Denne bil kender dit næste fejltrin, før du gør det

En eksperimentel ny dashboard-computer kan ikke kun holde styr på din adfærd bag rattet, men endda forudsige, hvad du skal til at gøre næste gang.

Med langt de fleste trafikulykker som følge af førerfejl, og distraktion et voksende problem takket være smartphones allestedsnærværende, udforsker bilproducenter i stigende grad måder at spore føreradfærd bag rattet. Volvo, GM og andre tester allerede systemer, der vil overvåge hoved- og øjenpositioner for at opfange tegn på distraktion.

En undersøgelse foretaget af forskere ved Cornell University og Stanford viser, at et mere avanceret system kunne trænes til at genkende det kropssprog og den adfærd, der går forud for en bestemt manøvre. Dette kunne være med til at udløse et tidligt varslingssystem, såsom en blind vinkel-alarm, meget tidligere - måske derved hjælpe med at forhindre alvorlige ulykker, ifølge de involverede akademikere.

Forestil dig, at du kører på en motorvej, siger Saxena Ashutosh , kaldte direktøren for et projekt Robo hjerne på Cornell University og Stanford, der overvågede køreprojektet. Du kigger til højre et øjeblik, for du skal til højresving, og da du begynder at dreje til højre, er en anden chauffør trukket ind i det rum, som du troede var tomt. En bil kan derefter enten udsende en advarsel eller endda forhindre dig i at køre ind i vognbanen.

Systemet blev trænet ved hjælp af banebrydende maskinlæringsalgoritmer, og det kunne med lidt over 90 procents nøjagtighed forudsige, hvornår en chauffør var ved at skifte vognbane i løbet af de næste par sekunder. Et vognbaneskift blev normalt signaleret ved et blik over skulderen sammen med afslørende hovedbevægelser og ændringer i styring, bremsning og acceleration. Ashutosh siger, at den opnåede nøjagtighed er næsten god nok til at blive brugt i et produktionssystem.

Denne video viser de funktioner, der bruges af systemet til at spore en førers hovedbevægelse.

Forskerne bag arbejdet udforsker forskellige måder, hvorpå et køretøj kan overvåge og forudse føreradfærd gennem et projekt kaldet Brain4Cars .

Arbejdet involverede at bruge en maskinlæringstilgang kaldet deep learning til at genkende de handlinger, der gik forud for vognbaneskiftemanøvren. Algoritmerne blev trænet ved hjælp af data indsamlet, da 10 forskellige personer kørte i alt 1.180 miles rundt i forskellige områder af Californien. Forskerne har til hensigt at gøre det resulterende datasæt frit tilgængeligt, så andre akademikere og autoforskere kan gøre brug af det.

Dyb læring har vist sig at være særlig nyttig i de senere år til at genkende komplekse eller subtile mønstre i data såsom video og lyd (se 10 Breakthrough Technologies 2013: Deep Learning ). Den bruges allerede til at gøre køretøjets computere i stand til at genkende forskellige typer forhindringer på vejen. I det seneste arbejde kombinerede holdet data fra et videokamera med GPS-data og information fra en bils computersystemer.

Mange luksusbiler kommer nu med sensorer, der muliggør sikkerhedsadvarsler, samt automatisk brud og styring. Ashesh Jain , en elev af Saxena og projektleder på Brain4Cars, siger, at overvågning af aktivitet inde i en bil, såvel som uden for den, kunne gøre sådanne sikkerhedssystemer mere intelligente. Antag, at chaufføren er distraheret et sekund, siger han. Hvis der ikke er noget foran, skal bilen være smart nok og ikke advare føreren. Det handler om, hvordan du bruger information fra alle disse sensorer.

Mere end 90 procent af amerikanske trafikulykker er resultatet af en form for førerfejl, ifølge forskning udført af National Highway Traffic Safety Authority .

Paradoksalt nok kan overvågning af føreradfærd blive vigtigere, selvom biler bliver mere automatiserede. Det skyldes, at selvom biler kører selv i nogle situationer, såsom på motorveje eller på parkeringspladser, vil bilisterne stadig være nødt til at tage rattet igen lejlighedsvis, og forskning har vist, at dette kan tage mange sekunder afhængigt af en chaufførs niveau af distraktion (se Fortsæt med forsigtighed over for den selvkørende bil). Google er gået så langt som til at omgå problemet ved helt at fjerne pedalerne og rattet fra nogle af sine prototyper.

Don Norman , en ekspert i produktdesign, der har fungeret som konsulent for adskillige bilproducenter og computervirksomheder, siger, at Brain4Car-arbejdet er lovende, men tilføjer, at det skal forbedres yderligere og afprøves i den virkelige verden. Det er simuleringsdata, der køres i laboratoriet, siger Norman. Den virkelige verden er aldrig så rar som laboratoriet. Mange faktorer kan ændre resultaterne, når de anvendes på rigtige mennesker, der kører rigtige biler i rigtig trafik.

skjule