Система раннего предупреждения на основе ИИ учится на реальных ситуациях в дорожном движении

Новая система раннего предупреждения для транспортных средств, разработанная командой исследователей из Технического университета Мюнхена (TUM), использует ИИ для обучения на тысячах реальных ситуаций в дорожном движении. Исследование было проведено в сотрудничестве с группой BMW, и оно показало, что система будет полезна для современных самоходных транспортных средств. Если ее использовать, она может предоставить предупреждение за семь секунд до потенциально критических ситуаций, которые машины не могут обработать самостоятельно. Точность системы составила 85%.

Текущие усилия по разработке самоходных транспортных средств используют сложные модели, которые позволяют машинам анализировать поведение всех участников дорожного движения. Однако большинство этих моделей еще не продемонстрировали способность справляться с сложными или непредсказуемыми ситуациями.

Команда, стоящая за новой системой раннего предупреждения, работала с профессором Эккехардом Штайнбахом, заведующим кафедрой медиатехнологий и членом совета директоров Мюнхенской школы робототехники и искусственного интеллекта в TUM.

Исследование под названием «Прогнозирование неудач для автономного вождения с помощью поздней фузии информации о состоянии и камерах» было опубликовано в IEEE Transactions on Intelligent Transportation Systems.

Новый подход использует ИИ для обучения системы на прошлых ситуациях. Более конкретно, эти прошлые ситуации были такими, когда самоходные машины достигли своего предела в реальном дорожном движении. Это происходит, когда человеческие водители должны взять под контроль машину, либо потому, что машина сигнализирует об этом, либо потому, что человек решает, что это самый безопасный вариант.

RNN и предупреждение за семь секунд

Новая система полагается на датчики и камеры, которые фиксируют окружающие условия, и записывают данные о состоянии, такие как угол рулевого колеса, состояние дороги и погода. Система ИИ использует рекуррентную нейронную сеть (RNN), которая может обрабатывать данные для распознавания закономерностей. Когда система обнаруживает новую ситуацию вождения, которую она не смогла обработать ранее, водитель получает предупреждение заранее.

«Чтобы сделать машины более автономными, многие существующие методы изучают, что машины сейчас понимают о дорожном движении, и затем пытаются улучшить модели, используемые ими. Большое преимущество нашей технологии: мы полностью игнорируем, что думает машина. Вместо этого мы ограничиваемся данными, основанными на том, что на самом деле происходит, и ищем закономерности», – говорит Штайнбах. «Таким образом, ИИ обнаруживает потенциально критические ситуации, которые модели могут не быть в состоянии распознать или еще не открыли. Наша система, поэтому, предлагает функцию безопасности, которая знает, когда и где машины имеют слабости».

Технология была протестирована с группой BMW, и автономные транспортные средства на общественных дорогах были проанализированы. Это произошло во время 2500 ситуаций, когда человеческий водитель вмешался, и исследование показало, что система точна на 85% и может предупредить водителей за семь секунд до потенциально критических ситуаций.

Технология полагается на большие объемы данных, поскольку она ограничена тем, сколько ситуаций система видела. Данные были по сути сгенерированы сами по себе, учитывая количество транспортных средств, разрабатываемых в настоящее время на дороге.

«Каждый раз, когда возникает потенциально критическая ситуация во время тест-драйва, мы получаем новый пример для обучения».

Поскольку данные хранятся централизованно, вся флот может учиться на них.