Дуй сюда!
Словосочетание «беспилотный автомобиль» уже не режет слух. Но одно дело ехать без водителя по широченным магистралям, и совсем другое — не теряться на самых загруженных перекрестках мира. Роботизированные машины готовятся принять этот вызов, продолжая сосуществовать с человеком.
На экране то и дело всплывают геометрические фигуры. Горизонтальные, вертикальные, синие, зеленые, желтые. Так беспилотник видит графическое отображение окружающей обстановки. Пешеходов, автомобилей, велосипедов, полос движения, разделительных барьеров, светофоров, дорожных знаков, тротуаров... В общем, всех препятствий, которые могут встретиться во время движения по дороге. Иногда интересно посмотреть на реальность другими глазами. Пусть даже эту реальность мы прекрасно знаем, поскольку создали ее сами.
И продолжаем этот генезис, пополняя «мозг» автомобиля миллионами изображений настоящего мира, которые помогают создать полную виртуальную картину вселенной. Главное — научить автономный транспорт правильно ее интерпретировать, поскольку это ключевой аспект полноценного появления беспилотников в нашей жизни. Чем больше деталей они смогут идентифицировать, тем лучше будут ориентироваться в сложной обстановке, то есть в условиях тяжелого городского трафика, управление которым и представляет собой главную головоломку для исследователей на ближайшую перспективу.
Одно дело — движение по магистрали: для этого технологии уже достаточно созрели. Но как преодолеть перекресток с хаотичным движением, забитый автомобилями, мотоциклами, велосипедами и пешеходами или же круговое движение со множеством съездов? И главная загвоздка — как сосуществовать с автомобилями под управлением человека, который порой ведет себя непредсказуемо. Вот новый вызов для автономных машин, следующий этап для искусственного интеллекта, задействованного в транспортных системах. Как он справится с этими ситуациями? Как конкретно ведется обучение автоботов? Когда мы сможем им доверять? Вопросы тем актуальнее, чем больше стран выдает разрешение на испытания подобной техники на дорогах общего пользования. Мы расскажем, как шаг за шагом развиваются исследования. Начнем прямо со школьной скамьи.
Школа беспилотников
Как и все методы обучения, тот, о котором мы поведаем, имеет свое название. Причем с педагогическим привкусом: deep learning, что на русский переводится как глубинное обучение. Метод стал массово применяться лет пять-шесть назад для компьютеров и роботов на колесах, которые на данный момент как дети — их познание мира ограниченно. Но они быстро учатся. «В отличие от детей они делают это параллельно, то есть одновременно. И никогда не забывают то, что узнали», — говорят ученые.
Глубинное обучение основывается на искусственных нейросетях, повторяющих нейронную систему человека. Но это не физический объект, а комплекс сложений и вычитаний, который говорит на двоичном компьютерном коде. И он позволяет применять вероятностные модели при интерпретации динамики ситуаций. Объясняет Марко Павоне, заведующий лабораторией автономных систем отдела астронавтики Стэнфордского университета, штат Калифорния: «Предположим, что пешеход собирается перейти дорогу: самые простые предиктивные системы на основе детерминистического подхода базируются на тезисе, что он будет все время двигаться с постоянной скоростью в одном направлении. Но поведение человека гораздо вариативнее. Так вот, нейронные сети позволяют использовать стохастические математические модели, основанные на вероятностях. Они больше соответствуют человеческому поведению, которое может быть непредсказуемым».
Но мы забегаем вперед. Сделаем шаг назад и объясним, что обучение робомобилей предусматривает три ступени. Их резюмирует тот же Павоне: «Восприятие окружающей обстановки, прогнозирование ее развития, решения, которые должна принять машина».