Wprawdzie autonomia na rynku samochodów jest z nami od kilku lat, ale tak naprawdę nie znaleziono jeszcze tego najlepszego sposobu, aby zautomatyzować podróże. Nic więc dziwnego, że z nowymi sposobami eksperymentuje właśnie MIT, który tym razem postawił na stworzenie systemu, umożliwiającego systemom na pokładzie samochodów jeżdżenie się w nieznanych obszarach w ten sam sposób, w jaki robią to ludzcy kierowcy. Innymi słowy, nazwana dumnie Variational End-to-End Navigation i Localization, wykorzystuje podstawowe mapy i kamery wideo do analizy i nawigacji w nowej lokalizacji. 

Czytaj też: Następne Audi R8 elektrycznym supersamochodem?

Systemy autonomicznych samochodów muszą obecnie polegać na bardzo szczegółowych mapach, ważących nawet kilka terabajtów, na podstawie których wyznaczają sobie drogę do celu, wspomagając się masą czujników. To połączenie informacji z bazy danych z tymi, które docierają do nich na bieżąco, sprawia, że mogą nie tylko planować swoje następne kroki, ale też sterować w każdej sekundzie.

Ludzie z kolei są znacznie bardziej zaawansowani w kwestii nawigacji i z reguły wystarcza im prosta mapa, garść informacji i jakiś punkt orientacyjny. I to właśnie ten system naukowcy z MIT chcą przenieść na technologiczne poletko. Idealny system według nich miałby bazować na prostych mapach z bazy, które na bieżąco samochód uzupełniałby na podstawie uzyskiwanych danych z kamer i czujników.

Jak to działa?

Aby nauczyć komputer czegoś takiego, zespół wysłał kierowcę z Toyotą Prius na przejażdżkę, podczas której kilka kamer i podstawowy GPS gromadziły dane o podmiejskich ulicach, ich strukturach drogowych i przeszkodach. W przeciwieństwie do bardziej konwencjonalnego podejścia, które opiera się na bardzo złożonym uczeniu maszynowym i bazach danych, podejście MIT uczy się na podstawie wizualnych wskazówek. Oznacza to, że nie potrzebuje szczegółowych instrukcji, kiedy wchodzi w nowy obszar – wystarczy tylko podstawowa mapa.

Pod kierownictwem Danieli Rus, dyrektora Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL), zespół MIT opracował kompleksowy system nawigacyjny, który różni się tym, że podobnie jak człowiek, został zaprojektowany specjalnie do poszukiwania miejsca docelowego, a nie koncentrowania się na podążaniu drogą.  MIT twierdzi, że ta prognoza opiera się na modelu uczenia maszynowego CNN, który uczy się sterować, przetwarzając obrazy zebrane podczas treningu z ludzkim kierowcą. W ten sposób wie, jak radzić sobie z różnego rodzaju drogami i skrzyżowaniami.

Variational End-to-End Navigation i Localization pozwala również samochodowi wziąć pod uwagę inne wskazówki wizualne, takie jak znaki, linie drogowe i inne znaczniki, aby dowiedzieć się, na jakiej drodze się znajduje i przewidzieć przejazdy, a także sposób, w jaki powinien się zachowywać w konkretnej sytuacji. Ponadto może analizować wzory ulic, aby pomóc określić, gdzie jest. Linia o wysokim prawdopodobieństwie pasuje do tego, co widzi, a mapa wskazuje poprawną poprawkę na jej lokalizację. W ten sposób mapy czterech terabajtów dla średniego miasta można zredukować do 40-gigabajtowej bazy danych dla całej planety.

Czytaj też: Opel Corsa szóstej generacji pójdzie w elektryczność

Źródło: MIT, New Atlas

Kolejny artykuł znajdziesz poniżej