Mașinile autonome cu memorie, mai aproape de realitate. La ce ne ajută?

Vehiculele autonome se conduc singure pe baza a ceea ce a fost introdus în sistemele lor de conducere, însă mașinile autonome cu memorie ar putea însemna un pas înainte în evoluția acestora.

Vehiculele care folosesc rețele neuronale artificiale nu au nicio „amintire” despre trecut. Ele văd în mod constant lumea pentru prima dată, indiferent cât de des au fost pe un anumit drum sau în condiții meteorologice similare.

• Universitățile din Anglia cresc taxele pentru studenți pentru prima oară în aproape un deceniu
• Cum explică oamenii de știință legătura dintre depresie și temperatura corpului?

Cercetătorii de la Universitatea Cornell, din SUA, au dezvoltat o modalitate de a ajuta vehiculele autonome să creeze „amintiri” ale experiențelor anterioare și să le folosească în călătoriile viitoare, mai ales în condiții meteorologice nefavorabile, când vehiculele nu se pot baza în siguranță pe senzorii lor, scrie Interesting Engineering.

Cum au fost antrenate mașinile autonome cu memorie?

Condus de doctorandul Carlos Diaz-Ruiz, grupul a compilat un set de date conducând în mod repetat o mașină echipată cu senzori LiDAR (Light Detection and Ranging) de-a lungul unei bucle 15 kilometri în Ithaca și împrejurimi de 40 de ori pe parcursul a 18 luni.

Trecerile surprind medii diferite (autostradă, urban, campus), condiții meteorologice (însorit, ploios, ninsoare) și momente ale zilei, rezultând un set de date cu peste 600.000 de scenarii.

„Expune în mod deliberat una dintre provocările cheie ale mașinilor cu conducere autonomă: condițiile meteorologice proaste. Dacă strada este acoperită de zăpadă, oamenii se pot baza pe amintiri, dar fără amintiri, o rețea neuronală este puternic dezavantajată”, a spus Diaz-Ruiz.

Cum funcționează „amintirile” acestor autoturisme?

Cercetătorii au realizat trei lucrări prin care intenționează să depășească această limitare. Două dintre lucrări au fost prezentate la Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2022), care a avut loc în perioada 19-24 iunie la New Orleans.

HINDSIGHT este o abordare care utilizează rețele neuronale pentru a calcula descriptori ai obiectelor pe măsură ce mașina trece pe lângă ele. Apoi comprimă aceste descrieri, pe care grupul le-a numit caracteristici SQuaSH (Spatial-Quantized Sparse History) și le stochează pe o hartă virtuală, așa cum amintirile sunt stocate într-un creier uman.

Asta înseamnă că data viitoare când mașinile autonome cu memorie trec prin același loc, pot interoga baza de date locală SQuaSH a fiecărui punct LiDAR de pe traseu și „își amintesc” ce au aflat ultima dată. Baza de date este permanent actualizată și partajată între vehicule, îmbogățind astfel informațiile disponibile pentru a efectua recunoașterea.

Doctorandul Yurong You este autorul principal al „HINDSIGHT is 20/20: Leveraging Past Traversals to Aid 3D Perception”, pe care l-a prezentat virtual în aprilie la ICLR 2022, Conferința internațională privind reprezentările învățării. „Reprezentările de învățare” includ învățarea profundă, un fel de învățare automată.

„Aceste informații pot fi adăugate drept caracteristici la orice detector de obiecte 3D bazat pe LiDAR. Atât detectorul, cât și reprezentarea SQuaSH pot fi antrenate împreună fără nicio supraveghere suplimentară sau adnotare umană, care ar necesita mult timp și muncă”, a spus You.

Abordări diferite

În timp ce HINDSIGHT încă presupune că rețeaua neuronală artificială este deja antrenată pentru a detecta obiecte și doar îi adaugă capacitatea de a crea amintiri, MODEST presupune că rețeaua neuronală artificială din vehicul nu a fost niciodată expusă la niciun obiect sau stradă.

Prin traversări multiple ale aceluiași traseu, MODEST poate afla ce părți ale mediului sunt staționare și care sunt obiecte în mișcare. Încet învață singur ce reprezintă alți participanți la trafic și ce anume poate fi ignorat în siguranță.

Cercetătorii speră că abordările lor ar putea reduce drastic costul de dezvoltare al vehiculelor autonome (care în prezent se bazează în mare măsură pe date adnotate de oameni) și să facă astfel de vehicule mai eficiente, învățând să călătorească în locațiile în care sunt utilizate cel mai mult.

Mașinile autonome cu memorie nu vor apărea prea curând pe străzi

„În viața de zi cu zi, rar conduceți pe un traseu pentru prima dată. Fie tu însuți, fie altcineva a mai mers pe acolo înainte recent, așa că pare natural să colectăm acea experiență și să o folosim”, a spus coautorul Katie Luo, doctorand în grupul de cercetare.

„Întrebarea fundamentală este ‘putem învăța din treceri repetate?’ De exemplu, o mașină poate confunda un copac cu formă ciudată cu un pieton prima dată când scanerul său laser îl percepe de la distanță, dar odată ce este suficient de aproape, categoria obiectului va deveni clară. Așa că a doua oară când treci pe lângă același copac, chiar și în ceață sau zăpadă, ai spera că acum mașina a învățat să-l recunoască corect”, a spus autorul principal Kilian Weinberger, profesor de informatică.

Însă oricât de promițătoare ar putea părea mașinile autonome cu memorie, va trebui să mai așteptăm o vreme până le vom putea vedea pe străzi.

Vă recomandăm să citiți și:

Germania a lansat o investigație asupra Google Maps

Vulnerabilitatea Hertzbleed a unor procesoare ar putea afecta pe toată lumea

Un nou supercomputer european, inaugurat în Finlanda

Un om a antrenat un AI oribil folosind milioane de postări de pe forumul 4chan