リカレントニューラルネットワークは、早期警報システムでAIを可能にします
- 詳細
- ヒット数：5778
で TUM 研究者は新しいものを持っています 早期警報システム のために 自律型車両 でそれを開発しました 人工知能 （AI）ベース リカレントニューラルネットワーク 何千もの実際の交通状況から学びます。 今日の自動運転開発車両の精度は85％を超えているため、システムは潜在的に重大な状況を7秒で警告できます。 今日でも、自動運転車はこれに単独で対処することはできません。 TUMはBMWグループと共同で調査を実施しました。
調査報告書の内容
人工知能への新しいアプローチ
そう 自動運転車 多くの開発者は、自動車が道路交通のすべての参加者の行動を評価できる洗練されたモデルに依存しています。 ただし、そのようなモデルが現在も不十分である、複雑で予期しない状況があります。
からのチーム ミュンヘン工科大学 （TUM）メディア技術の議長であり、TUMのミュンヘン工科大学（MSRM）の理事会のメンバーであるEckehardSteinbach教授が率いる。 人工知能により、システムは、自律テスト車両が実際のトラフィックでシステムの制限に達した以前の状況から学習できます。 このような状況では、安全上の理由からそうすることを決定したか、車が介入するように求めたために、人々は再び車両を制御します。
パターン認識のためのリカレントニューラルネットワーク
新しいテクノロジーが カメラ と センサー 環境と車両と環境条件を記録します。 これは、ハンドルの位置、道路の状態、天気または速度、および視界である可能性があります。 AIは、リカレントニューラルネットワーク（RNN）に基づいて、このデータからパターンを認識することを学習します。 テクノロジーが新しい運転状況のパターンを認識した場合、これは過去にこれらの状況で自動制御をすでに圧倒していたため、AIのおかげで潜在的に重大な状況をドライバーに早期に警告します。
「車両をより自律的にするために、これまでの方法の多くは、これまでの交通について車が何を理解しているかを調べ、車のベースとなるモデルを改善しています。 私たちの技術の大きな利点は、車の意見を完全に無視し、代わりに実際に起こっていることのデータを純粋に見て、パターンを見つけることです」と述べています。 スタインバッハ教授。 「このようにして、AIは、モデルで認識されていない、またはまだ認識されていない可能性のある重大な状況も検出します。 したがって、私たちのシステムは、車がいつどこで弱いかを知る安全機能を提供します。」
最大7秒前の警告とデータ収集
研究者は一緒に技術を持っています BMW そして、それらの自動開発車両は公道でテストされました。 ドライバーが介入しなければならなかった約2500の状況が評価されました。 この調査では、潜在的に重大な状況が発生する85秒前までに7％正確に予測できることがわかりました。
コンチネンタルの自動運転車| NVIDIAスーパーコンピュータ
テクノロジーが機能するには、大量のデータが必要です。 AIは、すでに行われたシステム境界の経験を認識して予測することしかできないからです。 開発車両の数が多いことを考えると、データはほぼ自動的に生成されます。 研究著者 クリストファー・クーン 「試乗中に潜在的に重大な状況が発生するたびに、新しいトレーニング例が失われます。」データの中央ストレージにより、すべての車両がフリート全体の記録から学習することが可能になります。
一般的な技術知識
リカレントニューラルネットワーク（RNN）は 同じ層のニューロンまたは異なる層のニューロンがフィードバックを提供するニューラルネットワーク。 RNNは、feedforwadネットワークよりも人間の脳のニューロン回路に似ています。 フィードバックのおかげで、タイムコード化された情報をデータで取得できます。 リカレントニューラルネットワークの例は、ジョーダンネットワーク、エルマンネットワーク、ホップフィールドネットワーク、および完全に相互接続されたニューラルネットワークです。
