reklama
reklama
reklama
reklama
reklama
reklama
reklama
reklama
© Delphi Technologie | 13 pa藕dziernika 2017

Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji

Rozw贸j jazdy autonomicznej zmienia krajobraz technologii transportu w spos贸b tak dynamiczny, 偶e jest por贸wnywany do prze艂omowych zmian na 鈥濪zikim Zachodzie鈥.
Mo偶na wybra膰 w艂asn膮 analogi臋, ale jedna rzecz jest oczywista: mo偶liwo艣ci w zakresie jazdy autonomicznej s膮 obecnie bardzo szerokie, nawet w zat艂oczonym obszarze. Wiele firm wybiera r贸偶ne drogi i sposoby podej艣cia do stworzenia pierwszego zautomatyzowanego systemu kierowania pojazdem, gotowego do produkcji masowej. W mi臋dzyczasie pisane s膮 zasady 鈥 a w miar臋, gdy up艂ywa czas, koncepcje technologiczne staj膮 si臋 rzeczywisto艣ci膮. Wniosek: nie ma 偶adnych ustanowionych regu艂 w wy艣cigu do stworzenia ca艂kowicie autonomicznego pojazdu.
In偶ynierowie z krakowskiego Centrum Technicznego Delphi, korzystaj膮c ze sztucznej inteligencji, tworz膮 narz臋dzia programistyczne wspomagaj膮ce i przyspieszaj膮ce prace wewn膮trz firmy przy m.in. analizie nagra艅 wideo z jazd testowych. Przyczynia si臋 to nie tylko do optymalizacji czasu i zasob贸w potrzebnych w ka偶dym projekcie, ale r贸wnie偶 do poszerzania wiedzy i umiej臋tno艣ci naszego zespo艂u 鈥 buduj膮c do艣wiadczenie, kt贸re b臋dzie wykorzystywane w kolejnych projektach.
Niemniej jednak, platforma jazdy zautomatyzowanej CSLP (ang. Centralized Sensing Localization and Planning) firmy Delphi jest oparta na z g贸ry okre艣lonych, uog贸lnionych zasadach dotycz膮cych podstawowych operacji i wykorzystuje sztuczn膮 inteligencj臋 (AI) do znajdowania optymalnej drogi. Oznacza to, 偶e instrukcje zosta艂y zakodowane w algorytmie lub zestawie zasad, wed艂ug kt贸rych dzia艂a samoch贸d. Dzi臋ki temu powsta艂 pojazd b臋d膮cy w stanie podejmowa膰 decyzje przy wykorzystaniu wspomnianej sztucznej inteligencji. Nie ma regu艂y na ka偶d膮 sytuacj臋, przynajmniej obecnie, poniewa偶 testy nie zosta艂y jeszcze zako艅czone. Z tego r贸wnie偶 powodu floty autonomicznych pojazd贸w s膮 rozrzucone po ca艂ym 艣wiecie w celu zbierania danych. Nast臋pnie dane te s艂u偶膮 do katalogowania niezliczonych ilo艣ci mo偶liwych sytuacji, jakie mo偶e napotka膰 pojazd, i dalej 鈥 w jaki spos贸b powinien on bezpiecznie reagowa膰. Spos贸b reakcji pojazdu na dan膮 sytuacj臋, zale偶y od tego, co zobaczy i us艂yszy za po艣rednictwem sensor贸w. Istniej膮 ich trzy typy: radar, czujnik wizyjny (kamery) oraz LiDAR. Niekt贸re firmy wykorzystuj膮 tylko jeden z nich, jednak platforma CSLP od Delphi bazuje na wszystkich trzech. Dzi臋ki po艂膮czeniu powy偶szych czujnik贸w, system jazdy autonomicznej firmy Delphi zyskuje maksymaln膮 pewno艣膰 co do otoczenia pojazdu. Dlaczego 艂膮czy膰 wspomniane technologie? Poniewa偶 ka偶da z nich ma swoje zalety:
  • radar nie jest zale偶ny od warunk贸w pogodowych;
  • LiDAR dostarcza bardzo dok艂adnych informacji o zasi臋gu i odleg艂o艣ci;
  • czujnik wizyjny zapewnia precyzj臋 w kwestii klasyfikacji obiekt贸w.
