รถยนต์ที่ขับด้วยตนเองขับเคลื่อนโดยอัลกอริธึมการเรียนรู้ของเครื่องที่ต้องการข้อมูลการขับขี่จำนวนมหาศาลเพื่อให้ทำงานได้อย่างปลอดภัย แต่ถ้ารถที่ขับด้วยตนเองสามารถเรียนรู้ที่จะขับรถในลักษณะเดียวกับที่เด็กหัดเดิน—โดยการดูและเลียนแบบผู้อื่นที่อยู่รอบๆ ตัว—พวกเขาจะต้องใช้ข้อมูลการขับขี่ที่รวบรวมน้อยกว่ามาก แนวคิดดังกล่าวกำลังผลักดันวิศวกรของมหาวิทยาลัยบอสตัน Eshed Ohn-Bar ให้พัฒนาวิธีการใหม่สำหรับยานยนต์อัตโนมัติเพื่อเรียนรู้เทคนิคการขับขี่อย่างปลอดภัย โดยดูรถคันอื่นบนท้องถนน คาดการณ์ว่าพวกเขาจะตอบสนองต่อสภาพแวดล้อมอย่างไร และใช้ข้อมูลดังกล่าวเพื่อทำให้ การตัดสินใจในการขับขี่ของตนเอง
Ohn-Bar ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ของ BU College of Engineering และคณาจารย์รุ่นน้องที่สถาบัน Rafik B. Hariri สำหรับคอมพิวเตอร์และการคำนวณทางวิทยาศาสตร์และวิศวกรรมของ BU และ Jimuyang Zhang นักศึกษาปริญญาเอกสาขาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ เพิ่งนำเสนองานวิจัยของพวกเขาในการประชุมปี 2021 เรื่อง Computer Vision and Pattern Recognition แนวคิดของพวกเขาสำหรับกระบวนทัศน์การฝึกอบรมมาจากความปรารถนาที่จะเพิ่มการแบ่งปันข้อมูลและความร่วมมือระหว่างนักวิจัยในสาขาของตน ในปัจจุบัน ยานยนต์ไร้คนขับต้องใช้เวลาหลายชั่วโมงในการขับรถเพื่อเรียนรู้วิธีขับขี่อย่างปลอดภัย แต่บริษัทรถยนต์รายใหญ่ที่สุดของโลกบางแห่งยังคงรักษาพื้นที่กว้างขวาง จำนวนข้อมูลส่วนตัวเพื่อป้องกันการแข่งขัน
“แต่ละบริษัทต้องผ่านกระบวนการเดียวกันในการรับรถยนต์ ติดตั้งเซ็นเซอร์ จ่ายเงินให้ผู้ขับขี่ขับรถ รวบรวมข้อมูล และสอนรถยนต์ให้ขับ” Ohn-Bar กล่าว การแบ่งปันข้อมูลการขับขี่สามารถช่วยให้บริษัทต่างๆ สร้างยานยนต์อัตโนมัติที่ปลอดภัยได้เร็วยิ่งขึ้น ทำให้ทุกคนในสังคมได้รับประโยชน์จากความร่วมมือ ระบบการขับขี่ที่ชาญฉลาดนั้นต้องการข้อมูลจำนวนมากจึงจะทำงานได้ดี Ohn-Bar กล่าวว่าไม่มีบริษัทใดที่สามารถแก้ปัญหานี้ได้ด้วยตัวเอง
Ohn-Bar กล่าวว่า "หลายพันล้านไมล์ [ข้อมูลที่รวบรวมได้บนท้องถนน] เป็นเพียงหยดเดียวในมหาสมุทรแห่งเหตุการณ์และความหลากหลายในโลกแห่งความเป็นจริง" “ถึงกระนั้น ตัวอย่างข้อมูลที่ขาดหายไปอาจนำไปสู่พฤติกรรมที่ไม่ปลอดภัยและความผิดพลาดที่อาจเกิดขึ้นได้”
