211service.com
En ambitiøs plan for at bygge en selvkørende borg
Selvkørende biler kan fylde vejene meget hurtigere, hvis bilproducenter kan lægge deres rivalisering til side og dele de data, der ville lære computere at køre sikkert.
Mobileye , et israelsk firma, der leverer avanceret computerhardware og -software til mange bilproducenter for at gøre det muligt for biler at se genstande på vejen, udvikler nu måder at træne biler til at køre selv. Indsatsen involverer at fodre computere med enorme mængder af køreadfærd i en enorm, yderst realistisk simulering, så de kan lære at køre selv. Og Mobileye sigter mod at få forskellige kunder til at bidrage med de data, som deres køretøjer indsamler.
Hvis du vil udnytte mange, mange biler, skal du udnytte så mange bilproducenter som muligt, siger Amnon Shashua, medstifter og CTO i Mobileye. Shashua siger, at hans firma har udtænkt en løsning, der vil lade bilproducenter bidrage, mens de bevarer kontrollen over deres data.
Mobileyes teknologi er kernen i mange systemer, der i øjeblikket udvikles af bilproducenter, så dets planer vil påvirke, hvordan selvkørende systemer opstår. Det er også et kritisk tidspunkt for teknologien, da bilproducenter kæmper for at flytte fra eksperimentelle systemer til yderst pålidelige kommercielle systemer. Mange eksperimentelle selvkørende køretøjer følger regler, der er blevet programmeret manuelt, og det kan være svært at tage højde for enhver mulig eventualitet. Mobileyes tilgang repræsenterer en ny retning. Shashua siger, at Mobileye vil annoncere flere aftaler inden årets udgang, den første med Volkswagen.
Mobileye har været i centrum for en kontrovers om grænserne for køretøjsautomatisering i de seneste måneder. Dens vision-teknologi bruges i Teslas autopilotsystem, som var involveret i en dødsulykke i Florida, som i øjeblikket undersøges af National Highway Transportation Safety Administration (se Tesla Crash Will Shape the Future of Automated Cars). Tesla programmerede tilsyneladende automatiseret køreadfærd ind i sine køretøjer ved hjælp af et billede af vejen taget fra Mobileye-systemet. Tesla og Mobileye gik fra hinanden, efter at bilproducenten antydede, at visionsystemet var skyld i, da dets køretøj, der kørte i autopilottilstand, kørte ind i en lastbil, der drejede over motorvejen. Mobileye kæmpede tilbage og sagde, at det havde rejst bekymringer om at bruge vision-systemet til at muliggøre semi-automatisk kørsel.
Mange af Mobileyes eksisterende produkter gør brug af deep learning-netværk, der er trænet til at genkende visuel information nøjagtigt. Disse netværk er fodret billeder, der er blevet kommenteret i hånden, og er blevet brugt til at bygge køretøjssystemer, der er i stand til at genkende vejskilte eller spore køretøjet foran for at holde en sikker afstand. For at muliggøre fuld automatisering planlægger virksomheden at træne netværk ved at bruge køreadfærd med en tilgang kaldet forstærkningslæring, som involverer netværkseksperimentering og forstærkning af positive resultater (i dette tilfælde sikker kørsel). Forstærkningslæring kan bruges til at træne en computer til at gøre noget, der ville være svært at programmere, og det lover at gøre det lettere at redegøre for alle de forskellige scenarier, en bil kan støde på på vejen.
Det største problem bliver at overtale bilselskaber til at arbejde sammen. Det giver masser af mening for bilselskaber at dele data, især for et problem som dette, hvor der kræves en stor mængde forskelligartede data. siger Karl Iagnaema, administrerende direktør for en startup kaldet nuTonomi , som tester automatiserede taxaer i Singapore. Typisk er ledere dog uvillige til at samle ressourcer af frygt for at udvande deres fordel. Det gør deling af ressourcer vanskelig.
Da det ikke er praktisk at få biler til at lære på den rigtige vej, har Mobileye udviklet realistiske simuleringer ved hjælp af data fra den virkelige verden, som det har indsamlet. Inde i disse simuleringer kan computeralgoritmer eksperimentere med forskellige måder at navigere i trafiksituationer på. Planen er, at forskellige bilproducenter skal føre data om køreadfærd fra sensorer ind i dette fælles læringsnetværk.
Ideen om at bruge computersimuleringer til træning af køretøjer vinder helt sikkert popularitet blandt forskere (se Selvkørende biler kan lære meget ved at spille Grand Theft Auto). Shashua siger, at han håber, at den simuleringsplatform, som hans virksomhed udvikler, kan tjene som guldstandarden for test og verificering af selvkørende algoritmer.