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

A ritkaság átka az önvezető járművek szempontjából

MEGOSZTÁS

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

PODCAST

ICT Global News

VIDEOGALÉRIA
FOTÓGALÉRIA

Legnépszerűbb cikkek

ICT Global News

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