System Ostrzegawczy Oparty Na Sztucznej Inteligencji Uczy Się Z Prawdziwych Sytuacji Ruchu Drogowego

Nowy system ostrzegawczy dla pojazdów opracowany przez zespół badaczy z Technische Universität München (TUM) wykorzystuje sztuczną inteligencję do uczenia się z tysięcy prawdziwych sytuacji ruchu drogowego. Przeprowadzono badanie we współpracy z BMW Group, które wykazało, że system byłby korzystny dla dzisiejszych samochodów autonomicznych. Jeśli zostanie zastosowany, może on zapewnić ostrzeżenie siedmiosekundowe przed potencjalnymi sytuacjami krytycznymi, którymi samochody nie są w stanie samodzielnie się poradzić. Współczynnik dokładności wyniósł 85%.

Bieżące wysiłki w zakresie rozwoju samochodów autonomicznych wykorzystują zaawansowane modele, które umożliwiają pojazdom analizę zachowania wszystkich uczestników ruchu. Jednak większość tych modeli nie wykazała jeszcze zdolności do radzenia sobie z złożonymi lub nieprzewidywalnymi sytuacjami.

Zespół odpowiedzialny za nowy system ostrzegawczy współpracował z prof. Eckehardem Steinbachem, przewodniczącym Katedry Technologii Mediów i członkiem Zarządu Szkoły Robotyki i Sztucznej Inteligencji w Monachium.

Badanie zatytułowane „Introspektywna predykcja awarii dla autonomicznych pojazdów przy użyciu późnej fuzji informacji o stanie i kamerze” zostało opublikowane w IEEE Transactions on Intelligent Transportation Systems.

Nowe podejście wykorzystuje sztuczną inteligencję, aby umożliwić systemowi uczenie się z przeszłych sytuacji. Konkretnie, były to sytuacje, w których samochody autonomiczne osiągnęły swój limit w rzeczywistym ruchu drogowym. Zdarza się to, gdy kierowcy muszą przejąć kontrolę nad pojazdem, albo dlatego, że samochód sygnalizuje o tym, albo dlatego, że kierowca uważa to za najbezpieczniejszą opcję.

RNN i Ostrzeżenie Siedmiusekundowe

Nowy system opiera się na czujnikach i kamerach, które rejestrują warunki otoczenia, a dane o stanie, takie jak kąt skrętu kierownicy, stan drogi i pogoda, są rejestrowane. System sztucznej inteligencji wykorzystuje sieć neuronową z pętlą zwrotną (RNN), która może przetwarzać dane, aby rozpoznać wzorce. Gdy system wykryje nową sytuację jazdy, której nie był w stanie wcześniej rozpoznać, kierowca jest ostrzegany z wyprzedzeniem.

„Aby uczynić pojazdy bardziej autonomicznymi, wiele istniejących metod bada, co samochody już wiedzą o ruchu, a następnie próbuje udoskonalić modele używane przez nie. Dużą zaletą naszej technologii jest to, że całkowicie ignorujemy to, co myśli samochód. Zamiast tego ograniczamy się do danych opartych na tym, co się naprawdę dzieje, i szukamy wzorców”, mówi Steinbach. “W ten sposób sztuczna inteligencja odkrywa potencjalnie krytyczne sytuacje, których modele mogą nie być w stanie rozpoznać lub których jeszcze nie odkryły. Nasz system oferuje więc funkcję bezpieczeństwa, która wie, kiedy i gdzie samochody mają słabości”.

Technologia została przetestowana z BMW Group, a autonomiczne pojazdy na drogach publicznych zostały poddane analizie. To miało miejsce podczas 2500 sytuacji, w których kierowca interweniował, a badanie wykazało, że system jest 85% dokładny i może ostrzegać kierowców do siedmiu sekund na wyprzedzenie.

Technologia opiera się na dużych ilościach danych, ponieważ jest ograniczona przez to, ile sytuacji system widział. Dane były praktycznie generowane same, biorąc pod uwagę liczbę pojazdów developerskich obecnie na drodze.

“Każdy raz, gdy pojawia się potencjalnie krytyczna sytuacja podczas jazdy testowej, mamy nowy przykład treningowy.”

Ponieważ dane są przechowywane centralnie, cała flota może się z nich uczyć.