211service.com
En ambitiös plan för att bygga en självkörande borg
Självkörande bilar kan fylla vägarna mycket tidigare om biltillverkare kan lägga sina rivaliteter åt sidan och dela data som skulle lära datorer att köra säkert.
Mobileye , ett israeliskt företag som levererar avancerad hårdvara och mjukvara till många biltillverkare för att göra det möjligt för bilar att upptäcka föremål på vägen, utvecklar nu sätt att träna bilar att köra själva. Arbetet innebär att mata datorer med enorma mängder körbeteende till en stor, mycket realistisk simulering, så att de kan lära sig att köra själva. Och Mobileye strävar efter att få olika kunder att bidra med den data som deras fordon samlar in.
Om du vill utnyttja många, många bilar måste du utnyttja så många biltillverkare som möjligt, säger Amnon Shashua, medgrundare och CTO för Mobileye. Shashua säger att hans företag har utarbetat en lösning som låter biltillverkare bidra samtidigt som de behåller kontrollen över sin data.
Mobileyes teknologi är kärnan i många system som för närvarande utvecklas av biltillverkare, så dess planer kommer att påverka hur självkörande system uppstår. Det är också en kritisk tidpunkt för tekniken, eftersom biltillverkare kämpar för att gå från experimentella system till mycket pålitliga kommersiella. Många experimentella självkörande fordon följer regler som har programmerats manuellt, och det kan vara svårt att ta hänsyn till alla möjliga händelser. Mobileyes tillvägagångssätt representerar en ny riktning. Shashua säger att Mobileye kommer att tillkännage flera affärer före årets slut, den första med Volkswagen.
Mobileye har varit i centrum för en kontrovers om gränserna för fordonsautomatisering de senaste månaderna. Dess visionteknologi används i Teslas autopilotsystem, som var inblandat i en dödsolycka i Florida som för närvarande utreds av National Highway Transportation Safety Administration (se Tesla Crash Will Shape the Future of Automated Cars). Tesla har tydligen programmerat in ett automatiserat körbeteende i sina fordon med hjälp av en bild av vägen som tagits från Mobileye-systemet. Tesla och Mobileye skildes åt efter att biltillverkaren antydde att visionsystemet var fel när dess fordon, som kördes i autopilotläge, kraschade in i en lastbil som svängde över motorvägen. Mobileye slog tillbaka och sa att det hade väckt oro över att använda visionsystemet för att möjliggöra halvautomatisk körning.
Många av Mobileyes befintliga produkter använder sig av nätverk för djupinlärning som är utbildade för att känna igen visuell information korrekt. Dessa nätverk är matade bilder som har kommenterats för hand och har använts för att bygga fordonssystem som kan känna igen vägskyltar eller spåra fordonet framför för att hålla ett säkert avstånd. För att möjliggöra full automatisering planerar företaget att träna nätverk med hjälp av körbeteende med ett tillvägagångssätt som kallas förstärkningsinlärning, vilket innebär nätverksexperiment och förstärkning av positiva resultat (i det här fallet att köra säkert). Förstärkningsinlärning kan användas för att träna en dator att göra något som skulle vara svårt att programmera, och det lovar att göra det lättare att redogöra för alla olika scenarier som en bil kan stöta på på vägen.
Den största frågan blir att övertala bilföretagen att samarbeta. Det är mycket meningsfullt för bilföretag att dela data, särskilt för ett problem som detta där en stor mängd olika data krävs. säger Karl Iagnaema, vd för en startup som heter nuTonomi , som testar automatiserade taxibilar i Singapore. Vanligtvis är dock ledare ovilliga att slå samman resurser av rädsla för att späda på deras fördelar. Det gör det svårt att dela resurser.
Eftersom det inte är praktiskt att låta bilar lära sig på den riktiga vägen, har Mobileye utvecklat realistiska simuleringar med hjälp av verklig data som de har samlat in. Inuti dessa simuleringar kan datoralgoritmer experimentera med olika sätt att navigera i trafiksituationer. Planen är att olika biltillverkare ska mata in körbeteendedata från sensorer till detta delade läronätverk.
Idén att använda datorsimuleringar för fordonsträning vinner verkligen popularitet bland forskare (se Självkörande bilar kan lära sig mycket genom att spela Grand Theft Auto ). Shashua säger att han hoppas att simuleringsplattformen som hans företag utvecklar kan fungera som guldstandarden för att testa och verifiera självkörande algoritmer.