A Waymo tíz AI-tanulságot ígér az önvezetés 200 millió mérföldje után

A szenzorok és a térképek együtt adnak biztosabb képet

A Waymo augusztus 26-án közzétett összefoglalója szerint a teljesen autonóm közlekedéshez önmagában a kamera nem elegendő. A vállalat a kamerák, a lidar és a radar adatait kombinálja, mert ezek eltérő képességekkel egészítik ki egymást.

A lidar háromdimenziós geometriát rögzít milliméteres pontossággal, a kamera többek között a közlekedési táblák és a jelzőlámpák színeinek felismerésében erős, a radar pedig a sebességet követi, és olyan helyzetekben is segít, amikor az eső, a köd vagy a por akadályozza a kamerák működését. A Waymo szerint az így létrejövő, redundáns környezetmodell egyetlen érzékelővel nem lenne megvalósítható.

A cég HD-térképeket is használ. Ezeket a rendszer egy további információforrásként kezeli, amely rossz látási viszonyok és összetett útszakaszok esetén is támpontot ad. Így a fedélzeti számítógép a valós időben változó eseményekre, például egy hirtelen terelésre vagy ideiglenes stoptáblára összpontosíthat. A Waymo AI-alapú térképezési rendszere folyamatosan frissíti ezeket a térképeket.

Kevesebb nagy modell, külön biztonsági ellenőrzéssel

A Waymo szerint a korai önvezető rendszerek sok kisebb, külön feladatra készített modulból álltak. Ilyen lehetett például a gyalogosfelismerés, az autók követése vagy a jelzőlámpák értelmezése. A vállalat ma inkább kevesebb, nagy kapacitású alapmodellre támaszkodik, amelyek a nagy adathalmazokból és a nagyléptékű számításból is jobban profitálhatnak.

Ez nem jelenti azt, hogy minden feldolgozást egyetlen feketedobozra bíznának. A Waymo rendszere külön, AI-alapú biztonsági réteget használ, amely minden javasolt útvonalat ellenőriz. A réteg fizikai korlátok és közlekedési szabályok alapján vizsgálja a terveket, és megakadályozhatja azt az útvonalat, amely sebességhatárt sért vagy ütközés kockázatával jár.

A vállalat a szimulációt is kulcsfontosságúnak tartja. A rögzített adatok egyszerű visszajátszása szerintük nem elég, mert a környezet szereplői ilyenkor nem reagálnak a jármű döntéseire. A zárt hurkú szimulációban viszont a forgalom reagál a Waymo Driver fékezésére vagy kitérésére, így ritka és összetett helyzetek, például egy több sávon átvágó jármű is vizsgálható.

A kritikus, a Gemini és a folyamatos tanulás szerepe

A Waymo egy AI-kritikust is fejlesztett, amely szimulációban és közúton egyaránt elemzi a nem kívánatos vezetési viselkedést. A rendszer a biztonságot, a közlekedési szabályok betartását, a kanyarodás folyamatosságát és a fékezés kényelmét is értékeli. A vállalat szerint ez segít elkerülni, hogy a Driver saját maga értékelje a teljesítményét.

A Vision-Language Modellek, vagyis látás és nyelv alapú modellek a Waymo tapasztalatai szerint magas szintű következtetésekben hasznosak. A cég Gemini segítségével tanított modelleket használ például olyan helyzetek értelmezésére, amikor egy rendőr kézjelekkel irányítja a forgalmat egy baleset helyszínén. Ezek a modellek ugyanakkor túl lassúak a valós idejű vezérléshez, és önmagukban nem rendelkeznek elegendő térbeli érzékeléssel. Ezért a rendszer gyors érzékelőfúziót alkalmaz a pillanatnyi irányításhoz, a lassabb, alaposabb következtetést pedig a VLM-ekre bízza.

A megadott összefoglaló végül a biztonsági irányítást és az adat-visszacsatolási ciklust emeli ki. A Waymo szerint a fejlesztés, a szimuláció és az értékelés csak megfelelő biztonsági keretrendszerrel skálázható. A rendszer a heti több millió vezetési mérföldből, a szimulációból, valamint az utasok és közösségek visszajelzéseiből választja ki a fejlesztendő eseteket, majd az adatokat címkézi, a modelleket újratanítja, és az eredményeket szimulációban, illetve a biztonsági keretrendszerben ellenőrzi.