Почему самоходные автомобили являются будущим и как они создаются?

Из-за недавних адаптивных карантинных мер, введенных почти во всех частях мира, авиаперелеты, общественный транспорт и многие другие сектора понесли значительный ущерб в 2020 году. Однако автомобильный мир и самоходные автомобили, в частности, показали повышенную устойчивость в это трудное время. Фактически, компании như Ford увеличили свои инвестиции в разработку электрических и самоходных автомобилей, выделив 29 миллиардов долларов в четвертом квартале прошлого года. Конкретно, 7 миллиардов долларов из этих средств будут направлены на разработку самоходных автомобилей. Таким образом, Ford присоединяется к General Motors (GM ), Tesla (TSLA ), Baidu и другим автопроизводителям, которые активно инвестируют в самоходные автомобили. В этой статье мы расскажем о том, почему компании инвестируют в самоходные автомобили и как алгоритмы машинного обучения, которые управляют ими, проходят обучение.

Почему так много компаний инвестируют в самоходные автомобили?

Когда мы рассматриваем все преимущества, которые предлагают самоходные автомобили, становится ясно, почему так много компаний инвестируют в их разработку. Водители смогут сэкономить больше денег, поскольку им не придется платить за дорогие страховые планы, это ускорит их ежедневные поездки, улучшит экономию топлива и многие другие преимущества. Для компаний такая автоматизация открывает двери для большей экономии. Хорошим примером этого является самоходный грузоперевозочный транспорт, который сможет сократить операционные затраты на 45%, согласно отчету компании McKinsey & Company.

Основным преимуществом является повышенная безопасность. Согласно Национальной администрации безопасности дорожного движения (NHTSA), 94% серьезных аварий являются результатом человеческой ошибки. Самоходные автомобили могут значительно сократить количество аварий, поскольку им не требуется никакого водительского вмешательства и они имеют круговое обзор в любое время. Кроме того, системы безопасности водителей (ADAS) могут взять на себя критические функции безопасности в опасных ситуациях, таких как торможение и управление. Есть много дополнительных преимуществ, которые самоходные автомобили предлагают обществу, таких как снижение выбросов. Фактически, базовый случай показал снижение энергопотребления и выбросов парниковых газов на 9% в течение всего срока службы транспортного средства по сравнению с традиционными транспортными средствами. Теперь, когда мы знаем все преимущества, которые самоходные автомобили могут предложить, давайте рассмотрим, как они обучаются распознавать мир вокруг себя.

Как работают самоходные автомобили и как они могут стать реальностью

Самоходный автомобиль должен следовать правилам дорожного движения, и для этого ему необходимо распознавать все различные дорожные знаки, разметку, обнаруживать другие транспортные средства и пешеходов, и бесчисленные другие объекты. Эти автомобили с искусственным интеллектом полагаются на машинное обучение, чтобы “рассчитать”, что необходимо делать во всех видах ситуаций на дороге. Давайте начнем с базового примера. Человек находится в своем самоходном автомобиле, едет по шоссе, чтобы добраться до работы. Автомобиль должен правильно определить установленный скоростной лимит, поддерживать безопасное расстояние от автомобиля впереди, и когда он въезжает в жилой район, ему необходимо распознавать пешеходов и пропускать их.

Для этого требуется тысячами и тысячами изображений, которые необходимо аннотировать с помощью методов, варьирующихся от маркировки до семантической сегментации. Фактически, Евгения Хименко, генеральный директор Mindy Support, компании, которая предоставляет услуги аннотации данных для автомобильной промышленности, говорит, что существует широкий спектр проектов по аннотации данных для автомобильной промышленности:

«Это включает проекты, такие как распознавание лиц на видео для обучения самоходных автомобилей распознавать поведение других водителей на дороге, видеомаркировку и аннотацию для обнаружения движения и направления транспортного средства (мы аннотировали более 545 миллионов последовательностей изображений). Другой сложный аудиоаннотационный задачей было определение временной метки и маркировка человеческой речи, а также всех фонових шумов, происходящих внутри транспортного средства, таких как радио, смех, крики, пение, животные и даже молчание».

Давайте рассмотрим сложный сценарий. Представьте, что самоходный автомобиль едет в жилом районе, и там есть подростки с скейтбордами, которые ждут, чтобы перейти дорогу. Согласно правилам, автомобиль имеет право проезда, но есть большая вероятность, что подростки не будут ждать, пока светофор не переключится на зеленый, и попытаются перейти дорогу преждевременно. Водитель будет хорошо осведомлен о таком риске и замедлит скорость, чтобы предвидеть такое событие, но для машины это будет очень трудно рассчитать. Это следующий шаг, который исследователи пытаются сделать с самоходными автомобилями, и просто больше аннотированных данных может быть ответом.

Как самоходные автомобили видят физический мир?

Самоходные автомобили полагаются на технологию LiDAR, чтобы помочь им видеть мир вокруг них. LiDAR создает 3D-п云, который является цифровым представлением того, как система искусственного интеллекта видит мир. Эта технология не зарезервирована только для самоходных автомобилей, она также используется для других роботов и задач автоматизации, таких как создание робота, который может собирать урожай для сельскохозяйственной промышленности. 3D-п云 также необходимо аннотировать, чтобы машина знала, что именно она видит. Это обычно делается с помощью методов, таких как маркировка, 3D-коробки и семантическая сегментация. Более продвинутая форма аннотации будет заключаться в том, чтобы закодировать 3D-п云, чтобы транспортное средство понимало расстояние объекта.

Способ, которым работает LiDAR, заключается в том, что он отправляет сигнал света ко всем объектам вокруг него, и в зависимости от того, как долго свет возвращается, он дает искусственному интеллекту понимание того, насколько далеко находится объект. Например, земля на 3D-п云е всегда будет синей, поскольку это самая низкая точка, свет быстро отражается, и синий имеет очень короткую длину волны. Один из окружающих зданий может быть красным или оранжевым, в зависимости от того, насколько далеко оно находится.

Стоит отметить, что LiDAR не является единственной технологией в этом секторе. Например, Tesla использует что-то, называемое Hydrant, которое представляет собой комбинацию из восьми камер, которые составляют полную картину дороги. Другие компании, такие как Waymo и Voyage, используют LiDAR. Одна из возможных причин, почему Tesla может избегать LiDAR, заключается в том, что он очень громоздкий и портит общий вид автомобиля. Ведь Tesla – очень дорогие автомобили, и водители, вероятно, не захотят иметь большой ящик, сидящий на крыше их автомобиля. Компании, разрабатывающие роботакси, такие как Waymo, могут позволить себе использовать LiDAR.

Почему качественные тренировочные данные так важны?

Иметь качественные тренировочные данные является одним из наиболее важных вещей, которые вам нужно иметь, чтобы создать самоходный автомобиль. Однако просто получение этих данных недостаточно. Тренировочные наборы данных необходимо подготовить с помощью аннотации данных, чтобы система искусственного интеллекта могла учиться на них. Хотя это очень трудоемкий и утомительный процесс, успех всего проекта зависит от него. Ведь самоходные автомобили – это будущее и могут потенциально помочь нам снизить или даже исключить некоторые из проблем, с которыми мы сталкиваемся в плане автомобильных аварий и жертв, экологических проблем и заторов на дорогах.