自動運転車は、安全に機能するために大量の運転データを必要とする機械学習アルゴリズムを搭載しています。 しかし、自動運転車が、赤ちゃんが歩くことを学ぶのと同じ方法で、周囲の他の人を見て模倣することによって運転することを学ぶことができれば、必要な運転データははるかに少なくなります。 そのアイデアは、ボストン大学のエンジニアであるEshed Ohn-Barに、自動運転車が安全な運転技術を学ぶためのまったく新しい方法を開発するように促しています。自分の運転の決定。
BUの電気およびコンピューター工学の助教授であり、BUのRafik B. Hariri Institute for Computing and Computational Science＆EngineeringのジュニアファカルティフェローであるOHn-Barと、電気およびコンピューター工学のBUPhDの学生であるJimuyangZhangは、最近、コンピュータビジョンとパターン認識に関する2021年の会議で彼らの研究を発表しました。 トレーニングパラダイムに関する彼らのアイデアは、各分野の研究者間のデータ共有と協力を強化したいという願望から生まれました。現在、自動運転車は安全運転の方法を学ぶために何時間もの運転データを必要としますが、世界最大の自動車会社の中には広大なものを維持しているところもあります競合を防ぐためにプライベートなデータの量。
「各企業は、車を取り、センサーを取り付け、ドライバーに車を運転するための支払いを行い、データを収集し、車に運転を教えるという同じプロセスを経ています」とオーンバー氏は言います。 その運転データを共有することで、企業は安全な自動運転車をより早く作成し、社会の誰もが協力の恩恵を受けることができます。 人工知能駆動システムがうまく機能するには非常に多くのデータが必要であるため、この問題を単独で解決できる企業はXNUMX社もないとOhn-Bar氏は言います。
「（道路で収集された）数十億マイルは、現実世界の出来事と多様性の海のほんの一滴です」とオーンバーは言います。 「それでも、データサンプルが欠落していると、安全でない動作やクラッシュの可能性が生じる可能性があります。」
研究者が提案した機械学習アルゴリズムは、他の近くの車の視点と死角を推定して、周囲の環境の鳥瞰図を作成することによって機能します。 これらのマップは、自動運転車が他の車や歩行者などの障害物を検出し、他の車が何にも衝突することなくどのように向きを変え、交渉し、降伏するかを理解するのに役立ちます。
この方法により、自動運転車は、周囲の車両の動作を独自の基準フレーム（機械学習アルゴリズムを利用したニューラルネットワーク）に変換することで学習します。 これらの他の車は、センサーのない人間が運転する車、または他社の自動操縦車である可能性があります。 シーン内の周囲のすべての車からの観察がアルゴリズムのトレーニングの中心であるため、この「監視による学習」パラダイムはデータ共有を促進し、その結果、より安全な自動運転車を促進します。
Ohn-BarとZhangは、自動運転車が92つの仮想の町をナビゲートすることで、「監視と学習」アルゴリズムをテストしました。 どちらのシナリオでも、研究者たちは自動運転ニューラルネットワークが事故に巻き込まれることはほとんどないことを発見しました。 機械学習アルゴリズムをトレーニングするためのわずかXNUMX時間の運転データで、自動運転車はXNUMX％の時間で目的地に安全に到着しました。
「以前の最良の方法は何時間もかかりましたが、私たちの方法がわずか10分の運転データで安全に運転することを学ぶことができたことに驚きました」とOhn-Barは言います。
これらの結果は有望であると彼は言いますが、複雑な都市環境に対処するにはまだいくつかの未解決の課題があります。 「監視対象の車両全体で大幅に変化する視点、センサー測定でのノイズとオクルージョン、およびさまざまなドライバーを説明することは非常に困難です」と彼は言います。
今後、自動運転車に自動運転を教える方法は、他の技術でも使用できるとチームは述べています。 "配達 ロボット または、ドローンでさえ、環境内の他のAIシステムを監視することですべてを学ぶことができます」とOhn-Bar氏は言います。
