Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 26 °C
Gök Gürültülü

Kendi kendine giden otomobiller için yeni erken uyarı sistemi

31.03.2021
89
Kendi kendine giden otomobiller için yeni erken uyarı sistemi

Münih Teknik Üniversitesi’ndeki (TUM) bir araştırma ekibi, binlerce gerçek trafik durumundan öğrenmek için yapay zeka kullanan araçlar için yeni bir erken uyarı sistemi geliştirdi.

BMW Group ile birlikte sistemle ilgili bir çalışma gerçekleştirildi. Sonuçlar, günümüzün sürücüsüz araçlarında kullanıldığında, otomobillerin tek başına başa çıkamayacağı potansiyel olarak kritik durumlara % 85’in üzerinde doğrulukla yedi saniye önceden uyarı verebileceğini göstermektedir.

Gelecekteki sürücüsüz arabaları güvenli hale getirmek için, geliştirme çabaları genellikle arabalara tüm trafik katılımcılarının davranışlarını analiz etme yeteneği vermeyi amaçlayan karmaşık modellere dayanmaktadır. Peki ya modeller bazı karmaşık veya öngörülemeyen durumlarla henüz başa çıkamazsa?

Münih Robotik ve Makine Zekası Okulu (MSRM) Profesörü ve TUM’da Medya Teknolojisi Başkanı. Eckehard Steinbach ile çalışan bir ekip yeni bir yaklaşım benimsiyor. Yapay zeka (AI) sayesinde, sistemi, sürücüsüz test araçlarının gerçek dünyadaki karayolu trafiğinde kullanım sınırlarına kadar zorlandığı geçmiş durumlardan öğrenebilir. Bunlar, bir insan sürücünün görevi devraldığı durumlardır – ya araç müdahale ihtiyacını işaret ettiği için ya da sürücü güvenlik nedenleriyle müdahale etmeye karar verdiği için.

RNN aracılığıyla örüntü tanıma

Teknoloji, çevredeki koşulları yakalamak için sensörler ve kameralar kullanır ve direksiyon simidi açısı, yol koşulları, hava durumu, görüş mesafesi ve hız gibi araç durum verilerini kaydeder. Yinelenen bir sinir ağına (RNN) dayanan AI sistemi, verilerle kalıpları tanımayı öğrenir. Sistem, yeni bir sürüş durumunda kontrol sisteminin geçmişte idare edemediği bir model tespit ederse, sürücü olası bir kritik durumdan önce uyarılır.

“Araçları daha otonom hale getirmek için, birçok mevcut yöntem arabaların trafik hakkında ne anladığını inceler ve daha sonra onlar tarafından kullanılan modelleri iyileştirmeye çalışır. Teknolojimizin en büyük avantajı: arabanın ne düşündüğünü tamamen görmezden geliriz. Bunun yerine kendimizi şunlarla sınırlandırırız: Veriler gerçekte olanlara ve kalıpları aradıklarına dayanıyor, ”diyor Steinbach.” Bu şekilde AI, modellerin tanımayabileceği veya henüz keşfetmemiş olabileceği potansiyel olarak kritik durumları keşfeder. Bu nedenle sistemimiz, arabaların ne zaman ve nerede zayıflıklara sahip olduğunu bilen bir güvenlik işlevi sunuyor. “

Önceden yedi saniyeye kadar

Araştırmacılardan oluşan ekip, teknolojiyi halka açık yollarda BMW Group ve otonom geliştirme araçlarıyla test etti ve sürücünün müdahale etmesi gereken yaklaşık 2.500 durumu analiz etti. Çalışma, yapay zekanın potansiyel olarak kritik durumları yüzde 85’ten daha iyi bir doğrulukla (gerçekleşmeden önce yedi saniyeye kadar) tahmin edebileceğini gösterdi.

Ekstra çaba harcamadan veri toplama

Teknolojinin çalışması için büyük miktarda veriye ihtiyaç vardır. Sonuçta yapay zeka, sistem sınırlarındaki deneyimleri ancak durum daha önce görülmüşse tanıyabilir ve tahmin edebilir. Çalışmanın yazarlarından biri olan Christopher Kuhn, yolda pek çok geliştirme aracı varken verilerin pratik olarak kendiliğinden üretildiğini söylüyor: “Test sürüşünde potansiyel olarak kritik bir durum ortaya çıktığında, bu sonuçta yeni bir eğitim örneğidir.” Verilerin merkezi olarak depolanması, her aracın filo genelinde kaydedildiği anlamına gelir. tüm verilerden öğrenmeyi mümkün kılar.

Daha fazla bilgi: Christopher B. Kuhn ve diğerleri, Durum ve Kamera Bilgisinin Geç Kaynaşmasını Kullanarak Otonom Sürüş için Introspektif Hata Tahmini, Akıllı Ulaşım Sistemlerinde IEEE İşlemleri (2020). DOI: 10.1109 / TITS.2020.3044813

Görüntü Kaynağı: Teknoloji, çevredeki koşulları yakalamak için sensörler ve kameralar kullanır ve direksiyon simidi açısı, yol koşulları, hava durumu, görüş mesafesi ve hız gibi araç durum verilerini kaydeder. Yapay zeka sistemi, verilerle kalıpları tanımayı öğrenir. Kaynak: Taras Makarenko / Pexels

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.