Forscher haben ein neues Frühwarnsystem für selbstfahrende Fahrzeuge entwickelt, das künstliche Intelligenz KI nutzt, um aus Tausenden von realen Verkehrsszenarien zu lernen. Dies geht aus einer neuen Studie hervor, die mit der BMW Group durchgeführt und in veröffentlicht wurde. das Tagebuch IEEE-Transaktionen auf intelligenten Verkehrssystemen .
Mit anderen Worten, Sie können bald in einem selbstfahrenden Auto mit dem figurativen Finger einer KI auf dem Summer fahren, um zu verhindern, dass Sie während des Transports sterben, indem Sie sieben Sekunden vor entscheidenden Situationen warnen, die die Autos nicht alleine bewältigen können.
Und bis jetzt kann die KI dies mit einer Genauigkeit von mehr als 85% tun.
Frühwarn-KI-System antizipiert kritische Szenarien
Der Antrieb zur Erhöhung der Sicherheit für selbstfahrende Autos fühlt sich fast selbsterklärend an Die Bemühungen stützen sich jedoch in der Regel auf komplizierte Modelle, mit denen die Fähigkeit der Fahrzeuge zur Analyse des Verkehrsverhaltens der Benutzer verbessert werden soll. Das Fahren auf öffentlichen Straßen ist jedoch immer mit Risiken und Unsicherheiten verbunden. Es ist bekannt, dass sogar Flugzeuge auf ihnen abstürzen.
Das Forschungsteam arbeitete mit Professor Eckehard Steinbach, Vorsitzender für Medientechnologie und Mitglied des Verwaltungsrates der Münchner Schule für Robotik und Maschinenintelligenz MSRM an der Technischen Universität München TUM, zusammen - und versuchte einen neuen Ansatz für dieProblem des unvorhersehbaren Verkehrsverhaltens. Insbesondere betrachteten sie Szenarien, in denen ein menschlicher Fahrer die Kontrolle übernimmt - möglicherweise, weil das Auto ihm befohlen hat, einzugreifen, oder weil der Fahrer aus Sicherheitsgründen das Selbstfahren außer Kraft setzen möchte.
Das neue System verwendet Kameras und Sensoren zur Erfassung der Umgebungsbedingungen und zeichnet Statusdaten des Fahrzeugs auf - einschließlich Straßenzustand, Sicht, Radwinkel, Wetter und Geschwindigkeit. Das KI-System - das ein wiederkehrendes neuronales Netzwerk RNN verwendet -passt sich an, um Muster in den Daten zu identifizieren. Wenn eindeutige Szenarien, die das Steuerungssystem nicht konnte Griff alleine Bevor es auftritt, wird der Fahrer vor einer möglicherweise gefährlichen Situation benachrichtigt.
"Um Fahrzeuge autonomer zu machen, untersuchen viele existierende Methoden, was die Autos jetzt über den Verkehr verstehen, und versuchen dann, die von ihnen verwendeten Modelle zu verbessern", sagte Steinbach in a TechXplore Bericht . "Der große Vorteil unserer Technologie: Wir ignorieren völlig, was das Auto denkt. Stattdessen beschränken wir uns auf die Daten, die auf dem tatsächlichen Geschehen basieren, und suchen nach Mustern. Auf diese Weise entdeckt die KI potenziell kritische Situationen, die Modelle möglicherweise nicht erkennenfähig sein zu erkennen oder noch zu entdecken. "
"Unser System bietet daher eine Sicherheitsfunktion, die weiß, wann und wo die Autos Schwächen haben", fügte Steinbach hinzu.
Durch zentral gespeicherte KI-Daten können sich ganze Flotten selbstfahrender Autos anpassen.
Das Forschungsteam und die BMW Group testeten die neue KI-Technologie mit deren autonomen Entwicklungsfahrzeugen auf öffentlichen Straßen und bewerteten rund 2.500 Szenarien, in denen der Fahrer die manuelle Kontrolle übernehmen musste. Der Studie zufolge war die KI möglicherweise bereits in der Lage, Vorhersagen zu treffenentscheidende Szenarien mit einer Genauigkeit von über 85% - bis zu sieben Sekunden zu früh.
"Jedes Mal, wenn bei einer Probefahrt eine potenziell kritische Situation auftritt, erhalten wir ein neues Trainingsbeispiel", sagte Christopher Kuhn, einer der Autoren der Studie. Dies bedeutet, dass große Mengen neuer Daten benötigt werden - da KI nur kannErkennen und Vorhersagen von Szenarien, auf die es zuvor gestoßen ist. Sobald jedoch genügend Daten angehäuft sind, werden neue Daten praktisch selbst generiert, fügte Kuhn hinzu. Dies ist wahrscheinlich Jahre von der Implementierung im Massenproduktionsmaßstab entfernt, aber die zentrale Speicherung der Daten könnte das Pooling ermöglichenalso mit jedem kritischen Szenario von bevorstehender Tod auf der Durchreise - die gesamte Flotte lernt.