Несмотря на свою инновационность, автономное вождение подвергается критике, связанной с его безопасностью, например, прогнозированием в реальном времени ближайших транспортных средств или окружающих пешеходов. Например, нередко можно увидеть случаи, когда автономные транспортные средства Tesla попадают в аварии.
Чтобы изменить этот сценарий, исследователи из Университета Гонконга разработали систему искусственного интеллекта, которая повышает точность прогнозирования этих моделей в условиях дорожного движения и повышает эффективность более чем на 85%, потенциально повышая безопасность автономного вождения в целом.
Читать далее:
- Безопасно ли автономное вождение?
- Автономное вождение Tesla видит пешеходов и ускоряется; посмотреть видео
- Узнайте, как Uber рассчитывает стоимость поездки
Проблемы с автономной системой рулевого управления
По словам Ван Цзяньпина из факультета компьютерных наук университета и руководителя исследования, небольшие ошибки в автономном вождении, такие как избыточные расчеты того, когда, например, будут двигаться пешеходы, могут привести к серьезным авариям.
Это происходит потому, что системе трудно понять и действовать в определенных ситуациях, что приводит к случаям, когда минимальная задержка в принятии решения может означать вред.
Автономное вождение может стать безопаснее благодаря искусственному интеллекту (Изображение: Andrey_Popov/Shutterstock)
Решение с использованием ИИ
- Чтобы преодолеть эти ограничения, исследовательская группа разработала систему прогнозирования траектории под названием QCNet.
- Теоретически он может делать прогнозы для каждого сценария, используя предыдущие данные о движении дорог и полос, пешеходах и их взаимодействиях.
- Используя эти данные в сочетании с искусственным интеллектом, он будет генерировать прогнозы в реальном времени, например, чтобы избежать столкновений, но также принимая во внимание, что в каждой ситуации существует неопределенность.
(Изображение: Репродукция / YouTube)
Автономные экзамены по вождению
Для тестирования модели команда использовала два больших набора данных по автономному вождению, Argoverse 1 и Argoverse 2, а также карты разных городов США, на общую сумму более 250 тысяч случаев.
По данным сайта ТехЭксплорНа практике QCNet продемонстрировала скорость и точность прогнозирования будущих движений пешеходов и других транспортных средств на дороге, повысив эффективность дорожного движения модели на 85%.
Интегрируя эту технологию в системы автономного вождения, автономные транспортные средства могут эффективно понимать окружающую среду, более точно прогнозировать будущее поведение других пользователей и принимать более безопасные и гуманные решения, открывая путь к безопасному автономному вождению.
Ван Цзяньпин
Цзяньпин также подчеркнул, что эту технологию можно применять в большем количестве ситуаций для улучшения автономного вождения, включая моделирование дорожного движения и принятие решений, подобному человеческому.
Вы смотрели новые видео на YouTube от Олхар Диджитал? Подпишитесь на канал!
Пост «Исследование показывает, как можно использовать искусственный интеллект для улучшения автономного вождения», впервые появился на сайте Olhar Digital.