По мере распространения автономного транспорта одной из ключевых задач становится понимание человеком того, как искусственный интеллект воспринимает дорожную ситуацию и принимает решения. Российский разработчик автономного транспорта «ЭвоКарго» представил систему, которая наглядно демонстрирует восприятие автопилотом дорожной ситуации и его прогноз развития событий вокруг электрогрузовика.
Система совмещает изображение с камер с аналитическими данными автопилота, визуализируя, какие объекты распознала система, как она классифицирует их и как прогнозирует их дальнейшее движение. Такой формат представления информации используется специалистами при анализе работы автономного транспорта.
Основой разработки стали данные, собранные в ходе коммерческой эксплуатации автономных грузовиков Evocargo N1 на промышленных предприятиях, распределительных центрах и аэропортах. Благодаря этому нейросети на борту электрогрузовиков обучены распознавать и прогнозировать движение объектов, редко встречающихся в общедоступных наборах данных: многотоннажные грузовики, погрузочная техника и даже самолеты на перроне. Это обеспечивает корректный прогноз траекторий движения объектов и максимальную безопасность при принятии решений автопилотом.
«В развитии автономного транспорта важно разрабатывать искусственный интеллект не только автономным, но и наблюдаемым. Поэтому инструменты, которые делают работу автопилота понятной в реальном времени, становятся важной частью инфраструктуры наравне с алгоритмами и нейросетями. Это ускоряет развитие технологий и делает автономные системы более прозрачными для промышленной эксплуатации».
Марсель Нигметзянов, генеральный директор «ЭвоКарго»
Кроме того, по мере расширения коммерческой эксплуатации автономного транспорта все большее значение приобретает скорость анализа накопленных данных. Визуализация работы автопилота позволяет быстрее разбирать сложные дорожные сценарии, выявлять особенности поведения алгоритмов и ускорять развитие всей системы.
По оценке компании, повышение наблюдаемости и интерпретируемости работы автопилота сокращает время технической оценки на 25–35% и способствует росту доверия к автономным технологиям, ускоряя их внедрение в коммерческую эксплуатацию.
Решение уже внедрено более чем на 300 автономных грузовиках компании и используется на всех объектах эксплуатации. Развитие платформы предусматривает добавление в систему данных лидаров: это дополнит изображение с камер пространственной информацией и сделает представление дорожной сцены наиболее полным.
Читайте также:
Reva G-Wiz и Honda CR-Z стали худшими электрокарами в истории, нанесшими вред всей индустрии
Внедорожник Xiangjie G9 производит кислород со скоростью 10л/мин
В электромобиль Slate Truck можно интегрировать гаджеты, которые есть под рукой