استفاده از یادگیری ماشینی در بهبود عملکرد خودروهای خودران، عملی شد
دو مهندس هوش مصنوعی با درجه دکتری دانشگاه کمبریج از یادگیری ماشینی به عنوان پایه و اساس خودروی خودران استفاده کردند. استارتاپ راهاندازی شده توسط این دو دانشمند Wayve نام دارد و به تازگی ویدئویی از خودروی رنو توئیزی (Renault Twizy) منتشر کرده است که در زمان ۲۰ دقیقه میتواند به کمک یادگیری ماشینی، الگوی رانندگی در مسیر منحنی را فرا بگیرد و طبق آن حرکت کند. عمار شاه و الکس کندل، بنیانگذاران Wayve معتقدند که با افزایش توان علم مهندسی، مشکلات بیشتری در زمینه فناوری خودروی خودران حل خواهد شد.
عمار شاه، یکی از بنیانگذاران و مدیرعامل Wayve میگوید:
قطعه گمشده از پازل فناوری خودران، الگوریتمهای هوشمند هستند نه حسگرها، قوانین و نقشهها. انسانها توانایی شگفتانگیزی برای انجام وظایف پیچیده در دنیای واقعی دارند، زیرا مغز به ما اجازه میدهد سریعا یاد بگیریم و دانش خود را از طریق تجربیات بسیار کسب کنیم. ما میخواهیم وسایل نقلیه خود را از نظر مغز بهتر کنیم و نه اینکه سختافزار بیشتری در آنها به کار بگیریم.
تیم Wayve با توجه به این رویکرد، خودروی رنو توئیزی را با یک دوربین واحد در جلو و با توانایی کنترل رایانهای گاز، ترمز و فرمان تغییر داد. آنها دوربین را به واحد پردازش گرافیکی که توانایی هوشمند در تجزیه و تحلیل دادههای دوربین به صورت همزمان داشت، متصل کردند؛ همچنین از یک برنامه یادگیری براساس آزمایش، بهینهسازی و ارزیابی کمک گرفتند که باعث بهبود یادگیری ماشینی میشد.
خودروی خودران رنو توئیزی در یک مسیر منحنی باریک و با راننده در پشت فرمان برای تعقیب خط به حرکت درآمد. در ادامه کنترل تمام اجزای خودروی خودران به نرمافزار و هوش مصنوعی واگذار شد و آن را به حال خود رها کردند. تیم Wayve به خودرو اجازه دادند تا با استفاده از سعی و خطا و تغییر پارامترها، کنترل مسیر را انجام دهد.
هر زمانی که خودروی خودران رنو توئیزی به بیرون از مسیر میرفت، تیم فرآیند را متوقف کرده و الگوریتم را تصحیح کردند. الگوریتم به خاطر انجام اشتباه با مجازات روبهرو شد و هنگام انجام درست نیز جایزه گرفت تا بتواند بدون مداخله انسان رانندگی کند. در عرض ۲۰ دقیقه آنها کمتر از ۲۰ آزمایش انجام دادند و خودروی خودران یاد گرفت که چگونه مسیر یک خط منحنی را دنبال کند.
عمار شاه گفت:
فناوری مورد استفاده توسط شرکت دیپمایند (Deepmind) به ما نشان داد که روشهای یادگیری تقویتی عمیق در بسیاری از بازیها از جمله شطرنج و سایر بازیهای فکری رایانهای، تقریبا همیشه از هر سیستم مبتنی بر قانون، بهتر است. ما در اینجا نشان میدهیم که فلسفه مشابهی نیز در دنیای واقعی و به ویژه در وسایل نقلیه مجهز به فناوری خودران امکانپذیر است.
مسئولان Wayve معتقدند که طی دهه آینده کیفیت سیستمهای یادگیری، عامل اصلی موفقیت در بازار خودروهای خودران (مستقل) است.
عمار شاه ادامه داد:
تصور کنید ناوگان خودروهای خودران با الگوریتم رانندگی که در ابتدا ۹۵ درصد کیفیت راننده انسانی است، مورد استفاده قرار گیرد. چنین سیستمی مانند مدل تصادفی شروع شده در ویدیوی نمایشی ما، در ابتدا با چراغهای راهنمایی، تقاطعها، میادین و سایر موانع ترافیکی تعامل کمی دارد. اما پس از یک روز کامل رانندگی در مسیر پیشرفت گام برمیدارد و با بر حذف راننده انسانی میتواند به بهبود ۹۶ درصدی دست یابد. سیستم پس از یک هفته این رقم به ۹۸ درصد، پس از یک ماه به ۹۹ درصد و بعد از چند ماه دقیقا میتواند مانند انسانها فوقالعاده عمل کند و بازخوردهای ایمنی بسیاری از رانندگان مختلف را در شرایط گوناگون ارائه دهد.
قطعا در حال حاضر برای عملیات خودران از عناصر یادگیری و یادگیری شبکهای استفاده میشود و در آن حضور دارند. به عنوان مثال سیستم نیمه خودران اتوپایلوت (Autopliot) تسلا، هر گونه خطایی که راننده انجام میدهد ثبت میکند و از آن برای کمک به آموزش سایر خودروهای الکتریکی تسلا در همان منطقه استفاده خواهد کرد. اما ایده اجازه دادن به خودروی خودران برای ساخت مدل برای تعامل با جهان خارج، بسیار شبیه به راننده انسانی از جذابیت زیادی برخوردار است.
روند یادگیری ماشینی خودروی خودران رنو توئیزی در ویدیوی ۲ دقیقهای زیر نشان داده شده است. نظرات خود را در مورد فناوری خودران، کارکرد یادگیری ماشینی و هوش مصنوعی در آن با زومیت در میان بگذارید.
ویدئو
نظرات