Nowe podejście do zagadnień AI na drodze do wdrożenia w pełni autonomicznej jazdy: Audi na kongresie NIPS
- W Kalifornii odbywa się konferencja poświęcona AI – sztucznej inteligencji
- Innowacyjny projekt Audi: sieć neuronowa generuje bardzo precyzyjne, trójwymiarowe modele otoczenia
- Światowa sieć firm pracujących nad zagadnieniami sztucznej inteligencji
Ingolstadt, 3 grudnia 2017 r. Audi z pełną mocą kontynuuje prace prowadzące do wdrożenia w pełni autonomicznej jazdy. Na najważniejszym światowym sympozjum poświęconym sztucznej inteligencji (AI) – NIPS w Long Beach w Kalifornii, koncern z Ingolstadt prezentuje innowacyjny, wstępny i rozwojowy projekt z tej dziedziny. Dotyczy on wykorzystywania kamery posługującej się AI do generowania bardzo precyzyjnych, trójwymiarowych obrazów otoczenia pojazdu. Audi jest jednym ze sponsorów tego odbywającego się w dniach od 4 do 9 grudnia wydarzenia.
Nowe Audi A8 jest pierwszym na świecie samochodem, w którym wdrożono elementy jazdy automatycznej na poziomie 3 (wg. klasyfikacji SAE). Asystent jazdy w korkach Audi AI przejmuje zadanie prowadzenia pojazdu w spowolnionym ruchu, gdy prędkość pojazdu nie przekracza 60 km/h. Funkcja ta zostaje włączona wtedy, gdy kierowca sobie tego wyraźnie życzy, a prawo miejscowe zezwala na wykorzystywanie tego systemu. By jednak automatyczna jazda mogła zafunkcjonować prawidłowo, przez cały czas podróży niezbędny jest na tyle precyzyjny, na ile to możliwe, wygenerowany obraz najbliższego otoczenia pojazdu. Kluczową w tym procesie techniką jest właśnie AI – sztuczna inteligencja.
Podczas konferencji i warsztatów poświęconych systemom neuronowym (Conference and Workshop on Neural Information Processing Systems – NIPS), zespół projektowy firmy Audi Electronics Venture (AEV), spółki-córki Audi AG, prezentuje tzw. mono kamerę wykorzystującą sztuczną inteligencję AI do generowania bardzo precyzyjnych, trójwymiarowych obrazów otoczenia pojazdu. Technika ta umożliwia uchwycenie i wytworzenie takich obrazów z wysoką dokładnością.
Zasada działania systemu: konwencjonalna kamera montowana w przodzie pojazdu pełni tu rolę czujnika. Rejestruje wygląd otoczenia z przodu samochodu, obejmując przestrzeń o szerokości ok. 120 stopni i dostarczając 15 obrazów o rozdzielczości 1,3 megapikseli na sekundę. Obrazy te są następnie przetwarzane w sieć neuronową. Następuje tu segmentacja semantyczna, gdzie każdy piksel przyporządkowywany jest do jednej z trzynastu klas obiektów. Umożliwia to systemowi identyfikację i rozróżnienie obiektów napotykanych na drodze: innych samochodów, ciężarówek, budynków, ludzi, oznaczeń na jezdni i znaków drogowych.
System wykorzystuje sieci neuronowe również do tworzenia informacji o odległości od innych obiektów. Wizualizacja tego następuje z wykorzystaniem tzw. linii ISO – wirtualnych granic definiujących stałą odległość. Kombinacja semantycznej segmentacji i szacowania głębi i odległości, pozwala na wytworzenie precyzyjnych, trójwymiarowych modeli aktualnego otoczenia.
Wcześniej, inżynierowie Audi „przeszkolili” sieć neuronową wykorzystując metodę tzw. uczenia bez nadzoru. Uczenie bez nadzoru, w przeciwieństwie do tzw. uczenia nadzorowanego, jest metodą uczenia się na podstawie obserwacji okoliczności i scenariuszy, które nie wymagają posortowanych i sklasyfikowanych wcześniej danych. Sieć neuronowa została w tym wypadku zasilona szeregiem filmów przedstawiających różne sytuacje drogowe, nagranych przy użyciu kamery stereo. W wyniku tego, nauczyła się samodzielnie rozumieć reguły, których używa później do generowania trójwymiarowych informacji, powstających z przetworzenia obrazów pozyskiwanych z mono kamery. Projekt AEV ma ogromny potencjał interpretowania różnych sytuacji drogowych.
Na stoisku Audi na tegorocznej konwencji NIPS, obok AEV, również dwa inne podmioty wchodzące w skład Grupy Volkswagen prezentują swe projekty z dziedziny AI. Dział Badań Fundamentalnych AI, wchodzący w skład Data:Lab, specjalnej grupy IT koncernu, skupia się na technikach uczenia bez nadzoru i na zoptymalizowanej kontroli przez wnioskowanie wariacyjne, czyli przez wydajną metodę prezentacji rozkładu prawdopodobieństwa.
Wreszcie zespół Audi z Electronics Research Laboratory of Belmont w Kalifornii pokazuje bazujące w 100% na zasadach AI rozwiązanie służące do parkowania na wyznaczonych miejscach parkingowych i do jazdy po autostradzie. W przedstawionym tu projekcie procesu, prowadzenie samochodu powierzono w całości sieciom neuronowym. Sztuczna inteligencja AI uczy się samodzielnie generować modele otoczenia na podstawie danych pozyskiwanych z kamery oraz również samodzielnie prowadzić auto. Takie podejście nie wymaga dokładnie sprecyzowanej lokalizacji i dokładnych map.
