วิธีการใหม่ช่วยให้รถยนต์ขับเคลื่อนอัตโนมัติสร้าง ‘ความทรงจำ’

ทีมนักวิจัยจากมหาวิทยาลัยคอร์เนลล์ ได้พัฒนาวิธีการใหม่ที่ช่วยให้รถยนต์ขับเคลื่อนอัตโนมัติสร้าง “ความทรงจำ” จากประสบการณ์ในอดีต ซึ่งสามารถใช้ในการนำทางในอนาคตได้ สิ่งนี้จะมีประโยชน์มากเมื่อรถยนต์ขับเคลื่อนอัตโนมัติไม่สามารถพึ่งพาสัญญาณจากเซ็นเซอร์ในสภาพอากาศที่ไม่ดี

การเรียนรู้จากอดีต

รถยนต์ขับเคลื่อนอัตโนมัติปัจจุบันที่ใช้เครือข่ายประสาทเทียมไม่มีความทรงจำจากอดีต ซึ่งหมายความว่าพวกมันเห็นสิ่งต่างๆ เป็นครั้งแรกเสมอ ไม่ว่าจะขับรถไปตามถนนเดิมกี่ครั้ง

Killian Weinberger เป็นนักวิจัยหลักและเป็นศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์

“คำถามพื้นฐานคือ เราสามารถเรียนรู้จากประสบการณ์ที่ซ้ำกันหรือไม่” Weinberger กล่าว “ตัวอย่างเช่น รถยนต์อาจเข้าใจผิดว่าต้นไม้ที่มีรูปร่างแปลกๆ เป็นคนเดินถนนครั้งแรกที่เลเซอร์สแกนเนอร์ตรวจจับจากที่ไกล แต่เมื่อใกล้มากขึ้น ประเภทของวัตถุจะชัดเจน ดังนั้น ครั้งที่สองที่คุณขับรถผ่านต้นไม้เดียวกัน แม้ว่าจะมีหมอกหรือหิมะ คุณหวังว่ารถยนต์จะเรียนรู้ที่จะรู้จักมันอย่างถูกต้องแล้ว”

ภายใต้การนำของนักศึกษาระดับ博士 Carlos Diaz-Ruiz ทีมงานได้สร้างชุดข้อมูลโดยขับรถที่มีเซ็นเซอร์ LiDAR ไปรอบๆ เส้นทางยาว 15 กิโลเมตรทั้งหมด 40 ครั้งในช่วง 18 เดือน การทดสอบขับรถในหลายๆ สภาพแวดล้อม สภาพอากาศ และเวลาในหนึ่งวัน ทำให้เกิดชุดข้อมูลที่มีมากกว่า 600,000 ฉาก

“มันแสดงให้เห็นถึงความท้าทายหลักๆ ของรถยนต์ขับเคลื่อนอัตโนมัติ ซึ่งก็คือ สภาพอากาศที่ไม่ดี” Diaz-Ruiz กล่าว “หากถนนถูกปกคลุมไปด้วยหิมะ มนุษย์สามารถพึ่งพาความทรงจำได้ แต่โดยไม่มีความทรงจำ เครือข่ายประสาทเทียมจะเสียเปรียบอย่างมาก”

HINDSIGHT และ MODEST

วิธีการหนึ่งที่เรียกว่า HINDSIGHT ใช้เครือข่ายประสาทเทียมในการคำนวณตัวอธิบายวัตถุเมื่อรถยนต์ขับผ่านพวกมัน ตัวอธิบายเหล่านี้ซึ่งเรียกว่า SQuaSH จะถูกบีบอัดและเก็บไว้ในแผนที่เสมือน ซึ่งสร้างความทรงจำที่คล้ายกับวิธีที่เราบันทึกความทรงจำในสมอง

เมื่อรถยนต์ขับเคลื่อนอัตโนมัติผ่านสถานที่เดียวกันในอนาคต มันจะค้นหาฐานข้อมูล SQuaSH ของจุด LiDAR ทุกจุดตามเส้นทาง “นึกถึง” สิ่งที่เรียนรู้ไว้ ฐานข้อมูลที่อัปเดตอย่างต่อเนื่องจะถูกแบ่งปันระหว่างรถยนต์ ช่วยให้การรู้จำดีขึ้นโดยการให้ข้อมูลเพิ่มเติม

Yurong You เป็นนักศึกษาระดับ博士

“ข้อมูลนี้สามารถเพิ่มเป็นคุณลักษณะให้กับเครื่องตรวจจับวัตถุ 3 มิติที่ใช้ LiDAR ได้” You กล่าว “ทั้งเครื่องตรวจจับและตัวแทน SQuaSH สามารถฝึกฝนร่วมกันโดยไม่ต้องมีการกำกับดูแลหรือการบันทึกข้อมูลจากมนุษย์ ซึ่งเป็นกระบวนการที่ใช้เวลาและแรงงาน

HINDSIGHT จะช่วยให้ทีมงานสามารถทำการวิจัยเพิ่มเติมที่เรียกว่า MODEST (การตรวจจับวัตถุเคลื่อนที่ด้วยการฝึกฝนแบบอัตโนมัติ) MODEST จะพัฒนาการเรียนรู้นี้และช่วยให้รถยนต์สามารถเรียนรู้ทั้งกระบวนการรับรู้

HINDSIGHT สมมติว่าเครือข่ายประสาทเทียมได้รับการฝึกฝนให้ตรวจจับวัตถุแล้ว และเพิ่มความสามารถในการสร้างความทรงจำ ในขณะที่ MODEST สมมติว่าเครือข่ายประสาทเทียมไม่เคยถูกสัมผัสกับวัตถุหรือถนนมาก่อน หลังจากผ่านไปหลายครั้ง มันจะเรียนรู้ว่าส่วนใดของสภาพแวดล้อมเป็นวัตถุหรือสิ่งแวดล้อมที่ไม่เคลื่อนที่ ซึ่งช่วยให้ระบบสามารถสอนตัวเองได้ว่าควรให้ความสนใจกับสิ่งใดบ้างในฐานะผู้เข้าร่วมการจราจร

อัลกอริทึมแสดงให้เห็นถึงความสามารถในการตรวจจับวัตถุได้อย่างน่าเชื่อถือ แม้บนถนนซึ่งไม่ได้เป็นส่วนหนึ่งของการเดินทางครั้งแรก

ทีมงานเชื่อว่าวิธีการใหม่เหล่านี้สามารถลดต้นทุนในการพัฒนารถยนต์ขับเคลื่อนอัตโนมัติ และทำให้พวกมันทำงานได้อย่างมีประสิทธิภาพมากขึ้น