Почему будущее за беспилотными автомобилями и как они создаются?

Из-за недавних адаптивных карантинных мер, введенных практически во всех частях мира, авиаперевозки, общественный транспорт и многие другие отрасли сильно пострадали в 2020 году. Однако автомобильный мир и автономные транспортные средства, в частности, продемонстрировали повышенную устойчивость. в это трудное время. Фактически, такие компании, как Ford, увеличили свои инвестиции в разработку электрических и беспилотных автомобилей на выделение 29 миллиардов долларов в четвертом квартале прошлого года. В частности, 7 миллиардов долларов из этих денег пойдут на развитие беспилотных автомобилей. Таким образом, Ford присоединяется к General Motors, Tesla, Baidu и другим автопроизводителям, инвестируя значительные средства в беспилотные транспортные средства. В этой статье мы расскажем вам о том, почему компании инвестируют в беспилотные автомобили и как обучаются алгоритмы машинного обучения, которые в них работают.

Почему так много компаний инвестируют в беспилотные автомобили?

Когда мы взглянем на все преимущества, предлагаемые автономными транспортными средствами, легко понять, почему так много компаний вкладывают средства в их развитие. Водители смогут сэкономить больше денег, поскольку им не придется платить за дорогие страховые планы, это ускорит их ежедневные поездки на работу, улучшит экономию топлива и многие другие преимущества. Для компаний такая автоматизация открывает двери для большей экономии. Отличным примером этого являются автономные дальнемагистральные перевозки, которые смогут сократить эксплуатационные расходы на 45%, согласно отчету McKinsey & Company.

Главным преимуществом должна стать повышенная безопасность. По данным НАБДД, 94% серьезных аварий являются результатом человеческой ошибки. Беспилотные автомобили могут значительно снизить количество аварий, поскольку они не требуют вмешательства водителя и всегда имеют обзор на 360 градусов. Кроме того, передовые системы безопасности водителя (ADAS) могут взять на себя критически важные функции в опасных ситуациях, такие как торможение и рулевое управление. Есть много дополнительных преимуществ, которые беспилотные транспортные средства предлагают обществу, например, сокращение выбросов. Фактически, базовый случай показал снижение энергопотребления и выбросов парниковых газов на 9% за весь срок службы автомобиля по сравнению с обычным транспортным средством. Не то чтобы мы знали все преимущества беспилотных автомобилей, давайте посмотрим, как их обучают распознавать окружающий мир.

Как работают беспилотники и как они могут стать реальностью

Автономное транспортное средство должно следовать правилам дорожного движения, а для этого ему необходимо распознавать все различные дорожные знаки, дорожную разметку, обнаруживать другие транспортные средства и пешеходов, а также бесчисленное множество других объектов. Эти автомобили с искусственным интеллектом полагаются на машинное обучение для «вычисления» того, что необходимо делать в любых дорожных ситуациях. Начнем с простого примера. Человек в своем AV едет по шоссе, чтобы добраться до работы. Автомобиль должен будет правильно определять вывешенное ограничение скорости, поддерживать безопасную дистанцию ​​до впереди идущего автомобиля и, въезжая в жилой район, распознавать пешеходов и пропускать их через дорогу.

Это требует, чтобы тысячи и тысячи изображений были аннотированы с помощью методов, начиная от маркировки и заканчивая семантической сегментацией. На самом деле, Евгения Хименко, генеральный директор Поддержка Минди, компания, предоставляющая услуги аннотирования данных для автомобильного сектора, говорит, что существует широкий спектр проектов аннотирования данных для автомобильной промышленности:

"Эти включают такие проекты, как распознавание лиц на видео для обучения беспилотных автомобилей определению поведения других водителей на дороге, маркировку видео и аннотирование для определения движения и направления автомобиля (мы аннотировали более 545 миллионов последовательностей изображений). Еще одна сложная задача аудиоаннотирования заключалась в том, что нам нужно было определить временную метку и пометить человеческую речь, а также все фоновые шумы, происходящие внутри автомобиля, такие как радио, смех, крики, пение, животные и даже тишина».

Рассмотрим сложный сценарий. Представьте, что автономный автомобиль едет по жилому району, а подростки со скейтбордами ждут, чтобы перейти дорогу. По правилам, автомобиль имеет преимущественное право проезда, но есть большая вероятность, что подростки не будут ждать зеленого сигнала светофора и попытаются перейти дорогу преждевременно. Водитель-человек будет хорошо осознавать такой риск и замедлит скорость, чтобы предвидеть такое событие, но для машины это было бы очень сложно просчитать. Это следующий шаг, который исследователи пытаются сделать с автономными транспортными средствами, и ответом может быть просто больше аннотированных данных.

Как AV видят физический мир?

Автономные транспортные средства полагаются на технологию LiDAR, которая помогает им видеть окружающий мир. LiDAR создает трехмерное облако точек, которое представляет собой цифровое представление того, как система искусственного интеллекта видит мир. Эта технология предназначена не только для автономных транспортных средств, она также используется для других задач по автоматизации роботизированных процессов, таких как создание робота, который может собирать урожай для сельскохозяйственного сектора. Облако 3D-точек также необходимо будет аннотировать, чтобы машина знала, что именно она видит. Обычно это делается с помощью таких методов, как маркировка, 3D-боксы и семантическая сегментация. Более продвинутой формой аннотации было бы цветовое кодирование трехмерного облака точек, чтобы транспортное средство понимало расстояние до объекта.

Принцип работы LiDAR заключается в том, что он посылает сигнал света всем окружающим его объектам, и в зависимости от того, сколько времени требуется свету, чтобы вернуться, он дает ИИ понимание того, как далеко находится объект. Например, земля в трехмерном облаке точек всегда будет синей, потому что это самая нижняя точка, свет будет быстро отражаться, а у синего цвета очень короткая длина волны. Одно из окружающих зданий может быть красным или оранжевым в зависимости от того, насколько далеко оно находится.

Стоит отметить, что LiDAR — не единственная игра в городе. Например, Tesla использует устройство под названием Hydrant, представляющее собой комбинацию из восьми камер, которые сшивают воедино полную картину дороги. Другие компании, такие как Waymo и Voyage, используют LiDAR. Одна из возможных причин, по которой Tesla может избегать LiDAR, заключается в том, что он очень громоздкий и портит общий вид автомобиля. В конце концов, Tesla очень дорогая, и водители, вероятно, не захотят, чтобы на крыше их автомобилей стояла гигантская коробка. Компании, разрабатывающие роботакси, такие как Waymo, могут обойтись без LiDAR.

Почему качественные данные обучения так важны?

Наличие качественных обучающих данных — одна из самых важных вещей, которые вам нужны для создания самоуправляемого автомобиля. Однако просто получить эти данные недостаточно. Наборы данных для обучения должны быть подготовлены с помощью аннотации данных, чтобы система ИИ могла учиться на них. Хотя это очень трудоемкий и утомительный процесс, от него зависит успех всего проекта. В конце концов, за самоуправляемыми автомобилями будущее, и они потенциально могут помочь нам уменьшить или даже устранить некоторые из проблем, с которыми мы сталкиваемся, с точки зрения автомобильных аварий и несчастных случаев, экологических проблем и пробок на дорогах.