TLDR

Глубокое обучение — движущая сила беспилотных автомобилей. Когда-то предназначенные только для исследований, теперь они повсеместно используются на улицах.

Контур

  • вступление
  • Механизмы
  • Случаи использования
  • Блокпосты
  • Заключение

вступление

Когда-то считалось, что беспилотные автомобили — это далекое будущее. Взгляните на любую улицу Сан-Франциско, и вы увидите, что будущее уже здесь. Будь то функция автопилота Tesla или беспилотные такси Waymo, атмосферные автомобили кажутся передовыми инновациями.

Механизмы

Первый самоуправляемый автомобиль был создан в 1989 году в Университете Карнеги-Меллона. Проект ALVINN (автономное наземное транспортное средство в нейронной сети) возглавлял аспирант Дин Померло и использовал нейронные сети для вождения путем обнаружения линий на дороге, сегментации окружающей среды и самостоятельной навигации по улицам. ALVINN достиг максимальной скорости 3,5 миль в час в конце 1980-х, но в начале 90-х разогнался до 70 миль в час. Несмотря на ранний успех, использование нейронных сетей в автономных транспортных средствах требовало невероятно большого объема данных; настолько, что никогда не будет собрано достаточно данных для обеспечения безопасного развертывания.

Преобладающий алгоритм, используемый сегодня в беспилотных автомобилях, — это глубокое обучение, подмножество ИИ. и М.Л. Глубокое обучение позволяет нам автономно перемещаться по большим объемам данных, выявляя закономерности. Видение и принятие решений являются наиболее важными навыками, которые необходимо освоить при управлении транспортным средством. Глубокое обучение воспроизводит видение, используя миллионы изображений, классифицируя и изучая их различные свойства. Затем эти алгоритмы способны распознавать новые входные значения на основе уникальных классифицирующих признаков изображения. В автономных автомобилях вокруг автомобиля размещаются камеры, которые постоянно обрабатывают тысячи входных изображений в секунду. Эти датчики камеры сначала определяют, где находится этот объект на дороге, а затем используют глубокое обучение, чтобы узнать, что это за объект. Другие датчики используются для измерения расстояния и скорости объектов вокруг автомобиля. Затем результаты каждого датчика объединяются, чтобы получить представление об окружающей среде автомобиля.

Случаи использования

Тесла

Tesla построила свой бизнес на технологической интеграции, некоторые даже называют автомобили Tesla компьютерами на колесах. Tesla использует глубокое обучение для обеспечения автономного вождения, и ему помогают 8 камер, окружающих автомобиль. Для обработки большого объема данных, необходимых для автономного вождения, Tesla оснащает свои автомобили двумя компьютерами, которые работают независимо друг от друга. При правильной работе эти камеры обрабатывают данные независимо друг от друга, а затем проверяют друг друга перед принятием решения. Дополнительный компьютер также гарантирует, что транспортное средство будет продолжать работать в случае неисправности одного из них.

Как обсуждалось выше, глубокое обучение процветает на миллионах входных данных. Tesla смогла получить такое количество данных за счет краудсорсинга данных от своих водителей. Хотя у водителей есть возможность отказаться от передачи данных Тесле, чем больше данных у компании, тем безопаснее автономное вождение. В 2020 году глава отдела искусственного интеллекта Tesla сообщил, что компания проехала более 3 миллиардов миль на автопилоте.

Уэймо

Waymo, ранее являвшийся проектом беспилотных автомобилей Google, представляет собой службу беспилотного такси, которая в настоящее время развернута в нескольких городах США. В автомобилях Waymo используется 18 камер, которые компания называет своим водителям для управления автомобилем по улицам. Как и Tesla, Waymo также использует глубокое обучение для сканирования изображений своего окружения. Его камеры имеют 360-градусный обзор того, что происходит вокруг автомобиля на расстоянии 3 футбольных полей. Waymo начала тестировать водителей в Фениксе, штат Аризона, и с тех пор расширила свою деятельность до Сан-Франциско.

Блокпосты

Нерешительность по внедрению автономных транспортных средств является одним из самых больших препятствий на пути к широкому внедрению. В опросе 2020 года, проведенном AAA, 71% людей сообщили, что боятся ездить на полностью беспилотном автомобиле. Автомобильные аварии с участием беспилотных автомобилей за последние несколько лет только усилили эти опасения. Непонимание многими людьми механизмов, лежащих в основе беспилотных автомобилей, также вызывает опасения. Вице-президент по автомобильным услугам в AAA сказал: Этот новый опрос показывает, что трепет общественности можно уменьшить, зная, как работает технология, и зная, что они могут вернуть контроль над автомобилем в любое время. В то время как технологические компании вкладывают миллиарды в автономное вождение, доверие потребителей будет так же важно, как и технологии в автономных автомобилях, которые станут массовым явлением.

Заключение

В последние несколько лет наблюдается быстрый рост инноваций в области автономного вождения. Сбор данных больше не является проблемой при развертывании большего количества автономных транспортных средств, поскольку современные технологии позволяют преодолевать миллиарды миль на автопилоте. Поскольку Tesla видит большую конкуренцию на рынке автономных автомобилей, а Waymo конкурирует с Uber и Lyft за первые широко распространенные беспилотные такси, мы гарантированно столкнемся с расширением возможностей беспилотных автомобилей.