Selvkørende biler er trænet til at fungere med ekstrem forsigtighed, men der opstår køresituationer, hvor selvkørende køretøjer skal manøvrere med høje hastigheder for at undgå kollisioner. Kan disse køretøjer, udstyret med højteknologiske sensorer for titusindvis af dollars og programmeret til "normal" kørsel, træffe disse beslutninger hurtigere end et menneske?
Ingeniørerne har måske svaret. Stanford UniversityDe har skabt et neuralt netværk, der gør det muligt for førerløse biler at udføre hurtige manøvrer med lav friktion, ligesom racerkørere. Når de har perfektioneret systemet, vil de... førerløse biler havde evner, der overgår menneskelige, som det er 94 procent af trafikulykkerne skyldes menneskelige fejl.
Forskere mener, at dette er et vigtigt skridt i retning af at forbedre selvkørende køretøjers evne til at undgå ulykker.
"Vi ønsker, at vores algoritmer skal være lige så gode som de dygtigste chauffører – og forhåbentlig bedre," sagde han. Nathan Spielberg, en kandidatstuderende i maskinteknik på Stanford og hovedforfatter til en artikel, der for nylig blev offentliggjort i tidsskriftet Videnskabelig robotik. "Vores arbejde er motiveret af at øge trafiksikkerheden, og vi ønsker, at autonome køretøjer skal kunne operere i en bred vifte af scenarier, fra normal kørsel på asfalt til højhastighedskørsel med lav friktion på is og sne." Holdet brugte en type kunstig intelligens-algoritme kaldet et neuralt netværk, som er baseret på de neurale netværk i vores hjerner, til at skabe det selvkontrolsystem. Neurale netværk er en type maskinlæring, hvor programmører bygger modeller, der behandler store datasæt og leder efter mønstre. Disse netværk bruges til at drive "hjernen" i et autonomt køretøj, typisk højtydende grafikprocessorer, der er lagret i bagagerummet på hvert køretøj, og som styrer beslutningsprocessen.
Stanford-holdet trænede et neuralt netværk med data fra 200.000 kørselsmønstre, inklusive prøvekørsler på glatte overflader som sne og is. De tog derefter deres system til Thunderhill Raceway i Sacramento Valley for at teste det. Stanford-teamet brugte to biler i deres tests: en selvkørende bil Volkswagen Golf og autonom Audi TTS.
De siger, at de er opmuntrede af resultaterne, men understreger, at deres neurale netværkssystem endnu ikke fungerer godt nok i forskellige miljøer og forhold. Men de siger, at de med omfattende test og en stigning i køredatabasen også vil løse de sidste problemer, der adskiller dem fra et system, der vil fungere bedre end en menneskelig chauffør.
Kilde:
theverge.com
