به گزارش پایگاه خبری«عصر خودرو» به نقل از گیزمگ، خودروهای خودران با وجود تبلیغات زیاد، هنوز در انجام کارهای بسیار سادهای مانند تشخیص پیادهرو یا چراغ راهنمایی که برای رانندگان انسانی ساده است، ناکارآمد هستند.
محققان "مرکز بینش رایانه" در بارسلونا اکنون مدل Synthia را ارائه کردهاند که مانند یک مدرسه رانندگی مجاری، به تعلیم هوش مصنوعی خودرهای خودران برای شناسایی و مدیریت انواع مختلف موانع و موقعیتها، حتی در هوای بارانی و برفی میپردازد.
شبکههای عصبی که اجزای اصلی هوشهای مصنوعی راننده هستند، توسط مجموعه گستردهای از تصاویر و فیلمهای جهان واقعی تعلیم داده میشوند تا به دقت بتوانند گروههای مختلف اجسام مانند خودروها، عابران پیاده، علائم جاده و غیره را تشخیص دهند. نرمافزار سپس با استفاده از این گروهبندیها میتواند ورودی زمان واقعی دوربینهای خودرو را تعبیر کرده و در مورد ترمز کردن، گاز دادن یا استفاده از چراغ راهنما برای تغییر لاین تصمیم بگیرد.
با اینکه هوش مصنوعی راننده به جمعآوری حجم زیادی از اطلاعات در شرایط رایجی مانند رانندگی در بزرگراه که کار نسبتا آسانی است، میپردازد، تلاش برای مدیریت رویدادهای نادری مانند تصادف خودرو، واکنش آمبولانسها به شرایط اضطراری یا خودروهای ساختمان سازی میتواند کار مشکلی باشد زیرا باید نمونههای کافی از اطلاعات جهان واقعی جمعآوری شود تا نرمافزار بر اساس آنها آموزش ببیند.
بدتر اینکه یک عملگر انسانی باید به صورت دستی تمام اجسام مختلف در تصاویر را در سطح پیکسلی برچسبگذاری کرده و برای مثال جاده را از پیادهرو و علائم را از عابر جدا کند.
محققان اسپانیایی اکنون راهی برای تشریح صحیح عکسها بطور خودکار و آموزش نرمافزار راننده در چگونه رفتار کردن در غیرعادیترین شرایط از درون یک بازی ویدیویی پیدا کردهاند.
آنها با استفاده از موتور بازی محبوب "یونیتی" نه تنها یک مدل شبیهسازی شده از یک شهر و اطراف آن به همراه عابران پیاده، موتورسواران و اتوبوسهای با موقعیت پارک بد را ارائه کردهاند، بلکه همچنین یک سیستم آبوهوایی پیچیده برای آن طراحی کردند که شامل بارندگی و فصلهای مختلف است. محققان سپس یک خودروی مجازی را درون این شبیهسازی طراحی کرده، موقعیت و جهتهای خاص را برای دوربینهای اتوپایلوت آن انتخاب کردند و با به حرکت در آوردن خودرو در جهان مجازی، به ثبت فیلم و تصویر از دیدگاه دوربین خودرو پرداختند.
از آنجایی که هوش مصنوعی میتواند به دقت صحنههای ضبط شده توسط دوربینها را شناسایی کند، سیستم میتواند مجموعه بسیار بزرگی از تصاویر و فیلمهای واقعی با توضیح بیعیب و نقص را تولید کند که محققان آن را Synthia نامیدهاند.
این دادهها در کنار تصاویر جهان واقعی میتوانند برای تعلیم به شبکه عصبی تغذیه شود که نیاز به تشریح دستی زمانبر و پر کار را از بین میبرد و حتی به نرمافزار راننده کمک میکند تا برخی از اجسام را که معمولا با آنها مشکل داشته، شناسایی کند.
دانشمندان همه دادههای تولید شده توسط Synthia را با مجوز عمومی برای کاربری غیرخصوصی منتشر کردهاند تا بازخورد آنها را دریافت کرده و پلتفرم خود را توسعه دهند.