Marylandin yliopiston tutkijoiden kehittämä tiesimulaatiomenetelmä perustuu
”CMetricin avulla simulaattorimme pystyyluoda virtuaalisia autoilijoita erilaisilla ajotyylillä miehittämättömien ajoneuvojen esikoulutukseen”, sanoo Angelos Mavrogiannis, yksi mallin kehittäjistä. — Heterogeenisen ajokäyttäytymisen simulointi on työmme pääelementti. Käytämme syvään vahvistavaa oppimismallia, joka perustuu DQN:ään (Deep Q-Network).
Kehittäjät huomauttavat, että viime vuosinamonet yritykset pyrkivät luomaan turvallisia ja luotettavia miehittämättömiä ajoneuvoja. Laajaa käyttöä varten tällaisten koneiden on kuitenkin pystyttävä liikkumaan eri teillä, eivätkä ne saa törmätä muihin ajoneuvoihin, jalankulkijoihin, polkupyöriin, eläimiin tai muihin esteisiin.
Huolimatta suuresta kiinnostuksesta autonomia kohtaanliikenne, nykyaikaiset tekoälymenetelmät eivät ota huomioon ihmiskuljettajien tai muiden droonien käyttäytymistä tiellä, huomauttaa teoksen toinen kirjoittaja, professori Dinesh Manocha. "Työmme tavoitteena on luoda luotettavia teknologioita, jotka havaitsevat ja luokittelevat muiden tienkäyttäjien (autot, linja-autot, kuorma-autot, polkupyörät, jalankulkijat) käyttäytymisen ja hyödyntävät saatuja tietoja ajon aikana."
Käyttäytyminen ratin takana kehittäjien mukaanvoidaan jakaa kahteen pääluokkaan: konservatiivinen ja aggressiivinen ajo. Konservatiiviset kuljettajat ovat varovaisempia ja tarkkaavaisempia, kun taas aggressiiviset kuljettajat ovat alttiita vaarallisille liikkeille ja äkillisille liikkeille.
Näiden käyttäytymismallien tarkka havaitseminen voiolla erittäin hyödyllinen autonomisille ajoneuvoille, etenkin kriittisinä hetkinä (kuten kaistaa vaihdettaessa tai moottoritielle tullessa). Muiden kuljettajien toiminnan ymmärtäminen antaa tekoälylle mahdollisuuden mukauttaa lentorataa ja ryhtyä turvatoimiin.
"Autonomiset navigointijärjestelmät yleensäkoulutetaan ennen kenttäkokeita", sanoi Rohan Chandra, kehityksen toinen kirjoittaja. "Artikkelissamme esittelemme uuden käyttäytymiseen perustuvan simulaattorin, joka voi simuloida suuren määrän erilaisia käyttäytymismalleja, joita nähdään todellisissa liikennetilanteissa. Tämä tarkoittaa, että taustalla oleva navigointijärjestelmä voidaan kouluttaa käsittelemään kuljettajien monimutkaista käyttäytymistä kaupunkiympäristössä."
Lue lisää
"Viides elementti" on olemassa: uusi koe vahvistaa, että tieto on olennaista
Herpetologit ovat havainneet, miksi käärmeet eivät tukehtu, kun ne tukehtuvat ja nielevät saaliinsa
Ensimmäiset miesten ehkäisypillerit ilmestyivät, niiden tehokkuus on 99 %