Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji data aktualizacji: 2017.10.11 Delphi Kraków Rozwój jazdy autonomicznej zmienia krajobraz technologii transportu w sposób tak dynamiczny, że jest porównywany do przełomowych zmian na Dzikim Zachodzie. Można wybrać własną analogię, ale jedna rzecz jest oczywista: możliwości w zakresie jazdy autonomicznej są obecnie bardzo szerokie, nawet w zatłoczonym obszarze. Wiele firm wybiera różne drogi i sposoby podejścia do stworzenia pierwszego zautomatyzowanego systemu kierowania pojazdem, gotowego do produkcji masowej. W międzyczasie pisane są zasady a w miarę, gdy upływa czas, koncepcje technologiczne stają się rzeczywistością. Wniosek: nie ma żadnych ustanowionych reguł w wyścigu do stworzenia całkowicie autonomicznego pojazdu. Niemniej jednak, platforma jazdy zautomatyzowanej CSLP (ang. Centralized Sensing Localization and Planning) firmy Delphi jest oparta na z góry określonych, uogólnionych zasadach dotyczących podstawowych operacji i wykorzystuje sztuczną inteligencję (AI) do znajdowania optymalnej drogi. Oznacza to, że instrukcje zostały zakodowane w algorytmie lub zestawie zasad, według których działa samochód. Dzięki temu powstał pojazd będący w stanie podejmować decyzje przy wykorzystaniu wspomnianej sztucznej inteligencji. Nie ma reguły na każdą sytuację, przynajmniej na dzień dzisiejszy, ponieważ testy nie zostały jeszcze zakończone. Z tego również powodu floty autonomicznych pojazdów są rozrzucone po całym świecie w celu zbierania danych. Następnie, dane te służą do katalogowania niezliczonych ilości możliwych sytuacji, jakie może napotkać pojazd i dalej, w jaki sposób powinien on bezpiecznie reagować.
Sposób reakcji pojazdu na daną sytuację, zależy od tego, co zobaczy i usłyszy za pośrednictwem sensorów. Istnieją ich trzy typy radar, czujnik wizyjny (kamery) oraz LiDAR. Niektóre firmy wykorzystują tylko jeden z nich, jednak platforma CSLP od Delphi bazuje na wszystkich trzech. Dzięki połączeniu powyższych czujników, system jazdy autonomicznej firmy Delphi zyskuje maksymalną pewność co do otoczenia pojazdu. Dlaczego łączyć wspomniane technologie? Ponieważ każda z nich ma swoje zalety: Radar nie jest zależny od warunków pogodowych; LiDAR dostarcza bardzo dokładnych informacji o zasięgu i odległości; Czujnik wizyjny zapewnia precyzję w kwestii klasyfikacji obiektów Łącząc te elementy, system może generować kompletny obraz tego, co znajduje się wokół pojazdu, zapewniając jednocześnie dodatkowe bezpieczeństwo i pewność działań. Sztuczna inteligencja jest wykorzystywana głównie w zakresie wizji, podczas gdy uczenie maszynowe (ang. machine learning) służy do poprawy klasyfikacji i rozpoznawania obiektów. Czym jest uczenie maszynowe? Koncepcja ta zakłada, że komputer uczy się sam bez zaprogramowanych precyzyjnych instrukcji określających sposób jego reakcji. W tym celu, algorytmy wymagają przeszkolenia w zakresie rozpoznawania otoczenia pojazdu. Uczenie maszynowe bazuje na czymś, co określa się jako sieć neuronową nazwaną tak, ponieważ została zaprojektowana by zachowywa się jak mózg funkcjonuje na pokładzie samochodu i klasyfikuje obiekty w czasie rzeczywistym. Stąd, pojazd może stosować się do określonych zasad. Jest to bardzo skomplikowany proces i dlatego hybrydowe podejście, które łączy sztuczną inteligencję z uczeniem maszynowym, pomaga autonomicznym pojazdom jeździć w sposób zbliżony do kierowania pojazdu przez człowieka. W niektórych przypadkach, takich jak czerwone światło, czy zatrzymanie innego pojazdu na drodze, ważne jest, aby nasz pojazd również się zatrzymał. Natomiast w innych sytuacjach, takich jak plastikowa torba przelatująca nad ulicą, lepszym wyjściem jest uznanie obiektu jako niestanowiący przeszkody i stwierdzenie, że dalsza jazda jest bezpieczna. W przypadku scenariuszy, których zestaw zasad (jeszcze) nie obejmuje, sztuczna inteligencja podejmuje decyzje poprzez połączenie danych pochodzących z czujników wizyjnych. Sieć neuronowa wie co robić wyłącznie jeżeli została przeszkolona w tym zakresie wyjaśnia Glen De Vos, dyrektor ds. technologii Delphi. I nie każdy scenariusz, jaki napotka pojazd, może zostać uwzględniony. Nie można zawsze przewidzieć, jak sieć neuronowa zachowa się w sytuacjach, z jakimi wcześniej nie miała do czynienia. W przypadkach, gdy pojazd czegoś nie rozpoznaje, sieć neuronowa zaleca bezpieczne zatrzymanie się. Przy zastosowaniu kombinacji technologii neuronowych i sztucznej inteligencji, możemy poprawnie zareagować w każdej sytuacji.
Inżynierowie z krakowskiego Centrum Technicznego Delphi, korzystając ze sztucznej inteligencji, tworzą narzędzia programistyczne wspomagające i przyspieszjące prace wewnątrz firmy przy m.in. analizie nagrań wideo z jazd testowych. Przyczynia się to nie tylko do optymalizacji czasu i zasobów potrzebnych w każdym projekcie, ale również do poszerzania wiedzy i umiejętności naszego zespołu budując doświadczenie, które będzie wykorzystywane w kolejnych projektach.
Źródło: https://warsztat.pl/drukujpdf/artykul/64469