Дослідники зі Стенфордського університету розробили систему, яка дозволяє необмеженій кількості людей брати участь у створенні набору даних для навчання системи управління безпілотним автомобілем. Препринт статті доступний на arXiv.org, коротко про неї пише MIT Technology Review.
Для навчання нейромереж сьогодні використовуються набори даних, на прикладі яких алгоритм вчиться виконувати завдання так само, як її виконували люди, що розмітили і класифікували ці дані. Як зазначають автори, подібні набори даних існують і застосовуються в різних сферах - наприклад, для розпізнавання людських облич, - тоді як для складних завдань, таких, як водіння, їх не вистачає.
Дослідники розробили онлайн-платформу Driveseat, яка являє собою браузерний 3D автосимулятор. Для створення 3D оточення симулятора автори використовували дані з реального автомобіля з набором датчиків, який пересувався дорогами Каліфорнії. У симуляторі автомобілем керує алгоритм, який відображає на екрані оригінальний відеозапис і тривимірний навколишній світ і показує, де він бачить смуги - для початку дослідники вирішили зосередитися саме на проблемі розпізнавання розмітки.
Користувач виступає в якості вчителя і поправляє алгоритм, якщо той десь не розпізнав розмітку. Дані з поправкою знову використовуються для навчання нейромережі, таким чином алгоритм менше залежить від сирих показань датчиків і краще «бачить» і «розуміє», що таке рух в рамках смуги. Крім того, такий підхід дозволяє навчити алгоритм бачити розмітку навіть при коливанні освітлення. Завдяки цьому підходу нейромережа, наприклад, «розуміє» що сусідня смуга існує, навіть якщо її цілком загороджує в даний момент будь-який об'єкт.
У процесі навчання з'ясувалася цікава особливість - керуюче програмне забезпечення гірше бачило розмітку, якщо автомобіль їхав проти сонця. Виявилося, це пов'язано зі специфікою вихідних даних - велика частина шосе в Каліфорнії йде з півночі на південь, а не із заходу на схід, тому у відеозаписах з тестового автомобіля рідко зустрічається рух безпосередньо обличчям до сонця біля горизонту.
Автори вважають, що подібний підхід допоможе створити більш досконалі алгоритми управління безпілотними автомобілями, пристосовані до різної якості дорожнього покриття і здатні рухатися навіть в умовах поганої видимості розмітки.
Один з авторів статті - Ендрю Ин - відомий вчений у галузі штучного інтелекту. До весни 2014 року працював на Google, після чого перейшов у Baidu. Ендрю Ин опублікував понад сотню наукових робіт, відомий як творець проекту Google Brain і освітньої онлайн-платформи Coursera.
Раніше свій варіант самонавчального безпілотного автомобіля сконструював на базі седана Honda Acura ILX американський хакер geohot. У майбутньому він планує продавати «безпілотний комплект» з шести камер і керуючого програмного забезпечення за ціною в тисячу доларів США.