Система раннього попередження на основі штучного інтелекту вивчає реальні дорожні ситуації

Нова система раннього попередження для транспортних засобів, розроблена командою дослідників Технічного університету Мюнхена (TUM), використовує штучний інтелект для вивчення тисяч реальних дорожніх ситуацій. Дослідження було проведено у співпраці з BMW Group, яке показало, що система буде корисною для сучасних транспортних засобів з автопілотом. Якщо її використовувати, вона може забезпечити попередження за сім секунд до потенційно критичних ситуацій, які транспортні засоби не можуть обробити самостійно. Точність системи склала 85%.

Поточні зусилля щодо розробки транспортних засобів з автопілотом використовують складні моделі, які дозволяють транспортним засобам аналізувати поведінку всіх учасників дорожнього руху. Однак більшість цих моделей ще не продемонстрували здатність обробляти складні чи непередбачувані ситуації.

Команда, яка розробила нову систему раннього попередження, працювала з професором Еккехардом Штайнбахом, керівником кафедри медіатехнологій і членом ради директорів Мюнхенської школи робототехніки та штучного інтелекту в TUM.

Дослідження під назвою “Прогнозування невдач для автономного руху за допомогою пізнього злиття інформації про стан і камеру” було опубліковано в IEEE Transactions on Intelligent Transportation Systems.

Новий підхід використовує штучний інтелект для того, щоб система могла вивчити минулі ситуації. Конкретно, ці минулі ситуації були такими, коли транспортні засоби з автопілотом досягли свого ліміту в реальному дорожньому русі. Це відбувається, коли людські водії повинні взяти під контроль транспортний засіб, або тому, що транспортний засіб сигналізує про це, або тому, що людина вирішує, що це найбезпечніший варіант.

RNN і попередження за сім секунд

Нова система використовує датчики і камери, які реєструють навколишні умови, а також дані про кут повороту керма, стан дороги і погоду. Система штучного інтелекту використовує рекурентну нейронну мережу (RNN), яка може обробляти дані для виявлення закономірностей. Кожного разу, коли система виявляє нову ситуацію на дорозі, яку раніше не могла обробити, водій отримує попередження заздалегідь.

“Щоб зробити транспортні засоби більш автономними, багато існуючих методів вивчають, що транспортні засоби зараз знають про дорожній рух, а потім намагаються покращити моделі, які вони використовують. Велика перевага нашої технології: ми повністю ігноруємо те, що думає транспортний засіб. Замість цього ми обмежуємося даними, заснованими на тому, що фактично відбувається, і шукаємо закономірності”, – говорить Штайнбах. “Цим шляхом штучний інтелект відкриває потенційно критичні ситуації, які моделі можуть не бути здатні визначити або ще не відкрили. Наша система тому пропонує функцію безпеки, яка знає, коли і де транспортні засоби мають слабкості”.

Технологія була протестована з BMW Group, і автономні транспортні засоби на публічних дорогах були проаналізовані. Це відбулося під час 2500 ситуацій, коли людський водій втрутився, і дослідження показало, що система на 85% точна і може попередити водіїв за сім секунд до потенційно критичних ситуацій.

Технологія залежить від великих обсягів даних, оскільки вона обмежена тим, скільки ситуацій система бачила. Дані фактично генерувалися самостійно завдяки кількості транспортних засобів, які зараз розробляються на дорозі.

“Кожного разу, коли виникає потенційно критична ситуація під час тест-драйву, ми отримуємо новий навчальний приклад”.

Оскільки дані зберігаються централізовано, весь флот транспортних засобів може вивчити з них.