Tesla kan ersätta autopilotens ögon med något mycket mer avancerat

Vad kommer Teslas nya hjärna att kunna?

Bilföretaget meddelade förra veckan att det inte längre skulle använda ett visionsystem från MobileEye, ett israeliskt företag som levererar teknik till många biltillverkare. Detta kommer några veckor efter att National Highway Traffic Safety Administration meddelade att de utredde en dödsolycka som inträffade medan en av Teslas bilar körde i autopilotläge, ett system som är utformat för att möjliggöra automatiserad körning under förarens övervakning. Det är oklart varför Tesla tappar MobileEye, men en anledning kan vara uppkomsten av nyare metoder för automatiserad körning.

MobileEye tillhandahåller vad som motsvarar ett avancerat bildigenkänningssystem, som kan identifiera vägmärken eller hinder, såsom andra bilar eller fotgängare, på vägen framför. Företaget har sagt att det använder djupinlärning, en populär maskininlärningsteknik baserad på att träna ett nätverk i flera lager av simulerade neuroner för att känna igen input med hjälp av ett stort antal träningsexempel.

Tesla har inte avslöjat offentligt hur dess semi-automatiska körteknik fungerar, men den tar sannolikt information från MobileEye-systemet såväl som data från radar- och ultraljudssensorer och använder det för att fatta körbeslut.

Tesla kan helt enkelt designa sitt eget visionsystem, designat enbart för automatiserad körning. Företaget avböjde att kommentera, men det har byggt upp expertis inom maskinseende och rekryterat experter på detta område.

Historiskt sett använde automatiserade körsystem regler handkodade av ingenjörer för att känna igen hinder och fatta viktiga beslut på vägen. Men reglerna ersätts i allt högre grad av maskininlärning, ett sätt att träna ett system i hur man beter sig med hjälp av massor av data. Särskilt djupinlärning kommer att användas för att träna bilar inte bara hur man ser utan hur man kör korrekt. Kommande system kommer att använda maskininlärning för att göra mer än att bara känna igen objekt på vägen – det kan till exempel kunna identifiera avståndet till ett hinder eller till och med dess bana. Det är också möjligt för maskininlärning att hjälpa till med en bils rörelseplanering och till och med kontrollen av dess körsystem.

Nvidia, som levererar hårdvara till många biltillverkare inklusive Tesla, har demonstrerat ett system som använder djupinlärning för att styra allt på en självkörande prototyp. Detta var dock en rent experimentell prototyp och speglar inte nödvändigtvis ett framtida Nvidia-erbjudande. Hårdvarutillverkaren avböjde att kommentera den här artikeln.

Ignmar Posner , en föreläsare vid University of Oxford och en expert på att tillämpa maskininlärning på robotsystem inklusive självkörande fordon, säger att djupinlärning sannolikt kommer att ta sig an mer komplex scentolkning i kommande körsystem.

'Jag tror att tillämpningarna inom autonom körning kommer att bredda sig när fler avkänningsmodaliteter introduceras, som radar och lidar, och eftersom olika utgångar krävs', säger Posner. 'Föreställ dig till exempel ett system som lär sig att förutse en förares handlingar i förväg och kontrollerar om dessa är säkra.'

Vissa startups arbetar redan med mer avancerade djupinlärningsbaserade körsystem som kan bli kommersiellt tillgängliga inom kort.

Drive.ai, ett företag som startats av en grupp AI-forskare från Stanford University, utvecklar ett sofistikerat automatiserat körsystem som det så småningom kommer att erbjuda biltillverkare. Liksom Nvidias system använder Drive.ai djupinlärning för fler delar av automatiserad körning, inklusive bildigenkänning och delar av rörelseplanering och kontroll. I april i år fick Drive.ai en licens att testa autonoma fordon på vägen i Kalifornien, det 13:e företaget som fick ett sådant tillstånd.

'Vi insåg att bilkörning är denna fantastiska tillämpning av djupinlärning, och gjort på rätt sätt är det ett sätt att förändra världen', säger Carol Reiley, en robotist och medgrundare av Drive.ai. 'Det är ett mycket datadrivet, djupt lärande förhållningssätt till körning.

Efter år av långsamma och stadiga framsteg förändras nu bilindustrin i en extraordinär takt, där förbränningsmotorer och vevaxlar blir mindre viktiga än datorer, sensorer och kod (se 'Starta om bilen'). Att ett företag som Drive.ai, bemannat av datavetare och AI-experter, kan vara redo att introducera en ny nyckelteknologi för biltillverkare, säger mycket om denna omvandling. Men det är också avgörande för denna typ av expertis att ingjuta bilvärlden, eftersom maskininlärningstekniker som djupinlärning är fundamentalt olika (se 'Om en förarlös bil går dåligt får vi aldrig veta varför').

Reiley förklarar att detta är ett stort fokusområde för Drive.ai. 'Med autonom körning är säkerheten så avgörande', säger hon. 'En av de saker vi tänker mycket på är hur man testar system för djupinlärning på ett sätt som är halvtransparent. Att folk åtminstone kan förstå ingångarna och ha förväntade resultat.'

Drive.ai går in på en konkurrensutsatt marknad. Google har testat självkörande bilar under en tid, med målet att så småningom erbjuda tekniken till biltillverkare. Det ryktas också att Apple utvecklar ett automatiserat körsystem, antingen för sitt eget fordon eller för en produkt som skulle erbjudas befintliga biltillverkare.

Posner vid Oxford University säger att nya och förbättrade avkänningsfunktioner utvecklade för automatiserade fordon borde leda till bättre mobila robotar för många industriella miljöer, såsom gruvdrift och lagerlogistik. 'Den här punkten missas ofta,' säger Posner. 'Autonoma bilar presenterar egentligen bara en liten delmängd av applikationsdomänerna som denna teknik kommer att beröra.'

Dölj