Вчитися на «майже аваріях»: як новий метод тренування автопілотів замінить мільярди тестових кілометрів

Дослідники з Мічиганського університету знайшли спосіб підвищити безпеку безпілотного транспорту (AV) на 90%.

Ключем до успіху стало використання у симуляціях не лише сценаріїв реальних ДТП, а й ситуацій, які перебували на межі зіткнення.

Джерело: techxplore.com

Це відкриття, опубліковане в науковому журналі Nature Communications, може суттєво прискорити тестування автопілотів. Крім того, воно покликане повернути довіру суспільства до автономного транспорту та наблизити довгоочікувану появу безпілотників 4-го та 5-го рівнів автономності (що взагалі не потребують участі водія).

Чому інвестиції у $160 млрд досі не розв'язали проблему довіри?

Головна обіцянка безпілотних авто — врятувати тисячі життів (лише у США щороку в автокатастрофах гине близько 40 000 людей). Проте, попри колосальні інвестиції, що перевищили $160 мільярдів, рівень довіри суспільства до безпілотників залишається низьким. Головна причина — побоювання щодо безпеки.

Для бездоганної роботи алгоритми автопілота мають постійно «тренуватися» на величезних обсягах даних, отриманих як під час реальних тестів на дорогах, так і в комп'ютерних симуляціях. Проте програмісти постійно стикаються з так званим «ефектом гойдалки».

«Зі штучним інтелектом виникає проблема: ви виявляєте помилку, запускаєте варіації симуляцій, щоб навчити ШІ її виправляти. Але незабаром після тренування з'являється інший непередбачуваний аспект тієї ж проблеми або абсолютно нові баги, яких раніше ніколи не було», — пояснює Генрі Лю, директор дослідницького центру Mcity.

Рішення: користь від «майже аварій»

Коли виникає така «гойдалка», розробники мають два шляхи: створювати абсолютно нову архітектуру нейромережі (що неймовірно довго та дорого) або міняти тренувальні дані. Зазвичай розробники завантажують алгоритми даними про реальні аварії, щоб показати ШІ, чого робити не можна. Але такий підхід ігнорує величезний пласт корисної інформації.

Вчені з'ясували, що навчання стає значно ефективнішим, якщо поєднувати дані про катастрофи із даними про «майже аварії» (near-misses) — ситуації, коли зіткнення було близьким, але автомобіль зміг успішно зманеврувати.

Чому це працює? У симуляціях небезпечні ситуації без зіткнень трапляються в тисячу разів частіше, ніж реальні аварії.

Результат: Об'єднання обох типів даних у симуляторі підвищило реальну безпеку тестувального автомобіля на полігоні Mcity на 90%.

Подолання «прокляття рідкості»

У реальному світі серйозні ДТП та екстремальні дорожні ситуації трапляються відносно рідко. Щоб назбирати достатньо інформації під час звичайних поїздок, безпілотникам довелося б наїздити сотні мільйонів або навіть мільярди кілометрів.

Використання штучного інтелекту для генерації критичних сценаріїв та навчання на «майже аваріях» дозволило вченим з Мічигану скоротити необхідний тестовий пробіг на неймовірні 99,9%, відкриваючи швидкий і безпечний шлях до майбутнього без аварій.