Jobb intelligenciateszt autonóm vezetési rendszerek számára

2015-ben Elon Musk még 2018-ra jósolta a teljesen autonóm járművek megjelenését. 2014-ben pedig a Nissan több, kereskedelmileg életképes vezető nélküli autót ígért a piacra 2020-ig. Egyik sem teljesült, és ez nem csak a pandémiának köszönhető. Az Összekapcsolt és Automatizált Közlekedési Központ (CCAT) Nature Communications című szaklapban nemrég megjelent tanulmánya szerint az autonóm járművek fejlesztését hátráltató egyik akadály az, hogy az autonóm járművek tesztelése és értékelése nem megfelelő.

Forrás: Techxplore

Az autonóm járművek iránti lelkesedésnek több oka is van, de leginkább annak köszönhető, hogy a közlekedési balesetek számának csökkenését várják tőle, és úgy látják, hogy jobb hozzáférést biztosíthatnak az egészségügyhöz, oktatáshoz és munkalehetőségekhez a hátrányosabb helyzetű közösségek számára. A szélesebb körű alkalmazáshoz azonban biztonságosnak kell lenniük, és számos szigorú teszten kell bizonyítaniuk intelligenciájukat egy emberi vezetőhöz hasonlítva. Egyelőre viszont nincs sztenderd teszt az autonóm járművek alkalmasságának bizonyítására. A jelenlegi tesztek kombinálják a szoftveres szimulációt, a zárt pályás és az utakon történő vizsgálatokat.

A szimulációval és a zárt pályás teszteléssel az a gond, hogy az érdekes események, köztük a balesetek is, ritkán következnek be. Így a rendszereknek több száz millió levezetett kilométerre van szükségük ahhoz, hogy a biztonságosságukat bizonyítsák. A Waymo eddig 15 milliárd mérföldet tett meg szimulációs tesztek során. Forgatókönyv alapú tesztelést használtak a gyakorlatban, melynek során biztonsági szakértők által tervezett vagy utakon végzett tesztek során gyűjtött veszélyhelyzetek fordulnak elő, ezekre tesztelik az autonóm jármű válaszát. Ezek azonban egyedi forgatókönyvek és nem listázhatók. Jellemzően egyszerű manővereket, kisszámú járművet és rövid vezetési időt tartalmaznak. A Dr. Liu és csapata által vezetett kutatások célja az volt, hogy természetes és kiszámíthatatlan vezetési környezetet (NADE) teremtsen, mely várhatóan hatékonyabbá teszi a zárt pályás és szimulációs teszteket.

Dr. Henry Liu, a Michigani Egyetem építőmérnök professzora egy szimulált vezetési környezetet épített fel a széleskörű naturalisztikus vezetési adatok felhasználásával, amelyeket a Michigani Egyetem Közlekedési Kutatóintézete (UMTRI) gyűjtött. Az újonnan javasolt vizsgálati módszer felkészíti a háttérjárműveket, hogy mikor kell végrehajtaniuk bizonyos kiszámíthatatlan, veszélyes manővereket, miközben a vezetési környezet nagy részét naturalisztikusan tartja.

Más forgatókönyv alapú megközelítésekkel szemben a NADE folyamatos, megszakítatlan kommunikációt tesz lehetővé az AV-k és a háttér járművek között. Például, ha egy kutató városi környezetben akarja tesztelni az autóját, ezzel a megközelítéssel a teszt AV folyamatosan haladhat és számos veszélyes manővert megtapasztalhat más járművek részéről, például azt, ha bevágnak elé, vagy hirtelen fékeznek előtte. Az eredmények azt mutatják, hogy ez a környezet több nagyságrenddel javítja a jelenleg elérhető opciók hatékonyságát, így várhatóan felgyorsíthatja az autonóm járművek telepítését.

A javasolt módszertant, valamint Dr. Liu kibővített valóság tesztkörnyezetét 2021-ben az Amerikai Mobilitási Központban (ACM) fogják alkalmazni. A 2016-ban alapított American Center for Mobility egy intelligens városi tesztközpont, amely 500 hektáron terül el a michigan-i Ypsilantiban. A Központ a kormány, és ipari és akadémiai szervezetek együttműködésével jött létre, kutatással, teszteléssel, sztenderdek kifejlesztésével és oktatási programokkal segíti a mobilitási iparág fejlődését. Céljuk, hogy Délkelet-Michigan váljon az autonóm járműtesztelés és engedélyezés fő helyszínévé.

„Egy mérföld megtétele a Központ kibővített valóság szimulációjában, a NADE rendszerével, felér több száz vagy több ezer utakon végzett teszttel. Ez drámaian csökkenti a költségeket és a tesztelési időt, amellett, hogy lehetőséget nyújt az autonóm járművek biztonságosabb, kontrolláltabb, megismételhetőbb tesztkörnyezetben való vizsgálatára,” mondta az ACM vezérigazgatója, Reuben Sarkar.

Forrás: Techxplore

https://techxplore.com/news/2021-02-intelligence-autonomous.html