艁膮cz膮c te elementy, system mo偶e generowa膰 kompletny obraz tego, co znajduje si臋 wok贸艂 pojazdu, zapewniaj膮c jednocze艣nie dodatkowe bezpiecze艅stwo i pewno艣膰 dzia艂a艅. Sztuczna inteligencja jest wykorzystywana g艂贸wnie w zakresie wizji, podczas gdy uczenie maszynowe (ang. machine learning) s艂u偶y do poprawy klasyfikacji i rozpoznawania obiekt贸w. Czym jest uczenie maszynowe? Koncepcja ta zak艂ada, 偶e komputer uczy si臋 sam 鈥 bez zaprogramowanych precyzyjnych instrukcji okre艣laj膮cych spos贸b jego reakcji. W tym celu, algorytmy wymagaj膮 鈥瀙rzeszkolenia鈥 w zakresie rozpoznawania otoczenia pojazdu. Uczenie maszynowe bazuje na czym艣, co okre艣la si臋 jako 鈥瀞ie膰 neuronow膮鈥 鈥 nazwan膮 tak, poniewa偶 zosta艂a zaprojektowana by zachowywa膰 si臋 jak m贸zg 鈥 funkcjonuje na pok艂adzie samochodu i klasyfikuje obiekty w czasie rzeczywistym. St膮d, pojazd mo偶e stosowa膰 si臋 do okre艣lonych zasad. Jest to bardzo skomplikowany proces i dlatego hybrydowe podej艣cie, kt贸re 艂膮czy sztuczn膮 inteligencj臋 z uczeniem maszynowym, pomaga autonomicznym pojazdom 鈥瀓e藕dzi膰鈥 w spos贸b zbli偶ony do kierowania pojazdu przez cz艂owieka. W niekt贸rych przypadkach, takich jak czerwone 艣wiat艂o, czy zatrzymanie innego pojazdu na drodze, wa偶ne jest, aby nasz pojazd r贸wnie偶 si臋 zatrzyma艂. Natomiast w innych sytuacjach, takich jak plastikowa torba przelatuj膮ca nad ulic膮, lepszym wyj艣ciem jest uznanie obiektu jako niestanowi膮cy przeszkody i stwierdzenie, 偶e dalsza jazda jest bezpieczna. W przypadku scenariuszy, kt贸rych zestaw zasad (jeszcze) nie obejmuje, sztuczna inteligencja podejmuje decyzje poprzez po艂膮czenie danych pochodz膮cych z czujnik贸w wizyjnych. - Sie膰 neuronowa wie co robi膰 wy艂膮cznie je偶eli zosta艂a przeszkolona w tym zakresie 鈥 wyja艣nia Glen De Vos, dyrektor ds. technologii Delphi. 鈥 I nie ka偶dy scenariusz, jaki napotka pojazd, mo偶e zosta膰 uwzgl臋dniony. Nie mo偶na zawsze przewidzie膰, jak sie膰 neuronowa zachowa si臋 w sytuacjach, z jakimi wcze艣niej nie mia艂a do czynienia. W przypadkach, gdy pojazd czego艣 nie rozpoznaje, sie膰 neuronowa zaleca bezpieczne zatrzymanie si臋. Przy zastosowaniu kombinacji technologii neuronowych i sztucznej inteligencji, mo偶emy poprawnie zareagowa膰 w ka偶dej sytuacji. [i]殴r贸d艂o: 漏 Delphi
reklama
reklama
Za艂aduj wi臋cej news贸w
February 22 2019 14:26 V12.2.6-1