Технология беспилотного вождения в плохих дорожных и погодных условиях

Сегодня мы хотим рассказать вам об одной нашей технологии, которая (без ложной скромности) стала прорывной в сфере беспилотного наземного транспорта. В чём именно прорыв? А вот в чём. Известные современные беспилотные автомобили (например, Google) отлично справляются со своими задачами на сухих, ровных дорогах, но в плохих погодных условиях и на некачественных дорогах они не могут передвигаться. Понимая, что таких дорог большинство (и речь не только о России: стёртая разметка, дожди и снегопады есть на дорогах любой страны), мы решили взяться за разработку такой технологии, которая обеспечит безопасное автономное вождение практически в любых условиях. И разработали! И сорвали аплодисменты.

В статье мы постарались описать Cognitive low level data fusion максимально просто, но иногда без некоторого погружения в научные описания не обойтись – мы их выделили курсивом. Не пугайтесь, там все довольно понятно. 

Роботизация процесса безопасного управления автомобилем стала принципиально возможной благодаря обучению искусственного интеллекта. Основываясь на том, как мозг животных связывает свои “белковые” нейронные сети (НС), математики сегодня могут создавать и обучать компьютерные НС, и возможность этого обучения – большое преимущество перед традиционными алгоритмами. 

В процессе обучения нейронная сеть находит коэффициенты связей между нейронами и выявляет сложные зависимости между входными и выходными данными, а также обобщает их. Преимущество же обучения в том, что успешно обученная НС может вернуть правильный результат на основании даже тех данных, которые были неполными, частично искажёнными, “зашумленными” или вовсе отсутствовали в обучающей выборке. 

Особенно это преимущество заметно в уровне качества распознавания образов (машинное зрение) – основе автономного пилотирования. Конкретно наши разработки базируются на методах так называемого глубокого обучения искусственных нейронных сетей (англ. Deep learning), в частности это свёрточные нейронные сети. 

В отличие от поверхностного обучения, глубокое направлено на более эффективное распознавание образов, так как работает с глубинными нейронными сетями, то есть состоящими из нескольких слоёв. Глубинные НС создают композиционные модели, в которых объект предстаёт в виде многоуровневой композиции примитивов. Дополнительные уровни позволяют составлять элементы из более низких уровней. Свёрточная НС использует некоторые принципы работы зрительной коры с её “простыми” и “сложными клетками”: первые реагируют на прямые линии под разными углами, а реакция вторых связана с активацией определённого набора “простых клеток”. Поэтому (в том числе) свёрточная НС, как технология в составе Deep learning, считается сейчас одним из лучших алгоритмов по распознаванию и классификации изображений.

Имеет ли значение, какие данные должны поступать для обработки искусственным интеллектом? Да. Об этом дальше.

Для того, чтобы нейронная сеть смогла отличить дорогу от, например, бетонного отбойника, ей надо обработать информацию с разных датчиков, установленных на транспорте: видеокамеры, радары, лидары, другие сенсоры. Для этого сейчас используют технологию data fusion – процесс объединения данных из нескольких источников для получения более согласованной, точной и полезной информации, чем та, которая предоставляется любым отдельным источником данных. Значительный минус этой технологии в нашем деле заключается в том, что результаты включают в себя всё, даже допущенные в процессе объединения ошибки. 

Насчёт ошибок был интересный момент, который стал поворотным в нашем подходе к безопасности. Мы уже упоминали о нём в некоторых интервью. Один наш немецкий партнёр – крупный автопроизводитель – заявил нам, что приобретёт нашу систему для беспилотника только тогда, когда на 50 часов проезда она будет выдавать лишь одну ошибку. Это означает, что для автомобильного бизнеса уровень безопасности не может быть «почти 100%», он должен быть буквально стопроцентным. И ошибки здесь фатальны.

Вернёмся к обработке данных. Процессы объединения информации часто классифицируются как низкие, промежуточные или высокие (в зависимости от стадии обработки, на которой происходит объединение). Слияние низкого уровня объединяет несколько источников необработанных данных для получения новых, уже объединённых, но всё ещё необработанных данных. Ожидается, что объединённые данные будут более информативными и синтетическими, чем исходные. Однако, как мы уже говорили, они содержат и ошибки.

Для того, чтобы сочетать данные на нижнем уровне без ошибок, наши разработчики догадались поставить над всем этим дополнительную НС глубокого обучения. То есть “сырые” данные, прежде чем попасть в основную обработку глубинной нейронной сетью, аккумулируются с помощью ещё одной специализированной НС. Это имитирует то, как обработка данных происходит в человеческом мозге, который обрабатывает сигналы от органов зрения, слуха, осязания, обоняния и пр. Именно такой подход дал нам скачок качества (читай: безопасности) в разработке искусственного мозга для наземных беспилотников. И именно эта технология Cognitive low level data fusion стала открытием года на выставке CES, о которой дальше. 

Разработкой Cognitive low level data fusion мы занимались с июня 2017-го. В начале 2018-го мы привезли её на международную ежегодную выставку CES. Чтобы было понятно, CES – это не просто известная “выставка бытовой электроники”, проходящая в Лас-Вегасе каждый январь. Это площадка для демонстраций прорывных технологий, на которой в течение уже полувека “продают” свои инновации такие гиганты как Sony, Panasonic, Samsung, Toshiba, Microsoft, Intel. Это самая крупная выставка в США и лучшая выставка по мнению Trade Show News Network (TSNN) – ведущего мирового интернет-ресурса для индустрии выставок. Если компания хочет выйти на международный рынок и, более того, участвовать в мировой экономике, то ей важно показать свой продукт именно здесь.  

После CES о нас стали громко и позитивно писать мировые СМИ; международный automotive-портал Guidaautonoma признал нас компанией недели; британское аналитическое агентство Softech International Resources Inc. присудило нам премию Cognitive Computing, AI & Robotics Awards 2017 – таким образом нас признали лидерами 2017 года в создании ИИ-решений для беспилотных транспортных средств. Мы подписали более 30 соглашений с ведущими мировыми автопроизводителями и Tier 1 компаниями-поставщиками компонент. 

Так технология беспилотного вождения в условиях плохой видимости и плохих дорог Cognitive low level data fusion стала нашим главным прорывом. И пишем мы об этом в тоне победителей не ради самолюбования, а для того, чтобы описать ситуацию на мировом рынке. Эти признания красноречиво говорят о том, что сегодня даже мировые лидеры не имеют таких разработок в области беспилотного наземного транспорта, которые одновременно удовлетворяли бы и требованиям 100%-й безопасности, и были бы универсальны на большинстве автодорог, и были бы доступны массово.