211service.com
Tesla zou de ogen van de stuurautomaat kunnen vervangen door iets veel geavanceerder
Waartoe zal het nieuwe brein van Tesla in staat zijn?
Het autobedrijf kondigde vorige week aan dat het niet langer gebruik zou maken van een vision-systeem van MobileEye, een Israëlisch bedrijf dat technologie levert aan veel autofabrikanten. Dit komt een paar weken nadat de National Highway Traffic Safety Administration aankondigde dat het onderzoek deed naar een dodelijk ongeval dat plaatsvond terwijl een van Tesla's auto's in de Autopilot-modus stond, een systeem dat is ontworpen om automatisch rijden onder toezicht van een bestuurder mogelijk te maken. Het is onduidelijk waarom Tesla MobileEye laat vallen, maar een van de redenen kan de opkomst zijn van nieuwere benaderingen van geautomatiseerd rijden.
MobileEye biedt wat neerkomt op een geavanceerd beeldherkenningssysteem dat in staat is verkeersborden of obstakels, zoals andere auto's of voetgangers, op de weg voor u te identificeren. Het bedrijf heeft gezegd dat het gebruik maakt van deep learning, een populaire machine learning-techniek die gebaseerd is op het trainen van een veellagig netwerk van gesimuleerde neuronen om input te herkennen aan de hand van een groot aantal trainingsvoorbeelden.
Tesla heeft niet openbaar gemaakt hoe zijn semi-automatische rijtechnologie werkt, maar het neemt hoogstwaarschijnlijk informatie van het MobileEye-systeem, evenals gegevens van radar- en ultrasone sensoren, en gebruikt die om rijbeslissingen te nemen.
Tesla kan eenvoudig zijn eigen visiesysteem ontwerpen, puur ontworpen voor geautomatiseerd rijden. Het bedrijf wilde geen commentaar geven, maar het heeft expertise opgebouwd op het gebied van machinevisie en heeft experts op dit gebied geworven.
In het verleden gebruikten geautomatiseerde rijsystemen door ingenieurs met de hand gecodeerde regels om obstakels te herkennen en cruciale beslissingen op de weg te nemen. Regels worden echter steeds vaker vervangen door machine learning, een manier om een systeem te trainen hoe zich te gedragen met behulp van massa's gegevens. Met name deep learning zal worden gebruikt om auto's niet alleen te leren hoe ze moeten zien, maar ook hoe ze correct moeten rijden. Komende systemen zullen machine learning gebruiken om meer te doen dan alleen objecten op de weg te herkennen - het kan bijvoorbeeld de afstand tot een obstakel of zelfs zijn traject identificeren. Het is ook mogelijk dat machine learning helpt bij de bewegingsplanning van een auto en zelfs bij de besturing van de aandrijfsystemen.
Nvidia, dat hardware levert aan veel autofabrikanten, waaronder Tesla, heeft een systeem gedemonstreerd dat deep learning gebruikt om alles op een zelfrijdend prototype te besturen. Dit was echter puur een experimenteel prototype en weerspiegelt niet noodzakelijk een toekomstig Nvidia-aanbod. De hardwaremaker wilde niet reageren op dit artikel.
Ignmar Posner , een docent aan de Universiteit van Oxford en een expert in het toepassen van machine learning op robotsystemen, waaronder zelfrijdende voertuigen, zegt dat deep learning waarschijnlijk een complexere interpretatie van scènes zal krijgen in toekomstige rijsystemen.
'Ik denk dat de toepassingen in autonoom rijden zullen toenemen naarmate er meer detectiemodaliteiten worden geïntroduceerd, zoals radar en lidar, en omdat er verschillende outputs nodig zijn', zegt Posner. 'Stel je bijvoorbeeld een systeem voor dat van tevoren leert te anticiperen op handelingen van een bestuurder en controleert of deze veilig zijn.'
Sommige startups werken al aan meer geavanceerde, op deep learning gebaseerde rijsystemen die binnenkort commercieel beschikbaar kunnen komen.
Drive.ai, een bedrijf dat is opgericht door een groep AI-onderzoekers van Stanford University, ontwikkelt een geavanceerd geautomatiseerd rijsysteem dat het uiteindelijk aan autofabrikanten zal aanbieden. Net als het systeem van Nvidia, maakt Drive.ai gebruik van deep learning voor meer elementen van geautomatiseerd rijden, waaronder beeldherkenning en elementen van bewegingsplanning en -besturing. In april van dit jaar ontving Drive.ai een licentie om autonome voertuigen te testen op de weg in Californië, het 13e bedrijf dat een dergelijke toestemming kreeg.
'We realiseerden ons dat autorijden deze geweldige toepassing van diepgaand leren is, en als het goed wordt gedaan, is het een manier om de wereld te veranderen', zegt Carol Reiley, een roboticus en medeoprichter van Drive.ai. 'Het is een zeer datagedreven, diepgaande leerbenadering van autorijden.
Na jaren van langzame en gestage vooruitgang verandert de auto-industrie nu in een buitengewoon tempo, waarbij verbrandingsmotoren en krukassen minder belangrijk worden dan computers, sensoren en code (zie 'Rebooting the Automobile'). Dat een bedrijf als Drive.ai, bemand door computerwetenschappers en AI-experts, klaar zou kunnen zijn om een belangrijke nieuwe technologie voor autofabrikanten te introduceren, zegt veel over deze transformatie. Maar het is ook van cruciaal belang dat dit soort expertise de autowereld bezielt, aangezien technieken voor machinaal leren, zoals deep learning, fundamenteel anders zijn (zie 'Als een auto zonder bestuurder slecht gaat, weten we misschien nooit waarom').
Reiley legt uit dat dit een groot aandachtsgebied is voor Drive.ai. 'Bij autonoom rijden is veiligheid zo cruciaal', zegt ze. 'Een van de dingen waar we sterk over nadenken, is hoe we deep-learningsystemen semi-transparant kunnen testen. Dat mensen in ieder geval de input kunnen begrijpen en verwachte output hebben.'
Drive.ai betreedt een concurrerende markt. Google test al geruime tijd zelfrijdende auto's, met als doel de technologie uiteindelijk aan autofabrikanten aan te bieden. Het gerucht gaat dat Apple ook een geautomatiseerd rijsysteem ontwikkelt, hetzij voor zijn eigen voertuig, hetzij voor een product dat aan bestaande autofabrikanten zou worden aangeboden.
Posner van de Universiteit van Oxford zegt dat nieuwe en verbeterde detectiemogelijkheden die zijn ontwikkeld voor geautomatiseerde voertuigen, moeten leiden tot betere mobiele robots voor veel industriële omgevingen, zoals mijnbouw en magazijnlogistiek. 'Dit punt wordt vaak gemist', zegt Posner. 'Autonome auto's vertegenwoordigen eigenlijk maar een kleine subset van de toepassingsdomeinen die deze technologie zal raken.'