자율 주행 자동차는 안전하게 작동하기 위해 방대한 양의 주행 데이터가 필요한 기계 학습 알고리즘으로 구동됩니다. 그러나 자율주행 자동차가 아기가 걷는 법을 배우는 것과 같은 방식으로 주변의 다른 사람을 보고 모방함으로써 운전을 배울 수 있다면 훨씬 덜 수집된 운전 데이터가 필요할 것입니다. 이 아이디어는 Boston University 엔지니어인 Eshed Ohn-Bar로 하여금 도로에서 다른 자동차를 관찰하고 환경에 어떻게 반응할지 예측하고 해당 정보를 사용하여 안전한 운전 기술을 학습하는 완전히 새로운 자율 차량 방법을 개발하도록 하고 있습니다. 자신의 운전 결정.
BU 공과 대학의 전기 및 컴퓨터 공학 조교수이자 BU의 Rafik B. Hariri 컴퓨팅 및 계산 과학 및 공학 연구소의 주니어 교수 연구원인 Ohn-Bar와 BU의 전기 및 컴퓨터 공학 박사 과정 학생인 Jimuyang Zhang은 다음과 같이 말했습니다. 최근 2021년 컴퓨터 비전 및 패턴 인식 컨퍼런스에서 연구를 발표했습니다. 훈련 패러다임에 대한 그들의 아이디어는 해당 분야의 연구원 간의 데이터 공유 및 협력을 늘리려는 열망에서 비롯되었습니다. 현재 자율 주행 차량은 안전하게 운전하는 방법을 배우기 위해 많은 시간의 주행 데이터가 필요하지만 세계 최대 자동차 회사 중 일부는 방대한 데이터를 보유하고 있습니다. 경쟁을 방지하기 위해 개인 데이터의 양.
Ohn-Bar는 "각 회사는 자동차를 가져가고, 센서를 장착하고, 운전자에게 차량 운전 비용을 지불하고, 데이터를 수집하고, 자동차 운전을 가르치는 동일한 프로세스를 거칩니다."라고 말합니다. 이러한 운전 데이터를 공유하면 기업이 안전한 자율주행차를 더 빨리 만들어 사회의 모든 사람이 협력의 혜택을 누릴 수 있습니다. 인공 지능 운전 시스템이 제대로 작동하려면 너무 많은 데이터가 필요하기 때문에 단일 회사가 이 문제를 스스로 해결할 수는 없다고 Ohn-Bar는 말합니다.
Ohn-Bar는 “[도로에서 수집된] 수십억 마일의 데이터는 실제 사건과 다양성의 바다에서 한 방울에 불과합니다. "하지만 누락된 데이터 샘플은 안전하지 않은 행동과 잠재적 충돌로 이어질 수 있습니다."
연구진이 제안한 기계 학습 알고리즘은 주변 환경에 대한 조감도 맵을 생성하기 위해 주변 다른 자동차의 시점과 사각 지대를 추정하는 방식으로 작동합니다. 이 지도는 자율주행 자동차가 다른 자동차나 보행자와 같은 장애물을 감지하고 다른 자동차가 충돌하지 않고 어떻게 회전하고 협상하고 양보하는지 이해하는 데 도움이 됩니다.
이 방법을 통해 자율 주행 자동차는 주변 차량의 동작을 자체 참조 프레임(기계 학습 알고리즘 기반 신경망)으로 변환하여 학습합니다. 이러한 다른 자동차는 센서가 없는 사람이 운전하는 차량이거나 다른 회사의 자동 조종 차량일 수 있습니다. 장면에 있는 모든 주변 자동차의 관찰이 알고리즘 교육의 핵심이기 때문에 이 "관찰을 통한 학습" 패러다임은 데이터 공유를 장려하고 결과적으로 더 안전한 자율 주행 차량을 권장합니다.
Ohn-Bar와 Zhang은 자율주행 자동차가 두 개의 가상 마을을 탐색하도록 함으로써 "보고 학습" 알고리즘을 테스트했습니다. 하나는 훈련 환경과 유사한 직선과 장애물이 있고 다른 하나는 92방향 교차로와 같이 예기치 않은 비틀림이 있습니다. 두 시나리오 모두에서 연구원들은 자율 주행 신경망이 사고를 거의 일으키지 않는다는 것을 발견했습니다. 머신 러닝 알고리즘을 훈련하는 데 XNUMX시간의 운전 데이터만 있으면 자율 주행 차량은 XNUMX%의 시간 동안 목적지에 안전하게 도착했습니다.
Ohn-Bar는 "이전의 최선의 방법은 몇 시간이 걸렸지만 우리의 방법이 단 10분의 운전 데이터로 안전하게 운전하는 법을 배울 수 있다는 사실에 놀랐습니다."라고 말합니다.
그는 이러한 결과가 유망하지만 복잡한 도시 환경을 다루는 데 여전히 몇 가지 미해결 과제가 있다고 말합니다. "관찰 차량, 센서 측정의 노이즈 및 폐색, 다양한 운전자 전반에 걸쳐 크게 다른 관점을 설명하는 것은 매우 어렵습니다."라고 그는 말합니다.
팀은 앞으로 자율 주행 차량을 가르치는 방법이 다른 기술에서도 사용될 수 있다고 말합니다. "배달 로봇 또는 드론조차도 주변 환경의 다른 AI 시스템을 보면서 학습할 수 있습니다.”라고 Ohn-Bar는 말합니다.
