Swój wkład w szkolenie autonomicznych pojazdów mają również Polacy. Lubelska firma Simteract dostarcza Traffic AI, zaawansowany system będący inteligentną zewnętrzną biblioteką ruchu gotową do połączenia z danym projektem za pośrednictwem interfejsu API. Rozwiązanie pozwala na tworzenie zaawansowanych symulacji miast. Matematyczny model zachowania w ruchu oparty jest na inteligentnych algorytmach.
– Aby samochód inteligentny jeździł co najmniej z taką skutecznością jak człowiek, potrzebne jest do przejechania 18 mld km. Przy obecnych wysiłkach wszystkich firm zajmujących się tym tematem może to zająć nawet 500 lat. Nie mamy tyle czasu albo nie chcemy tyle na to czekać, dlatego coraz więcej firm skręca w stronę uczenia inteligentnych samochodów w wirtualnym świecie. Dzięki temu jesteśmy w stanie dużo szybciej tworzyć te mile, które samochód przejedzie – tłumaczy Marcin Jaśkiewicz, prezes zarządu Simteract.
Z kolei inżynierowie z firmy Intelicar postanowili usprawnić sam proces tworzenia narzędzi do nauczania sztucznej inteligencji. Opracowali oni algorytm częściowo automatyzujący tworzenie systemów uczenia maszynowego na potrzeby rynku motoryzacyjnego. Dzięki niemu firma może dostarczać symulatory wyspecjalizowane do pracy w ściśle określonych warunkach.
– Robimy symulator jazdy do nauki dla samochodów autonomicznych, w którym nie uczymy człowieka jeździć samochodem – uczymy autonomiczne samochody. Szkolenie samochodów autonomicznych jest kosztowne, trwa bardzo długo i przede wszystkim może być niebezpieczne dla innych uczestników ruchu drogowego. Dlatego nasz pomysł jest taki, żeby część tego procesu przenieść do świata wirtualnego. To znaczy jest to taki program, wewnątrz którego inny program uczy się po prostu jazdy samochodem – mówi Adam Rzepka, prezes zarządu Intelicar.
– Mamy technologię, dzięki której możemy bardzo szybko odwzorowywać realne miasta w wirtualnym świecie na podstawie danych geograficznych, zapełniać je ruchem drogowym. Dzięki temu klient nie musi ręcznie, żmudnie przygotowywać scenariuszy tych symulacji i to prowadzi do jeszcze większego przyspieszenia procesu – zauważa Adam Rzepka.
Prekursorem w uczeniu autonomicznych aut jest Nvidia. Drive Constellation to oparty na chmurze system do testowania autonomicznych pojazdów za pomocą fotorealistycznej symulacji w wirtualnej rzeczywistości. Drive Constellation to platforma obliczeniowa, oparta na dwóch różnych serwerach. Pierwszy uruchamia oprogramowanie Nvidia Drive Sim do symulacji czujników pojazdu autonomicznego, takich jak kamery, LIDAR i radar. Generuje również fotorealne strumienie danych w celu stworzenia szeregu różnych środowisk testowych, w tym zjawisk naturalnych, takich jak burze, śnieg, duże olśnienie, słabe światło oraz różne rodzaje nawierzchni i terenu.
Nvidia Drive Pegasus z kolei jest komputerem samochodowym ze sztuczną inteligencją, który obsługuje oprogramowanie pojazdu autonomicznego i przetwarza symulowane dane tak, jakby były podawane z czujników w prawdziwym samochodzie.
– Inteligentny samochód to jest kompleksowe rozwiązanie, więc trzeba zastosować bardzo dedykowane rozwiązania do każdego aspektu tego, czym taki inteligentny samochód musi zajmować się na drodze. A jak wszyscy wiemy, będąc kierowcami, to nie jest taka prosta sprawa – dodaje Marcin Jaśkiewicz.
Doprowadzenie samochodu autonomicznego do sterowania z ludzką skutecznością jest konieczne zwłaszcza z uwagi na względy bezpieczeństwa. W ubiegłym roku Uber wstrzymał testy autonomicznego samochodu osobowego po tym, jak w Arizonie doszło do tragicznego wypadku z jego udziałem. W wyniku potrącenia przez autonomiczne auto zginęła rowerzystka, pomimo obecności nadzorującego je kierowcy. Obecnie Uber jest jedną z firm, które zdecydowały się na szkolenie samochodów autonomicznych w warunkach wirtualnej rzeczywistości.
Obecnie jednym z największych graczy na rynku sztucznej inteligencji jest Google. Korporacja przez lata zdobywała doświadczenie w dziedzinie uczenia maszynowego, doskonaląc swoje algorytmy wyszukujące, a teraz za pośrednictwem spółki-córki DeepMind chce wejść na rynek motoryzacyjny. Inżynierowie DeepMind zaangażowali się w prace nad oprogramowaniem, które usprawni funkcjonowanie autonomicznych pojazdów od Waymo. Zespoły programistów z obu firm opracowały nowe narzędzia szkoleniowe wykorzystujące algorytmy uczenia maszynowego. Oprogramowanie uruchamiane jest na kilku symulatorach, a następnie każda wersja przechodzi niezależny proces szkolenia oraz testów. Kiedy te zakończą się, wdraża się najlepsze poprawki i ujednolica oprogramowanie. Następnie cały proces powtarza się wielokrotnie, aby otrzymać algorytm popełniający statystycznie najmniej błędów.
– Standardowo samochód autonomiczny pobiera informacje o świecie za pomocą sensora, w komputerze pokładowym generuje decyzję i aplikuje ją w systemie sterowania. Podmieniamy zewnętrzny świat, sensory i sterowanie na ich wirtualne odpowiedniki. W ten sposób oprogramowanie jest dokładnie takie samo, jak w samochodzie, a potem może być wgrane do docelowego samochodu. Nauka nie ma ograniczeń czasowych. Samochód musi się dostosowywać do nowych przepisów, nowego kraju, nowych zwyczajów kierowców. Kiedy zdarza się jakiś wypadek, którego nikt wcześniej nie przewidział, trzeba po raz kolejny przetrenować to samo zdarzenie w tysiącach wariantów – tłumaczy Rzepka.
