Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors
post

A ritkaság átka az önvezető járművek szempontjából

Hiába várjuk az önvezető autók megjelenését az utakon, néhány kivételtől eltekintve, egyelőre nem mérettethetnek még meg, mert túl sok problémára kell megoldást találniuk. Például a hosszú évekig eltartó teszteket ki kellene váltani valamilyen gyorsabb és olcsóbb megoldással. Virtuális járművek, mesterséges intelligencia és kevert valóság összeintegrálása a válasz.

Kiemelt kép: Wikimedia Commons

 

Több tényező hátráltatja a valóban önvezető járművek elterjedést, a biztonsági tesztek például túl pénz- és időigényesek. A Michigan Egyetem kutatói komoly lépést tettek a probléma megoldására, mesterséges intelligenciával működő új rendszerük ugyanis 99,99 százalékkal csökkentheti a tesztelés közben megtett kilométerek számát.

A fejlesztéssel a gyártók hamarabb ellenőrizhetik, hogy önvezető járműveikkel életek menthetők meg, karambolok kerülhetők el. Az autókat mesterséges intelligenciával gyakoroltatják, a szimulált környezetben a húsvér vezetők által a valóságban ritkán tapasztalt, veszélyes műveletekkel kapcsolatban kell súlyos döntést hozniuk. Ellentétben a humán sofőrökkel, robotjárművek esetében ezeket a problémákat kezelni kell.

 

Mi tegyen az önvezető autó, ha egy felelőtlen sofőr áthajt a piroson?

Ha az önvezető autónak a valóságban kell vizsgáznia ilyen esetekben, akár többszáz millió, vagy többszáz milliárd kilométert meg kell tennie hozzá. Az igazság az, hogy a biztonsági kockázattal járó események, például karambolok, vagy majdnem-karambolok a való világban elég ritkák, az önvezető járművek viszont nehezen kezelik őket.

 

Önvezető autó szimulációja (Kép: Wikimedia Commons)

 

A michigani kutatók a „ritkaság átka” nevet adták a problémának. MI-vel gyakoroltatott virtuális járműveknek valóban ritka és veszélyes eseményeket tartalmazó forgalmi adatokból kellett tanulniuk az eddigi tesztfolyamat ezerszeres felgyorsításához.

A tesztautók valódiak, a háttérben lévők virtuálisak, a tesztkörnyezet viszont kevert valóság (mixed reality). Ez a közeg teszi lehetővé kihívásokkal járó, de ritka forgatókönyvek begyakorlását. A háttér-járművek tanításához eltávolították a nem biztonságkritikus infókat, például más vezetők és gyalogosok felelős viselkedési példáit, a veszélyeseket, mondjuk, ha egy vezető piros fénynél nem áll meg, viszont megőrizték.

 

Önvezető autó a valóságban (Kép: Flickr)

 

A manőverezési döntéseket hozó ideghálók kizárólag biztonságkritikus adatokkal való gyakoroltatásánál, a tesztautók rövidebb idő alatt jóval gyakrabban kerülnek veszélyes helyzetekbe, amellyel a tesztelés költségei is csökkennek. Megerősítéses tanulással az MI jobban hitelesíti a biztonsági szempontból tényleg kritikus rendszereket, például önvezető autókat, egészségügyi robotokat, légi járműveket.

Szimbiotikus kapcsolat alakul ki teszt és tréning között. A tesztelésnek az Mcity (Ann Arbor) városi közeg, illetve autópálya szimulációja ad otthont.

IT EXPERTS-TECH LEADERS 2024 FELHŐ A JAVÁBÓL KONFERENCIA

ICT Global News

VIDEOGALÉRIA
FOTÓGALÉRIA

Legnépszerűbb cikkek

ICT Global News

Iratkozz fel a hírlevelünkre, hogy ne maradj le az IT legfontosabb híreiről!