Краудсорсинг научит беспилотные автомобили вождению

Интерфейс системы Driveseat

Изображение: Pranav Rajpurkar et al. / Stanford University

Исследователи из Стэнфордского университета разработали систему, которая позволяет неограниченному количеству людей участвовать в создании набора данных для обучения системы управления беспилотным автомобилем. Препринт статьи доступен на arXiv.org, кратко о ней пишет MIT Technology Review.

Для обучения нейросетей сегодня используются наборы данных, на примере которых алгоритм учится выполнять задачу так же, как ее выполняли люди, разметившие и классифицировавшие эти данные. Как отмечают авторы, подобные наборы данных существуют и применяются в разных сферах — например, для распознавания человеческих лиц, — в то время как для сложных задач, таких, как вождение, их не хватает.

Исследователи разработали онлайн-платформу Driveseat, которая представляет собой браузерный 3D автосимулятор. Для создания 3D окружения симулятора авторы использовали данные с реального автомобиля с набором датчиков, который передвигался по дорогам Калифорнии. В симуляторе автомобилем управляет алгоритм, который отображает на экране оригинальную видеозапись и трехмерный окружающий мир и показывает, где он видит полосы — для начала исследователи решили сосредоточиться именно на проблеме распознавания разметки.

Пользователь выступает в качестве учителя и поправляет алгоритм, если тот где-то не распознал разметку. Данные с поправкой вновь используются для обучения нейросети, таким образом алгоритм меньше зависит от сырых показаний датчиков и лучше «видит» и «понимает», что такое движение в рамках полосы. Кроме того, такой подход позволяет научить алгоритм видеть разметку даже при колебании освещения. Благодаря этому подходу нейросеть, например, «понимает» что соседняя полоса существует, даже если ее целиком загораживает в данный момент какой-либо объект.

В процессе обучения выяснилась интересная особенность — управляющее программное обеспечение хуже видело разметку, если автомобиль ехал против солнца. Оказалось, это связано со спецификой исходных данных — большая часть шоссе в Калифорнии идет с севера на юг, а не с запада на восток, поэтому в видеозаписях с тестового автомобиля редко встречается движение непосредственно лицом к солнцу у горизонта.

Авторы считают, что подобный подход поможет создать более совершенные алгоритмы управления беспилотными автомобилями, приспособленные к разному качеству дорожного покрытия и способные двигаться даже в условиях плохой видимости разметки.

Один из авторов статьи — Эндрю Ын — известный ученый в области искусственного интеллекта. До весны 2014 года работал на Google, после чего перешел в Baidu. Эндрю Ын опубликовал более сотни научных работ, известен как создатель проекта Google Brain и образовательной онлайн-платформы Coursera.

Ранее свой вариант самообучающегося беспилотного автомобиля сконструировал на базе седана Honda Acura ILX американский хакер geohot. В будущем он планирует продавать «беспилотный комплект» из шести камер и управляющего программного обеспечения по цене в тысячу долларов США.

Николай Воронцов

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.