Machine learning driver selvkørende tilgang fra Wayve

For den selvkørende bil, skånsomme, hvad kunne være mere en neglebider end at forestille sig din autonome bil på vej ned ad smalle bygader i Storbritannien, parkering tilladt på begge sider af den smalle sti med plads, på en våd, skyet dag, cyklister, små varevogne på din vej, i kryds, overalt, Værkerne.

Godt, Cambridge, UK-baserede Wayve gennem denne video "Urban Driving with End-to-End Deep Learning" lader dig vide, at dette kan gøres godt, og deres system har det hele nede.

Wayve er i branchen med selvkørende softwarestak baseret på maskinlæring. Ingen detaljerede kort.

Det, der er så specielt ved denne video, er, at du ser en selvkørende bil køre ned ad bygaderne, den aldrig har set før og uden et HD-kort over omgivelserne. Jon Fingas ind Engadget: "...Den havde aldrig set vejene før, og kørte kun på 20 timers træningsdata – den vidste ikke engang at køre i venstre side af vejen eller at sætte farten ned i kryds, hvor den ikke havde forkørselsret."

"Intelligent adfærd kan ikke håndkodes, men kan læres gennem erfaring, " sagde virksomhedens blog. "Vi har bygget et system, der kan køre som et menneske, kun ved hjælp af kameraer og en sat-nav. Dette er kun muligt med end-to-end machine learning."

De sagde, at deres autonomi-platform er bygget på Jaguar I-PACE fuldt elektrisk SUV.

Med hver sikkerhedsførerindgreb, de sagde, at deres system lærer og vil blive bedre. De sagde, at selvom det vil tage dem længere tid at nå deres første indsættelse, de rider "en fundamentalt anderledes kurve."

"Efter et årti med arbejde med selvkørende biler, andre hold løser stadig nye tekniske udfordringer med flere kort, flere regler og flere sensorer. Dette er usikkert, dyrt og kan ikke skaleres."

Vi fortæller ikke bilen, hvordan den skal køre med håndkodede regler:alt læres fra data, "Alex Kendall, CTO, sagt i TechCrunch , og tilgangen gør det muligt at navigere i kompleks, smalle europæiske bygader for første gang. "Ende-til-ende dyb læring, " sagde Kendall.

Hvorfor deres løsning betyder noget:"Det er et skridt nærmere autonome forlystelser, der kan navigere på ukendte veje og uventede situationer med relativ lethed, " sagde Fingas.

Mike Butcher ind TechCrunch citerede Kendall. "Hver gang en sikkerhedschauffør griber ind og tager over, bilen lærer at køre bedre. Vi fortæller ikke bilen, hvordan den skal køre, snarere lærer den at køre af erfaring, eksempel og feedback, ligesom et menneske."

Virksomheden taler om omkostningsfordelen, også. Selvkørende biler, der er afhængige af omfattende computerkraft, kan være dyre og tunge.

sagde Kendall ind TechCrunch at deres løsning "bruger compute/sensorer, som koster mindre end 10 procent af konkurrenterne. Faktisk, alt fungerer på hvad der svarer til en moderne bærbar computer. Dette reducerer vores sensor- og computeromkostninger (og strømkrav) massivt til mindre end 10 procent af traditionelle tilgange."

Hvad er det næste? De sagde, at de fortsat vil se en flåde af Jaguar I-PACE-køretøjer, der tester algoritmer og indsamler data i hele Storbritannien og det europæiske fastland.

De skal indsætte autonome køretøjer i 100 byer.

En interessant kommentar i TechCrunch sagde, "Jeg vil bare gerne udtrykke min bekymring over, at det er relativt nemt at træne netværket til at fungere korrekt i 90 % af tiden, men de forreste tilfælde er, hvor ulykker sker, og folk kommer til skade."

Peter Holleys tak i Washington Post :"Brug af maskinlæring - et system, hvor algoritmer ikke er håndkodede, men trænet over tid - virksomheden hævder, at deres køretøjer lærer på samme måde som menneskelige chauffører:gennem erfaring, fejl, feedback og efterligning. Træde i kræft, firmaet siger, bilen bliver ikke så meget lært at køre, men bliver instrueret i, hvordan man ikke må køre."

© 2019 Science X Network