien ble testet med BMW Group, og selvkjørende kjøretøy på offentlige veier ble analysert. Dette skjedde under 2500 situasjoner hvor menneskelige sjåfører grep inn, og studien viste at systemet er 85% nøyaktig og kan advare sjåfører opptil syv sekunder i forveien. 

Teknologien er avhengig av store mengder data, ettersom den er begrenset av hvor mange situasjoner systemet har sett. Dataene ble i hovedsak generert selv, gitt antallet utviklingskjøretøy som for tiden er på veien. 

“Hver gang en potensielt kritisk situasjon oppstår under en testkjøring, får vi en ny treningseksempel.” 

Fordi dataene lagres sentralt, kan hele flåten lære av dem.