Noua metodă ajută mașinile care se conduc singure să creeze „amintiri”

O echipă de cercetători de la Universitatea Cornell a dezvoltat o nouă metodă care permite vehiculelor autonome să creeze „amintiri” ale experiențelor anterioare, care pot fi apoi folosite în navigația viitoare. Acest lucru va fi util în special atunci când aceste mașini autonome nu se pot baza pe senzori în medii cu vreme rea.

Învățând din trecut

Mașinile actuale care se conduc singure care folosesc rețele neuronale artificiale nu au nicio amintire despre trecut, ceea ce înseamnă că „văd” lucrurile în mod constant pentru prima dată. Și acest lucru este adevărat, indiferent de câte ori au condus exact același drum.

Killian Weinberger este autorul principal al cercetării și profesor de informatică.

„Întrebarea fundamentală este, putem învăța din traversări repetate?” spuse Weinberger. „De exemplu, o mașină poate confunda un copac cu formă ciudată cu un pieton prima dată când scanerul său laser îl percepe de la distanță, dar odată ce este suficient de aproape, categoria obiectului va deveni clară. Așa că, a doua oară când treceți pe lângă același copac, chiar și în ceață sau zăpadă, ați spera că acum mașina a învățat să-l recunoască corect.”

Condus de studentul doctorat Carlos Diaz-Ruiz, grupul a creat un set de date conducând o mașină echipată cu senzori LiDAR. A fost condus în jurul unei bucle de 15 kilometri de 40 de ori în total pe o perioadă de 18 luni. Diferitele test drive au capturat diferite medii, condiții meteorologice și momente ale zilei. Toate acestea au creat un set de date cu peste 600,000 de scene.

„Expune în mod deliberat una dintre provocările cheie ale mașinilor cu conducere autonomă: condițiile meteorologice proaste”, a spus Diaz-Ruiz. „Dacă strada este acoperită de zăpadă, oamenii se pot baza pe amintiri, dar fără amintiri o rețea neuronală este puternic dezavantajată.”

RETROVISOR și MODEST

Una dintre abordări, denumită HINDSIGHT, folosește rețele neuronale pentru a calcula descriptori ai obiectelor pe măsură ce mașina trece pe lângă ei. Aceste descrieri, denumite SQuaSH, sunt apoi comprimate și stocate pe o hartă virtuală, creând un tip de „memorie” similar cu modul în care stocăm propriile noastre amintiri în creier.

Când mașina cu conducere autonomă traversează aceeași locație în viitor, interogează baza de date locală SQuaSH a fiecărui punct LiDAR de-a lungul traseului, „amintindu-și” ceea ce a învățat. Baza de date actualizată continuu este partajată între vehicule, contribuind la îmbunătățirea recunoașterii prin furnizarea de mai multe informații.

Yurong You este doctorand.

„Aceste informații pot fi adăugate ca caracteristici la orice detector de obiecte 3D bazat pe LiDAR”, a spus You. „Atât detectorul, cât și reprezentarea SQuaSH pot fi antrenate în comun fără nicio supraveghere suplimentară sau adnotare umană, ceea ce necesită mult timp și muncă.

HINDSIGHT va ajuta echipa cu cercetări suplimentare pe care le desfășoară, care se numesc MODEST (Detecția obiectelor mobile cu efemeritate și autoformare). MODEST ar avansa acest proces și ar permite mașinii să învețe întreaga conductă de percepție.

HINDSIGHT presupune că rețeaua neuronală artificială este deja antrenată pentru a detecta obiecte și crește cu capacitatea de a crea amintiri, în timp ce MODEST presupune că rețeaua neuronală artificială nu a fost niciodată expusă la niciun obiect sau străzi. După mai multe traversări ale aceluiași traseu, învață care părți ale mediului sunt obiecte staționare sau în mișcare. Acest proces permite sistemului să învețe singur la ce ar trebui să acorde atenție ca alți participanți la trafic.

Algoritmul a demonstrat capacitatea de a detecta în mod fiabil obiectele chiar și pe drumuri care nu au constituit traversările inițiale.

Echipa consideră că aceste noi abordări ar putea reduce costul de dezvoltare al vehiculelor autonome, precum și le-ar putea face mai eficiente.