Opracowując systemy jazdy automatycznej i autonomicznej, Audi czerpie z doświadczeń wielu firm specjalizujących się w pracach nad sztuczną inteligencją. Najważniejsze z nich zlokalizowane są w Dolinie Krzemowej, w Europie i w Izraelu.
Audi było pierwszym producentem samochodów, który w roku 2016 wziął udział w NIPS pokazując własną ekspozycję. W tym roku, cztery pierścienie pojawiły się na kongresie jako jeden ze sponsorów, stawiając sobie za cel dalszą rozbudowę swej sieci współpracy w Kalifornii. Koncern oferuje tu również możliwości zatrudnienia w Audi dla specjalistów z dziedziny AI.
Podczas konferencji i warsztatów poświęconych systemom neuronowym (Conference and Workshop on Neural Information Processing Systems – NIPS), zespół projektowy firmy Audi Electronics Venture (AEV), spółki-córki Audi AG, prezentuje tzw. mono kamerę wykorzystującą sztuczną inteligencję AI do generowania bardzo precyzyjnych, trójwymiarowych obrazów otoczenia pojazdu. Technika ta umożliwia uchwycenie i wytworzenie takich obrazów z wysoką dokładnością.
Zasada działania systemu: konwencjonalna kamera montowana w przodzie pojazdu pełni tu rolę czujnika. Rejestruje wygląd otoczenia z przodu samochodu, obejmując przestrzeń o szerokości ok. 120 stopni i dostarczając 15 obrazów o rozdzielczości 1,3 megapikseli na sekundę. Obrazy te są następnie przetwarzane w sieć neuronową. Następuje tu segmentacja semantyczna, gdzie każdy piksel przyporządkowywany jest do jednej z trzynastu klas obiektów. Umożliwia to systemowi identyfikację i rozróżnienie obiektów napotykanych na drodze: innych samochodów, ciężarówek, budynków, ludzi, oznaczeń na jezdni i znaków drogowych.
System wykorzystuje sieci neuronowe również do tworzenia informacji o odległości od innych obiektów. Wizualizacja tego następuje z wykorzystaniem tzw. linii ISO – wirtualnych granic definiujących stałą odległość. Kombinacja semantycznej segmentacji i szacowania głębi i odległości, pozwala na wytworzenie precyzyjnych, trójwymiarowych modeli aktualnego otoczenia.
Wcześniej, inżynierowie Audi „przeszkolili” sieć neuronową wykorzystując metodę tzw. uczenia bez nadzoru. Uczenie bez nadzoru, w przeciwieństwie do tzw. uczenia nadzorowanego, jest metodą uczenia się na podstawie obserwacji okoliczności i scenariuszy, które nie wymagają posortowanych i sklasyfikowanych wcześniej danych. Sieć neuronowa została w tym wypadku zasilona szeregiem filmów przedstawiających różne sytuacje drogowe, nagranych przy użyciu kamery stereo. W wyniku tego, nauczyła się samodzielnie rozumieć reguły, których używa później do generowania trójwymiarowych informacji, powstających z przetworzenia obrazów pozyskiwanych z mono kamery. Projekt AEV ma ogromny potencjał interpretowania różnych sytuacji drogowych.
Na stoisku Audi na tegorocznej konwencji NIPS, obok AEV, również dwa inne podmioty wchodzące w skład Grupy Volkswagen prezentują swe projekty z dziedziny AI. Dział Badań Fundamentalnych AI, wchodzący w skład Data:Lab, specjalnej grupy IT koncernu, skupia się na technikach uczenia bez nadzoru i na zoptymalizowanej kontroli przez wnioskowanie wariacyjne, czyli przez wydajną metodę prezentacji rozkładu prawdopodobieństwa.
Wreszcie zespół Audi z Electronics Research Laboratory of Belmont w Kalifornii pokazuje bazujące w 100% na zasadach AI rozwiązanie służące do parkowania na wyznaczonych miejscach parkingowych i do jazdy po autostradzie. W przedstawionym tu projekcie procesu, prowadzenie samochodu powierzono w całości sieciom neuronowym. Sztuczna inteligencja AI uczy się samodzielnie generować modele otoczenia na podstawie danych pozyskiwanych z kamery oraz również samodzielnie prowadzić auto. Takie podejście nie wymaga dokładnie sprecyzowanej lokalizacji i dokładnych map.
Opracowując systemy jazdy automatycznej i autonomicznej, Audi czerpie z doświadczeń wielu firm specjalizujących się w pracach nad sztuczną inteligencją. Najważniejsze z nich zlokalizowane są w Dolinie Krzemowej, w Europie i w Izraelu.
Audi było pierwszym producentem samochodów, który w roku 2016 wziął udział w NIPS pokazując własną ekspozycję. W tym roku, cztery pierścienie pojawiły się na kongresie jako jeden ze sponsorów, stawiając sobie za cel dalszą rozbudowę swej sieci współpracy w Kalifornii. Koncern oferuje tu również możliwości zatrudnienia w Audi dla specjalistów z dziedziny AI.
