Synthia bruger convolutional neurale netværk og dybe læring for at forbedre den måde, hvorpå køretøjet AIs håndtere, hvad der sker omkring dem.
Billede: Computer Vision-Center/ved Barcelonas Autonome Universitet
Det er ikke længere et spørgsmål, om selvkørende biler vil gøre det til mainstream, men hvornår, i henhold til køretøjets systemer ekspert Antonio López.
På trods af optimisme, en række udfordringer, der stadig forblive inden førerløse biler kommer overalt tæt på at fortrænge den menneskelige drivkræfter. En af dem er undervisning køretøjer, hvordan man kan genkende forhindringer og situationer, så de kan finde ud af, hvordan de skal reagere.
Det er netop for at løse det problem, der Synthia er blevet udviklet af den Selvstyrende Universitet i Barcelona er Computer Vision-Center, hvor López er leder af advanced driver assistance systems.
Synthia er en simulator, der bruger convolutional neurale netværk og dybe læring for at forbedre den måde, hvorpå køretøjet kunstig intelligens-systemer håndtere, hvad der sker omkring dem, selv i dårligt vejr.
Projektet begyndte for otte år siden, før Googles selvkørende bil, nu udskilt som Waymo, dukkede op på scenen, og før Elon Musk er forsøg på at løsne de menneskelige drivkræfter ” greb på rattet.
“Vi startede med detektering af fodgængere og med kommercielle computerspil” forsker og lektor computer-science professor López fortæller ZDNet.
“Nu med de sensorer, vi bruger, kan vi se, hvad indholdet af hver enkelt pixel i et billede er. Vi ved også, hvor langt disse genstande er fra kameraet, som er afgørende oplysninger til vision-systemer.”
Kørsel AIs er ved at blive uddannet med en stor sæt af real-world images til at genkende forskellige elementer og være i stand til at skelne, for eksempel, et fortov fra vejen på en tung regnvejrsdag. Ved hjælp af denne tagged information, software tolker input fra bilens kameraer og beslutter, hvordan de skal reagere.
“Vi har modelleret en selvstyrende bil inden Synthia, så vi kan lave tests og være sikker på, at køretøjet ikke udføre de ordrer, det får,” López siger.
“Vi har også testet nogle modeller til at registrere fodgængere med de egentlige autonome bil, der er udviklet af den Selvstyrende Universitet i Barcelona. Men det betyder ikke nødvendigvis at bevise, at en selvkørende bil, der virker bedre end nogen anden bil.”
Data, der genereres af simulatoren er til rådighed til at tjene det videnskabelige samfund og gøre det muligt fremskridt på dette område. Men der er stadig en lang vej frem.
Ifølge López, den væsentligste udfordring for den selvkørende bil, er det urbane miljø, som er “komplekse og ustyrlige”. Stadig, han forudser en delvis indførelse af denne type køretøjer i byer om 10 år.
“I 2050, vil 75 procent af befolkningen bor i byerne, og det vil gøre det umuligt for alle at have en bil,” siger han. “Smart flåder, der vil lette mobilitet. Biler vil tale til hinanden, og at alt vil blive mere sikkert. Men vi behøver ikke at køre for hurtigt at komme til dette punkt.”
For i det øjeblik, López og hans team ønsker at koncentrere sig om at forbedre Synthia til at beskæftige sig med mere data og håndtere forskellige typer af situationen.
I mellemtiden, en anden hub for innovation iværksat af SEAT, Volkswagen Group Research, og det Polytekniske Universitet i Catalonien og mærket Kooperative Automotive Research Network, eller CarNet, arbejder på nogle initiativer, som skal gøre det lettere at finde parkeringspladser i byen, at vurdere konsekvenserne af flere-bruger fælles-systemer i køretøjer, og designe et nyt koncept for urban mobilitet.