Чому Самі Керуючі Автомобілі Є Майбутнім та Як Їх Створюють?

Через недавні адаптивні карантинні заходи, введені майже у всіх частинах світу, авіаперелети, громадський транспорт та багато інших галузей зазнали великого удару у 2020 році. Однак автомобільний світ та автономні транспортні засоби, зокрема, показали підвищену стійкість під час цього важкого часу. Насправді компанії, такі як Ford, збільшують свої інвестиції у розвиток електричних та самокеруючих автомобілів, виділяючи 29 мільярдів доларів у четвертому кварталі минулого року. Зокрема, 7 мільярдів доларів з цих коштів будуть спрямовані на розвиток самокеруючих автомобілів. Таким чином, Ford приєднується до General Motors (GM ), Tesla (TSLA ), Baidu та інших виробників автомобілів, які активно інвестують у автономні транспортні засоби. У цій статті ми розповімо про те, чому компанії інвестують у самокеруючі автомобілі та як алгоритми машинного навчання, які їх живлять, тренуються.

Чому так багато компаній інвестують у самокеруючі автомобілі?

Коли ми розглядаємо всі переваги, які пропонують автономні транспортні засоби, легко зрозуміти, чому так багато компаній інвестують у їх розвиток. Водії зможуть економити більше грошей, оскільки їм не доведеться платити за дорогі страхові плани, це прискорить їх щоденні поїздки, покращить економію палива та багато інших переваг. Для компаній така автоматизація відкриває двері для більших заощаджень. Добрим прикладом цього є автономні довгі вантажні перевезення, які зможуть скоротити операційні витрати на 45%, згідно з звітом компанії McKinsey & Company.

Основною перевагою є підвищення безпеки. За даними NHTSA, 94% серйозних аварій є результатом людської помилки. Самокеруючі автомобілі можуть суттєво зменшити кількість аварій, оскільки їм не потрібен жоден водійський внесок, і вони мають 360-градусний огляд у будь-який час. Також передові системи безпеки водіїв (ADAS) можуть взяти на себе критичні функції безпеки в небезпечних ситуаціях, таких як гальмування та керування. Є багато додаткових переваг, які пропонують автономні транспортні засоби суспільству, наприклад, зменшення викидів. Насправді, базовий випадок показав зниження енергетичних витрат та викидів парникових газів на 9% протягом усього життя транспортного засобу порівняно з традиційним транспортним засобом. Тепер, коли ми знаємо всі переваги, які пропонують самокеруючі автомобілі, давайте розглянемо, як вони навчаються розпізнавати світ навколо себе.

Як працюють автономні транспортні засоби та як вони можуть стати реальністю

Автономний транспортний засіб потребує дотримання правил дорожнього руху, і для цього йому потрібно розпізнавати всі різні дорожні знаки, розмітку, виявляти інші транспортні засоби та пішоходів, а також безліч інших об’єктів. Ці транспортні засоби з штучним інтелектом залежать від машинного навчання, щоб “обчислити”, що потрібно зробити у всіх видах ситуацій на дорозі. Давайте розглянемо базовий приклад. Людина знаходиться у своєму автономному транспортному засобі та їде на роботу по шосе. Автомобіль потрібно правильно ідентифікувати допустиму швидкість, зберегти безпечну відстань від транспортного засобу попереду, а коли він в’їде у житловий район, йому потрібно розпізнати пішоходів та дозволити їм перейти дорогу.

Це вимагає тисяч і тисяч зображень, які потрібно анотувати за допомогою різних технік, від міток до семантичної сегментації. Насправді, Євгенія Хименко, генеральний директор компанії Mindy Support, яка надає послуги з анотації даних для автомобільної галузі, каже, що існує широкий спектр проектів з анотації даних для автомобільної промисловості:

“Це включає проекти, такі як розпізнавання облич на відео для навчання самокеруючих автомобілів розпізнавати поведінку інших водіїв на дорозі, мітки відео та анотація для виявлення руху та напрямку транспортного засобу (ми анотували понад 545 мільйонів послідовностей зображень). Інша складна задача аудіоанотації полягала у визначенні часу та мітці людської мови, а також усіх фонових шумів, які відбуваються всередині транспортного засобу, таких як радіо, сміх, крик, спів, тварини та навіть тиша”.

Давайте розглянемо складний сценарій. Припустимо, автономний транспортний засіб рухається по житловому району, і там є підлітки зі скейтбордами, які чекають, щоб перейти дорогу. За правилами, автомобіль має право проїзду, але є великий шанс, що підлітки не почекають, поки світло зміниться на зелене, і спробують перейти дорогу достроково. Людський водій буде добре обізнаний про такий ризик і буде знижувати швидкість, щоб передбачити таку подію, але для машини це буде дуже важко розрахувати. Це наступний крок, який дослідники намагаються зробити з автономними транспортними засобами, і просто більше анотованих даних може бути відповіддю.

Як автономні транспортні засоби бачать фізичний світ?

Автономні транспортні засоби залежать від технології LiDAR, щоб допомогти їм бачити світ навколо них. LiDAR створює 3D-хмара точок, яка є цифровою репрезентацією того, як система штучного інтелекту бачить світ. Ця технологія не зарезервована лише для автономних транспортних засобів, її також використовують для інших робототехнічних завдань, таких як створення робота, який може зібрати врожай для сільськогосподарської галузі. 3D-хмара точок також потрібно анотувати, щоб машина знала, що саме вона бачить. Це зазвичай робиться за допомогою технік, таких як мітки, 3D-бокси та семантична сегментація. Більш просунута форма анотації полягає у тому, щоб закодувати 3D-хмару точок кольорами, щоб транспортний засіб зрозумів відстань до об’єкта.

LiDAR працює наступним чином: він посилає сигнал світла до всіх об’єктів, що оточують його, і залежно від того, як довго повертається світло, він дає штучному інтелекту розуміння того, наскільки далеко знаходиться об’єкт. Наприклад, земля на 3D-хмарі точок завжди буде синьою, оскільки це найнижча точка, світло буде відбиватися швидко, а синій має дуже коротку довжину хвилі. Один із навколишніх будівель може бути червоним або помаранчевим, залежно від того, наскільки далеко він знаходиться.

Варто зазначити, що LiDAR не єдина гра у місті. Наприклад, Tesla використовує щось на зразок Hydrant, яке є комбінацією восьми камер, які зшивають повну картину дороги. Інші компанії, такі як Waymo та Voyage, використовують LiDAR. Одним із можливих причин, чому Tesla може уникати LiDAR, є те, що він дуже громіздкий і псує загальний вигляд автомобіля. Ведь Teslas дуже дорогі, і водії, ймовірно, не хочуть великої коробки на даху свого автомобіля. Компанії, які розробляють роботаксі, такі як Waymo, можуть дозволити собі використовувати LiDAR.

Чому якісні навчальні дані так важливі?

Мати якісні навчальні дані є однією з найважливіших речей, які потрібно мати для створення самокеруючого автомобіля. Однак просто отримання цих даних недостатньо. Навчальні набори даних потрібно підготувати за допомогою анотації даних, щоб система штучного інтелекту могла вивчити з них. Хоча це дуже часо- та трудомісткий процес, успіх всього проекту залежить від нього. Адже самокеруючі автомобілі є майбутнім і можуть потенційно допомогти нам зменшити або навіть ліквідувати деякі проблеми, з якими ми стикаємося у сфері автомобільних аварій та жертв, екологічних проблем та заторів на дорогах.