211service.com
Le auto robot possono imparare a guidare senza lasciare il garage
I computer che controllano le auto a guida autonoma stanno acquisendo preziose conoscenze sul mondo reale in modi sorprendenti, tra cui la navigazione nelle mappe online e la riproduzione di videogiochi.
I ricercatori dell'Università di Princeton hanno recentemente sviluppato un sistema di visione artificiale e mappatura che ha raccolto informazioni utili sulle proprietà fisiche delle strade attraverso lo studio Google Street View e confrontare le scene con le informazioni fornite nei dati di mappatura open source. Ciò gli ha permesso, ad esempio, di sapere dove dovrebbero essere i bordi di un incrocio in base alle immagini catturate dalle auto di mappatura di Google.
In un lavoro separato rivelato mercoledì, i ricercatori di OpenAI , un'organizzazione no profit focalizzata sulla ricerca fondamentale sull'IA, ha creato un modo per far apprendere agli agenti software la strategia di guida sperimentando nel videogioco Grand Theft Auto V, attraverso una piattaforma nota come Universe. Alcuni videogiochi sono ora così visivamente realistici che possono consentire a una visione artificiale di conoscere il mondo reale (vedi Le auto a guida autonoma possono imparare molto giocando a Grand Theft Auto).
Nuovi approcci alla formazione delle auto a guida autonoma possono aiutare a democratizzare la tecnologia e renderla più affidabile. Le auto a guida autonoma erano ovunque al Consumer Electronics Show di quest'anno a Las Vegas e la tecnologia è al centro del North American Auto Show di Detroit, iniziato questa settimana. Ma non tutti hanno le risorse di Ford, Google o Uber e i veicoli automatizzati fanno ancora fatica in molte situazioni (vedi Cosa sapere prima di entrare in un'auto a guida autonoma). Quindi alcuni ricercatori stanno escogitando modi creativi per raccogliere i dati e addestrare i sistemi di guida. Ci sono anche sforzi per rendere open source la tecnologia necessaria per la guida automatizzata.
I ricercatori di Princeton hanno estratto Google Street View e OpenStreetMap per i loro dati. Gli elementi stradali nelle immagini di Google Street View a volte sono occlusi da un veicolo, qualcuno che attraversa la strada o qualcos'altro, quindi il sistema ha dovuto imparare a riconoscere e quindi scartare tali artefatti. I ricercatori hanno testato il loro sistema su nuove immagini e hanno scoperto che poteva discernere le caratteristiche della strada in modo abbastanza accurato. Dicono che potrebbe offrire un modo per avviare un sistema di guida autonoma con alcune delle conoscenze di base necessarie per navigare su strade normali. I ricercatori hanno addestrato il loro sistema utilizzando 150.000 panorami di Street View.
La sua precisione dovrebbe migliorare man mano che il set di dati di allenamento cresce, afferma Ari Seff , uno studente laureato a Princeton che ha sviluppato il sistema con Jianxiong Xiao , un professore che ha recentemente lasciato l'università per fondare una startup automobilistica chiamata AutoX.ai.
La creazione manuale di mappe 3D ad alta definizione per la guida autonoma è noiosa e costosa, afferma John Leonard, professore al CSAIL del MIT, specializzato in mappatura e guida automatizzata. Se questo processo può essere automatizzato utilizzando reti profonde che operano su grandi database pubblici, questa sarebbe una grande vittoria per la tecnologia di guida autonoma.
L'approccio offre anche un modo per addestrare un sistema a riconoscere situazioni che una vera auto a guida autonoma può incontrare solo raramente, come un incrocio molto complesso. Questi modelli potrebbero essere potenzialmente utilizzati come parte di un sistema di backup nei veicoli autonomi, corroborando le informazioni fornite dalle mappe 3-D pre-scansionate. Tuttavia, non l'abbiamo ancora testato su un veicolo reale, afferma Seff.
I ricercatori suggeriscono anche che il loro sistema potrebbe fornire un avviso sulle infrastrutture stradali, ad esempio, se il sistema conclude che una strada sembra a senso unico quando non lo è, potrebbe essere necessario aggiornare la segnaletica. Le limitazioni sono che il sistema non è in grado di identificare oggetti che non sono identificati in una mappa, come pedoni o altri veicoli, e non è sufficientemente accurato per localizzare un'auto in modo molto preciso.
Imparare questo da Google Street View è una buona idea, afferma Craig Quiter, ingegnere presso Otto, un'azienda che produce camion a guida autonoma e che è stata acquisita da Uber l'anno scorso. Le uscite non contengono abbastanza per guidare un'auto, ma sono sicuramente utili insieme ad altre percezioni come input per un pianificatore.
Quiter ha sviluppato Grand Theft Auto V mentre lavorava come appaltatore per OpenAI l'anno scorso. Il gioco può addestrare il software a riconoscere elementi del mondo reale.
GTA V offre ai ricercatori l'accesso a un mondo ricco e diversificato per testare e sviluppare l'IA, scrive Quiter in un post sul blog pubblicato da OpenAI. La sua posizione insulare è grande quasi un quinto di Los Angeles, consentendo l'accesso a un'ampia gamma di scenari per testare i sistemi. Aggiungi a ciò i 257 diversi veicoli, sette tipi di biciclette e 14 tipi di condizioni meteorologiche ed è possibile esplorare un numero enorme di permutazioni utilizzando un singolo simulatore.
Attraverso Universe, un agente può anche sviluppare una strategia di guida sperimentando all'interno del gioco e perfezionando il proprio comportamento man mano che raggiunge determinati obiettivi, un approccio noto come apprendimento per rinforzo (vedi Un nuovo strumento consente all'IA di imparare a fare quasi tutto su un computer).
Quiter ha aggiunto in una e-mail che rilasciando la tecnologia necessaria per la guida automatizzata, ricercatori e aziende possono democratizzarla. Penso che sia diventato molto più semplice testare l'IA delle auto a guida autonoma, dice.