Les réseaux de neurones récurrents permettent l'IA dans un système d'alerte précoce
- Détails
- Visites: 5815
In der TUM les chercheurs en ont un nouveau système d'alerte précoce pour véhicules autonomes développé cela avec Intelligence artificielle (AI) basé réseaux de neurones récurrents apprend de milliers de situations de circulation réelles. Avec une précision de plus de 85% dans les véhicules de développement autonomes d'aujourd'hui, le système peut avertir d'une situation potentiellement critique dès 7 secondes. Même aujourd'hui, les voitures autonomes ne peuvent pas y faire face seules. TUM a réalisé l'étude en collaboration avec le groupe BMW.
Contenu du rapport de recherche
- Nouvelle approche de l'intelligence artificielle
- Réseaux de neurones récurrents pour la reconnaissance de formes
- Avertissement jusqu'à 7 s à l'avance et collecte des données
- Que sont les réseaux de neurones récurrents?
Nouvelle approche de l'intelligence artificielle
Si voitures autonomes De nombreux développeurs s'appuient sur des modèles sophistiqués avec lesquels les voitures peuvent évaluer le comportement de tous les participants à la circulation routière. Cependant, il existe des situations complexes et imprévues dans lesquelles de tels modèles sont actuellement encore insuffisants.
Réseau 6G | Liaison radio bidirectionnelle et récepteur THz
Une équipe de Université technique de Munich (TUM) dirigé par le professeur Eckehard Steinbach, titulaire de la chaire de technologie des médias et membre du conseil d'administration de la Munich School of Robotics and Machine Intelligence (MSRM) à TUM. L'intelligence artificielle permet à votre système d'apprendre des situations précédentes dans lesquelles des véhicules de test autonomes ont atteint leurs limites système dans le trafic réel. Dans de telles situations, les gens reprennent le contrôle du véhicule parce qu'ils ont décidé de le faire pour des raisons de sécurité ou parce que la voiture leur a demandé d'intervenir.
Réseaux de neurones récurrents pour la reconnaissance de formes
La nouvelle technologie capture plus Caméras ainsi que capteurs l'environnement et enregistre le véhicule et l'état de l'environnement. Cela peut être la position du volant, l'état de la route, la météo ou la vitesse et la visibilité. L'IA basée sur des réseaux de neurones récurrents (RNN) apprend à reconnaître des modèles à partir de ces données. Si la technologie reconnaît un modèle dans une nouvelle situation de conduite, qui dans le passé a déjà dépassé le contrôle automatisé dans ces circonstances, elle avertit le conducteur dès le début de la situation potentiellement critique grâce à l'IA.
Voitures autonomes du point de vue d'un équipementier automobile
«Pour rendre les véhicules plus autonomes, la plupart des méthodes précédentes examinent ce que les voitures ont compris du trafic jusqu'à présent, puis améliorent les modèles sur lesquels les voitures sont basées. Le gros avantage de notre technologie est que nous ignorons complètement l'opinion de la voiture et que nous regardons uniquement les données de ce qui se passe réellement et que nous trouvons des modèles », déclare Professeur Steinbach. «De cette manière, l'IA découvre également des situations potentiellement critiques que les modèles peuvent ne pas ou n'ont pas encore reconnues. Notre système offre ainsi une fonction de sécurité qui sait quand et où les voitures sont faibles. "
Avertissement jusqu'à 7 s à l'avance et collecte des données
Les chercheurs ont la technologie avec BMW et leurs véhicules de développement automatisés ont été testés sur la voie publique. Environ 2500 situations dans lesquelles les conducteurs ont dû intervenir ont été évaluées. L'étude a révélé une prédiction précise à 85% des situations potentiellement critiques jusqu'à 7 s avant qu'elles ne se produisent.
Voitures autonomes avec Continental | Superordinateur Nvidia
Une grande quantité de données est nécessaire pour que la technologie fonctionne. Parce que l'IA ne peut qu'alors reconnaître et prédire les expériences avec la frontière du système qui ont déjà été faites. Compte tenu du grand nombre de véhicules de développement, les données seraient générées par elles-mêmes. Auteur de l'étude Christophe Kuhn dit: «Chaque fois qu'une situation potentiellement critique survient pendant les essais routiers, nous perdons un nouvel exemple de formation.» Le stockage central des données permet à chaque véhicule d'apprendre à partir des enregistrements de l'ensemble du parc.
Connaissances techniques générales
Que sont les réseaux de neurones récurrents?
Les réseaux de neurones récurrents (RNN) sont les réseaux de neurones dans lesquels les neurones de la même couche ou les neurones de différentes couches fournissent une rétroaction. Les RNN ressemblent plus à l'interconnexion neuronale du cerveau humain qu'aux réseaux feedforwad. Grâce au retour d'informations, des informations temporelles peuvent être obtenues dans les données. Des exemples de réseaux neuronaux récurrents sont le réseau Jordan, le réseau Elman, le réseau Hopfield et le réseau neuronal complètement interconnecté.
Vous pourriez aussi être intéressé par...
