Новая программа учится водить, глядя на другие автомобили
Беспилотные автомобили в ближайшие пару десятилетий могут наводнить наши улицы. Ученым удалось решить одну из важных проблем этого транспорта — исследователи обучили программу безопасно водить, обучаясь на опыте других
Самоуправляемые автомобили используют алгоритмы машинного обучения для безопасного управления транспортом. Но на сегодняшний день таким программам требуется проанализировать большое количество часов данных о вождении, чтобы научиться безопасно управлять автомобилем. Кроме того, обладатели большого количества такой информации — крупнейшие автомобильные компании мира — не выкладывают свои массивы данных в открытый доступ, чтобы избежать конкуренции.
Предложенный авторами нового исследования алгоритм с машинным обучением способен сократить затраты стартапов и крупных компаний на разработку безопасных систем управления беспилотными авто. Программа оцениваем точки обзора и слепые зоны других близлежащих автомобилей и создает карту их «окружающей среды» с высоты птичьего полета. Эти карты помогают автономным автомобилям обнаруживать препятствия — другие автомобили или пешеходов, — и понимать, как другие машины поворачивают, договариваются об очередности и уступают дорогу, избегая аварий
С помощью этого метода беспилотные автомобили учатся, переводя действия находящихся вокруг транспортных средств в собственные системы отсчета, которые могут проанализировать алгоритмы с машинным обучением. Другими автомобилями могут управлять люди или программы для беспилотного транспорта от других компаний. Поскольку наблюдения всех машин в сцене занимают центральное место в обучении алгоритма, эта парадигма «обучения путем наблюдения» поощряет обмен данными и, следовательно, приближает момент появления наиболее безопасных беспилотных автомобилей.
Исследователи протестировали работу алгоритма в виртуальных городах, заставив компьютерный транспорт двигаться по различным маршрутам. Один из них был похож на тренировочную среду, а другой состоял из нетипичных развязок и неудачных городских решений, вроде перекрестков с пятью возможными путями. В обоих сценариях исследователи обнаружили, что их нейронная сеть очень редко попадает в аварии. Имея всего один час данных о вождении для обучения алгоритма машинного обучения, автономные транспортные средства благополучно прибывали к месту назначения в 92% случаев.
Статья ученых опубликована в журнале arXiv.org.
