Az NJSZT blogja a legfejlettebb infokom technológiákról

Jelenből a Jövőbe

Virtuális valóságokban gyakorolnak az önvezető autók

2017. november 03. - ferenck

A média sokszor beszámolt már a Toyota, az Uber vagy a Google-hoz tartozó Waymo önvezető autóinak kaliforniai, arizonai stb. tesztvezetéseiről. Egy másik tesztterepről, ugyanezen környezetek szimulált változatairól viszont alig tudósítanak, pedig a valódival azonos szoftverrel működő virtuális autóik hosszú órákat töltenek el digitális közegekben. Logikus is, hiszen a problémákat húsvér személyek veszélyeztetése nélkül oldják meg, és ha hibáznak, a mérnökök még az éles teszt előtt javíthatnak a programon. A biztonságosabb szimuláció közben rengeteget tanulhatnak is.

Az önvezető autók bevezetését gépi tanulással szintén fel szeretnék gyorsítani. Amikor a Google tíz éve megtervezte első robotjárművét, a mérnökök sorról sorra írták a kódot, minden egyes apró lépést programozással igyekeztek megoldani. A számítási kapacitások növekedésével és a big datával viszont az algoritmusok egyre hatékonyabban tanulnak maguktól, képesek azonosítani úton tartózkodó gyalogosokat, előrejelzni jövőbeni eseményeket. Mivel sokkal több információt elemeznek, mint az ember, időnként nehéz megérteni, hogy mit miért tesznek.

onvezetoauto_vr.jpg

A mai önvezető autók távolról sem annyira autonómok, mint tervezőik szeretnék. A Waymo Phoenix környékén indít taxiszolgáltatást, a járműben tartalékvezető sem lesz, tevékenységét azonban alaposan korlátozzák: szűk és biztonságos területen fog működni, ahol kevés a gyalogos és a jelzőlámpa.

A cél természetesen, hogy sokkal bonyolultabb közegekben is boldoguljon, azokhoz viszont részletesebb képet adó új szenzorok és még több gépi tanulás kell. Jó minőségű tanulóadatokat, különösen karambolokról sokszor nehéz beszerezni, ráadásul azokat is manuálisan címkézik fel. Az összes lehetséges szituációról lehetetlen összegyűjteni használható információkat.

onvezetoauto_vr0.jpg

Ezekben az esetekben segít a szimuláció, például a Waymo Carcraftja, amelynek útjain az algoritmus új viselkedésformákat tanul meg. A Toyota szintén szimulált utakon gyakoroltatja ideghálóit, és az eredmények bíztatóak. A szimuláció hasonlít annyira a valóságra, hogy a járművek hitelesen tanuljanak benne, és még a képeket sem kell felcímkézni.

Megerősítéses tanulással szintén próbálkoznak, többek között a Google londoni DeepMindja, a Berkeley AI Research Lab és az Elon Musk és mások által alapított San Francisco-i OpenAI használja ezt a módszert. Az Uber önvezető autója a népszerű Grand Theft Auto számítógépes játékon gyakorol.

A virtuális és a fizikai valóság közti szakadék áthidalása azonban még így sem egyszerű. A maguktól tanuló algoritmusoknak például semmiképpen sem szabad szokatlan és veszélyes viselkedésformákat elsajátítaniuk. Ez az egyik oka, hogy a Toyota és a Waymo nemcsak a gépi tanulásra alapozza robotautóit. Egyes szabályok betartásának garantálására kézzel kódolják a szoftvert, mert a járműnek nem kell tanulás ahhoz, hogy pirosnál megálljon stb.

Egyelőre a kézi kódolás és a gépi tanulás összekombinálása a megoldás, és mindaddig így is lesz, amíg az autó mélyebben nem érti a különböző országúti élethelyzeteket.

A bejegyzés trackback címe:

http://jelenbolajovobe.blog.hu/api/trackback/id/tr6313137974

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben.

Nincsenek hozzászólások.