Беспилотники учатся водить, играя в GTA V

Новые методы тренировки беспилотников способны сделать технологии более демократичными и надежными. Автономные системы вождения находились в центре внимания выставки CES в Лас-Вегасе в начале года и на автошоу в Детройте, которое стартовало в начале этой недели. Но не все обладают ресурсами, сопоставимыми с Ford, Google или Uber, и во многих ситуациях беспилотникам все еще приходится трудно. Поэтому исследователи изобретают новые пути сбора данных и обучения.

Недавно ученые Принстона разработали систему компьютерного зрения и навигации, которая собирает информацию о физических свойствах дорог, изучая Google Street View и сравнивая изображения с информацией, полученной из открытых топографических источников. Таким образом, она позволяет узнать, где расположены границы перекрестка, судя по движению автомобилей в Google maps.

Изображения на Google Street View не всегда четкие: иногда обзор закрывают другие автомобили, иногда пешеходы или происходит что-то еще. Система должна научиться распознавать и фильтровать такие помехи. Но, в результате использования 150 тысяч панорамных видов Street View, ученые остались довольны полученным результатом.

«Создавать 3D-карты вручную для автономного вождения утомительно и дорого, — говорит профессор МТИ Джон Леонард. — Если этот процесс может быть автоматизирован при помощи глубоких нейронных сетей, работающих на больших открытых базах данных, это станет значительной победой технологии автономного управления».

А исследователи из некоммерческой организации Open-air, занимающейся фундаментальным изучением ИИ, воспользовались визуальной реалистичностью современных видеоигр. На днях они объявили о создании технологии обучения программ стратегии вождения по компьютерной игре Grand Theft Auto V, на платформе Universe.

«GTA V дает доступ к богатому, разнообразному миру, в котором можно тестировать ИИ, — считает Крейг Куитер, инженер из компании Otto, разработчика беспилотных грузовиков. — Пространство игры — это почти пятая часть Лос-Анджелеса, и она позволяет обучать систему на примерах разнообразных сценариев. Прибавьте к этому 257 видов транспорта, семь типов мотоциклов и 14 видов оружия, а также возможность громадного числа изменений в одном-единственном симуляторе».

Благодаря Universe программа может разработать стратегию вождения, экспериментируя внутри игры и совершенствуя собственное поведение — метод, известный как обучение с подкреплением.

Алгоритм, который позволяет значительно ускорить обучение машин, разработали в компании DeepMind. Технология задействует механизмы внешней памяти для нейронных сетей и позволяет сократить количество необходимых для обучения ИИ данных до минимума. Это дает возможность машине распознавать объекты, которые она видела всего один раз.