Искусственный интеллект научат предсказывать поведение участников дорожного движения

Метод моделирования дорожных ситуаций, разработанный исследователями из Университета Мэриленда, основан на классификации поведения других участников дорожного движения. Эта модель, которую авторы назвали CMetric, анализирует траектории движения других водителей и пешеходов. На основе анализа и данных, получаемых с использованием компьютерного зрения, алгоритм может предсказывать возможные действия участников дорожного движения, пишут СМИ.
"С помощью CMetric наш симулятор может генерировать виртуальных автомобилистов с различным стилем вождения для предварительного обучения беспилотных машин, — говорит Ангелос Маврогианнис, один из разработчиков модели. — Моделирование разнородного поведения при вождении — основной элемент нашей работы. Мы используем модель глубокого обучения с подкреплением, основанную на DQN (Deep Q-Network)".
Разработчики отмечают, что в последние годы многие компании работают над созданием безопасных и надежных беспилотных транспортных средств. Однако для повсеместного использования такие машины должны уметь передвигаться по самым разным дорогам, не сталкиваться с другими транспортными средствами, пешеходами, велосипедами, животными или иными препятствиями.
"Несмотря на большой интерес к автономному транспорту, современные методы искусственного интеллекта не учитывают поведение людей-водителей или других беспилотников на дороге, — указывает профессор Динеш Маноча, соавтор работы. — Цель нашей работы — создать надежные технологии, которые будут обнаруживать и классифицировать поведение других участников движения (машин, автобусов, грузовиков, велосипедов, пешеходов) и использовать полученные данные при движении".
Поведение за рулем, по мнению разработчиков, можно разделить на две основные категории: консервативное и агрессивное вождение. Консервативные водители более осторожны и внимательны, а агрессивные водители склонны к опасным маневрам и резким движениям.
Точное обнаружение этих моделей поведения может быть очень полезным для автономных транспортных средств, особенно в критические моменты (например, при смене полосы движения или въезде на шоссе). Понимание действий других водителей позволяет ИИ соответствующим образом адаптировать свою траекторию, принять меры безопасности.
"Автономные навигационные системы обычно обучаются перед проведением полевых испытаний, — сказал Рохан Чандра, соавтор разработки. — В нашей статье мы представляем новый симулятор, основанный на поведении, который может имитировать большое количество различных вариантов поведения, наблюдаемых в реальных сценариях дорожного движения. Это означает, что базовая навигационная система может быть обучена обрабатывать сложное поведение водителей в городской среде".