Фото: wired.com

Алгоритмы, разработанные для управления автомобилем после потери сцепления с дорогой, потенциально могут вмешиваться от имени водителей-людей.

Потеря сцепления во время вождения на высокой скорости, как правило, является очень плохой новостью. Ученые из Toyota Research Institute и Стэнфордского университета разработали пару беспилотных автомобилей, которые используют искусственный интеллект , чтобы делать это контролируемым образом — трюк, более известный как «дрифтинг» — чтобы расширить границы автономного вождения .

Два автономных автомобиля выполнили отчаянный трюк тандемного дрифта вокруг Thunderhill Raceway Park в Уиллоусе, Калифорния, в мае. В рекламном ролике два автомобиля ревут по трассе в нескольких футах друг от друга после того, как водители-люди отказываются от управления.

Крис Гердес , профессор Стэнфордского университета, который руководил его участием в проекте, рассказал WIRED, что разработанные для этого подвига методы в конечном итоге могут помочь будущим системам помощи водителю. «Одна из вещей, которую мы изучаем, — можем ли мы делать то же самое, что и самые лучшие водители-люди», — говорит Гердес.

Фото: wired.com

Будущие системы помощи водителю могут использовать алгоритмы, протестированные на калифорнийской трассе, чтобы вмешиваться, когда водитель теряет управление, выруливая автомобиль из неприятностей, как это сделал бы каскадер. «То, что мы сделали здесь, можно масштабировать для решения более крупных проблем, таких как автоматизированное вождение в городских условиях», — говорит Гердес.

Проект представляет собой наглядную демонстрацию высокоскоростной автономности, хотя беспилотные автомобили все еще далеки от совершенства. После десятилетия обещаний и шумихи такси теперь работают без водителя в некоторых ограниченных ситуациях. Однако транспортные средства по-прежнему склонны застревать и могут потребовать удаленной помощи.

Исследователи из Toyota и Стэнфордского университета модифицировали два спорткара GR Supra с помощью компьютеров и датчиков, которые отслеживают дорогу и другие транспортные средства, а также подвеску и другие свойства автомобилей. Они также разработали алгоритмы, которые объединяют передовые математические модели свойств шин и трассы с машинным обучением , которое помогает автомобилям самостоятельно обучаться искусству дрифта.

Мин Линь , профессор Мэрилендского университета, изучающая автономное вождение, говорит, что эта работа — захватывающий шаг вперед в деле помощи беспилотным автомобилям в работе в экстремальных условиях. «Одной из самых больших проблем для беспилотных автомобилей является безопасная работа в дождливые, снежные или туманные дни или при плохом освещении ночью», — говорит она.

Лин добавляет, что проект Toyota–Stanford демонстрирует важность объединения машинного обучения с физическими моделями в мире. «Хотя это только ранняя демонстрация, она явно движется в правильном направлении», — говорит она.

Toyota и Стэнфорд впервые продемонстрировали алгоритмы, которые позволили автономным автомобилям дрифтовать в 2022 году. Наличие двух транспортных средств, выполняющих этот трюк в тандеме, требует еще лучшего контроля и подразумевает взаимодействие транспортных средств друг с другом. Автомобили получали данные с кругов, пройденных профессиональными водителями. Их соответствующие компьютеры вычисляли задачу оптимизации до 50 раз в секунду, чтобы решить, как сбалансировать рулевое управление, дроссельную заслонку и тормоз.

Фото: wired.com

«То, что мы действительно здесь рассматриваем, — это как контролировать автомобиль на пределе производительности, когда шины скользят, в таких условиях, с которыми вы [столкнетесь] при езде по снегу или льду», — говорит Авинаш Балачандран, вице-президент подразделения Human Interactive Driving компании TRI. «Когда дело касается безопасности, быть обычным водителем просто недостаточно, поэтому мы действительно хотим учиться у лучших экспертов».

В последнее время мир увидел замечательные достижения в области ИИ благодаря большим языковым моделям , которые поддерживают такие программы, как ChatGPT. Однако, как показывает демонстрация двойного дрейфа, овладение беспорядочным, непредсказуемым физическим миром остается совершенно другим предложением.

«В LLM галлюцинация может и не быть концом света», — говорит Балачандран, имея в виду, как большие языковые модели будут неправильно трактовать факты. «Очевидно, что с автомобилем все может быть совсем иначе».