อัลกอริธึมแมชชีนเลิร์นนิงที่เสนอโดยนักวิจัยทำงานโดยการประเมินมุมมองและจุดบอดของรถยนต์คันอื่นๆ ในบริเวณใกล้เคียงเพื่อสร้างแผนที่มุมมองมุมสูงของสภาพแวดล้อมโดยรอบ แผนที่เหล่านี้ช่วยให้รถยนต์ที่ขับด้วยตนเองตรวจจับสิ่งกีดขวาง เช่น รถคันอื่นหรือคนเดินถนน และเพื่อให้เข้าใจว่ารถคันอื่นเลี้ยว เจรจา และผ่อนปรนอย่างไรโดยไม่ชนเข้ากับสิ่งใด
ด้วยวิธีนี้ รถยนต์ที่ขับด้วยตนเองจะเรียนรู้โดยการแปลการกระทำของยานพาหนะโดยรอบให้เป็นกรอบอ้างอิงของตนเอง ซึ่งเป็นโครงข่ายประสาทเทียมที่ขับเคลื่อนด้วยอัลกอริธึมการเรียนรู้ด้วยเครื่อง รถยนต์คันอื่นๆ เหล่านี้อาจเป็นยานพาหนะที่ขับเคลื่อนโดยมนุษย์โดยไม่มีเซ็นเซอร์ใดๆ หรือยานพาหนะที่ขับเคลื่อนอัตโนมัติของบริษัทอื่น เนื่องจากการสังเกตการณ์จากรถที่อยู่รอบๆ ทั้งหมดในที่เกิดเหตุเป็นหัวใจสำคัญของการฝึกอัลกอริทึม กระบวนทัศน์ "การเรียนรู้ด้วยการดู" นี้จึงสนับสนุนการแบ่งปันข้อมูล และทำให้ยานพาหนะอัตโนมัติปลอดภัยยิ่งขึ้น
Ohn-Bar และ Zhang ได้ทดสอบอัลกอริธึม "เฝ้าดูและเรียนรู้" ของพวกเขาโดยให้รถยนต์ขับเคลื่อนอัตโนมัติขับเคลื่อนโดยนำทางไปยังเมืองเสมือนจริงสองแห่ง แห่งหนึ่งมีทางเลี้ยวตรงไปตรงมาและสิ่งกีดขวางคล้ายกับสภาพแวดล้อมในการฝึก และอีกแห่งมีการบิดที่ไม่คาดคิด เช่น ทางแยกห้าทาง ในทั้งสองกรณีนี้ นักวิจัยพบว่าโครงข่ายประสาทเทียมที่ขับเคลื่อนด้วยตัวเองเกิดอุบัติเหตุน้อยมาก ด้วยข้อมูลการขับขี่เพียงหนึ่งชั่วโมงเพื่อฝึกอัลกอริธึมแมชชีนเลิร์นนิง ยานยนต์ไร้คนขับก็ไปถึงจุดหมายปลายทางอย่างปลอดภัย 92 เปอร์เซ็นต์ของเวลาทั้งหมด
"ในขณะที่วิธีที่ดีที่สุดก่อนหน้านี้ต้องใช้เวลาหลายชั่วโมง แต่เรารู้สึกประหลาดใจที่วิธีการของเราสามารถเรียนรู้การขับรถได้อย่างปลอดภัยด้วยข้อมูลการขับขี่เพียง 10 นาที" Ohn-Bar กล่าว
เขากล่าวว่าผลลัพธ์เหล่านี้มีแนวโน้มดี แต่ก็ยังมีความท้าทายที่เปิดกว้างหลายประการในการจัดการกับการตั้งค่าในเมืองที่สลับซับซ้อน “การคำนึงถึงมุมมองที่แตกต่างกันอย่างมากในรถที่เฝ้าดู เสียงและการบดเคี้ยวในการวัดเซ็นเซอร์ และไดรเวอร์ต่างๆ เป็นเรื่องยากมาก” เขากล่าว
เมื่อมองไปข้างหน้า ทีมงานกล่าวว่าวิธีการของพวกเขาในการสอนยานยนต์ไร้คนขับให้ขับเคลื่อนด้วยตนเองนั้นสามารถนำมาใช้ในเทคโนโลยีอื่นๆ ได้เช่นกัน "จัดส่ง หุ่นยนต์ หรือแม้แต่โดรนก็สามารถเรียนรู้ได้จากการดูระบบ AI อื่นๆ ในสภาพแวดล้อมของมัน” Ohn-Bar กล่าว
