智慧應用 影音
DTResearch
event

Cruise推CLM工具 供自駕車準確預測危險情境

Cruise的工具讓自駕車能高度正確預測前車的迴轉意圖以避免誤判造成嚴重車禍。Cruise

2020年9月10日通用汽車(GM)旗下的汽車自駕新創Cruise宣布推出基於機器學習技術,自行發展的人工智慧(AI)工具「連續學習機器(Continuous Learning Machine;CLM)」,能在完全陌生與罕見的行駛場景,提供自駕車高度正確的導航預測,以避免錯誤判斷造成嚴重車禍。

根據VentureBeat報導,人們並非總是遵循交通規則,且經常容易便宜行事,美國國家公路交通安全管理局(NHTSA)的統計資料顯示,嚴重的車禍中有高達94%是肇因於駕駛人的錯誤或危險判斷。自駕車必須預測周遭世界與用路人的意圖並據以做出正確決策,這個複雜問題本身自成一個研究領域,因此自駕車堪稱這個世代最大的工程學挑戰之一。

Cruise指出CLM工具的機器學習預測系統必須將完全正常的事件,以及陌生與罕見的事件場景一般化,並掌握事件相關用路人的意圖、觸發事件的原因、跟其他用路人的互動、事件發展的情形。CLM工具能自動標示與探勘訓練資料,支援運用AI模型引導行駛中的Cruise自駕車,預測周遭車輛是否會突然轉向或超車、用路人是否會意外闖入車道等即時路況。

機器學習預測系統的訓練資料集必須平衡才能同時正確處理正常與異常狀況。CLM工具能建立主動學習資料探勘架構,以自動辨識與探勘Cruise自駕車感知模型(perception model)做出的錯誤判斷,且僅需要將預測與真實結果差異極大的場景新增到訓練資料集即可,能讓資料探勘作業極度聚焦,以減少太多「容易」的場景輸入資料集。

CLM工具預測駕駛人或車輛因應場景的可能作為,再比對真實情況發生時駕駛人或車輛的實際因應作為,建立自我監督的學習架構,並將AI模型預測結果作為基準事實(ground truth),因此CLM無需費時、易出錯、高成本的任何人工資料輸入就能自主為所有場景標記資料,接著即可據以訓練與測試新模型,在確認表現優於舊模型後才部署到自駕車運行。

為了讓Cruise自駕車的模型在實際遭遇惡意超車(cut-in)、三段式掉頭(K-turn)、迴轉(U-turn)等每天平均發生機會極低的罕見場景時能做出高度正確的預測,Cruise的目標是將所有罕見場景的資料全部進行upsampling,並辨識與探勘模型預測的所有錯誤資料,以完備訓練資料與預測模型。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 自駕車