Үчтөн аягына чейин автономдуу айдоо системасын кантип аныктоого болот?
Эң кеңири таралган аныктама "аягына чейин" система - бул сенсордун чийки маалыматын киргизген жана тапшырмага тиешелүү болгон өзгөрмөлөрдү түздөн-түз чыгарган система. Мисалы, сүрөттөлүштү таанууда CNN салттуу өзгөчөлүк + классификатор ыкмасы менен салыштырганда "аягына чейин" деп атоого болот.
Автономдуу айдоо тапшырмаларында ар кандай сенсорлордон алынган маалыматтар (мисалы, камералар, LiDAR, радар же IMU...) киргизилет жана унааны башкаруу сигналдары (мисалы, дроссель же рулдун бурчу) түз чыгарылат. Ар кандай унаа моделдеринин ыңгайлашуу маселелерин карап чыгуу үчүн чыгарууну унаанын айдоо траекториясына да жумшартса болот.
Бул негиздин негизинде, UniAD сыяктуу модулдук концепциялар да пайда болду, алар акыркы чыгууну башкаруу сигналдарынан же жол чекиттеринен тышкары, тиешелүү ортоңку милдеттерди көзөмөлдөөнү киргизүү аркылуу натыйжалуулукту жакшыртышат. Бирок, мындай тар аныктамадан учу-кыйырынын маңызы сезүү информациясын жоготуусуз берүү болушу керек.
Келгиле, адегенде акырына чейин эмес системалардагы сезүү жана PnC модулдарынын ортосундагы интерфейстерди карап чыгалы. Адатта, биз ак тизмедеги объекттерди (мисалы, унаалар, адамдар ж.б.) таап, алардын касиеттерин талдап, болжолдойбуз. Биз ошондой эле статикалык чөйрөнү (мисалы, жолдун түзүлүшү, ылдамдыкты чектөө, светофор ж.б.) билебиз. Эгер биз кененирээк айтсак, универсалдуу тоскоолдуктарды да аныктамакпыз. Кыскача айтканда, бул кабылдоолордун маалыматы татаал айдоо көрүнүштөрүнүн дисплей моделин түзөт.
Бирок, кээ бир абдан ачык көрүнүштөр үчүн учурдагы ачык-айкын абстракция окуя болгон жерде айдоо жүрүм-турумуна таасир этүүчү факторлорду толук сүрөттөй албайт, же биз аныкташыбыз керек болгон тапшырмалар өтө майда-чүйдө жана бардык талап кылынган тапшырмаларды санап чыгуу кыйын. Ошондуктан, акырына чейин системалар бул маалымат менен PnCтерге автоматтык түрдө жана жоготуусуз иш-аракет кылуу үмүтү менен (балким кыйыр түрдө) ар тараптуу өкүлчүлүктү камсыз кылат. Менимче, бул талапка жооп бере ала турган бардык системаларды жалпыланган учу-кыйыр деп атоого болот.
Башка маселелерге келсек, мисалы, динамикалык өз ара аракеттенүү сценарийлеринин кээ бир оптималдаштыруулары, мен, жок эле дегенде, бир гана аягына чейин эмес, бул көйгөйлөрдү чече алат деп ишенем, ал эми акырына чейин эң жакшы чечим болушу мүмкүн эмес. Салттуу ыкмалар бул көйгөйлөрдү чече алат жана, албетте, маалыматтардын көлөмү жетиштүү чоң болгондо, акырына чейин жакшыраак чечимди камсыздай алат.
Автономдуу айдоо жөнүндө кээ бир түшүнбөстүктөр
1. Башкаруу сигналдары жана жол чекиттери акырына чейин чыгышы керек.
Эгерде сиз жогоруда талкууланган кеңири концепцияга макул болсоңуз, анда бул көйгөйдү түшүнүү оңой. Түздөн-түз тапшырманын көлөмүн чыгаруунун ордуна маалыматтын жоготуусуз берилишин баса белгилеш керек. Тар учу-кыйырына мамиле көп керексиз кыйынчылыктарды жаратат жана коопсуздукту камсыз кылуу үчүн көптөгөн жашыруун чечимдерди талап кылат.
2.The end-to-end системасы чоң моделдерге же таза көрүнүшкө негизделиши керек.
Аягына чейин автономдуу айдоо, чоң моделдеги автономдуу айдоо жана таза визуалдык автономдуу айдоо ортосунда эч кандай зарыл байланыш жок, анткени алар толугу менен көз карандысыз түшүнүктөр; акырына чейин системасы сөзсүз эле чоң моделдер менен шартталган эмес, же ал сөзсүз түрдө таза көрүнүш менен шартталган эмес. нын.
3.Узак мөөнөттө, тар мааниде жогоруда аталган системанын L3 деңгээлинен жогору автономдуу айдоо мүмкүнчүлүгүнө ээ болушу мүмкүнбү?
Учурда таза FSD деп аталган нерсенин иштеши L3 деңгээлинде талап кылынган ишенимдүүлүк менен туруктуулукту канааттандыруу үчүн жетиштүү эмес. Тагыраак айтканда, эгер өзүн-өзү башкаруу системасы коомчулук тарабынан кабыл алынгысы келсе, негизгиси, коомчулук кээ бир учурларда машина ката кетирерин жана аны адамдар оңой эле чече аларын кабыл ала алабы? Бул таза система үчүн кыйыныраак.
Мисалы, Түндүк Америкадагы Waymo жана Cruise эки жол кырсыгына кабылган. Бирок, Круиздин акыркы авариясы эки жаракатка алып келди, бирок мындай кырсыктар адам айдоочулары үчүн сөзсүз түрдө жана алгылыктуу. Бирок бул кырсыктан кийин система кырсык болгон жерди жана жабыркагандардын жайгашкан жерин туура эмес баалап, жулуп алуу режимине түшүрүп, жаракат алгандардын көпкө сүйрөлүшүнө себеп болгон. Мындай жүрүм-турум кадимки адам айдоочусу үчүн кабыл алынбайт. Бул жасалбайт, натыйжасы абдан жаман болот.
Мындан тышкары, бул ойгонуучу коңгуроо, биз автономдуу айдоо системаларын иштеп чыгуу жана эксплуатациялоо учурунда бул кырдаалдан кантип качуу керектигин кылдаттык менен карап чыгышыбыз керек.
4.Ошондуктан, азыркы учурда, массалык түрдө өндүрүлгөн көмөкчү айдоо системаларынын кийинки мууну үчүн кандай практикалык чечимдер бар?
Менин азыркы түшүнүгүм боюнча, айдоодо учу-кыйыр деп аталган моделди колдонууда, траекторияны чыгаргандан кийин, ал салттуу ыкмаларга негизделген чечимди кайтарат. Же болбосо, окууга негизделген пландоочулар жана траекторияны пландаштыруунун салттуу алгоритмдери бир эле учурда бир нече траекторияны чыгарып, андан кийин селектор аркылуу бир траекторияны тандашат.
Мындай тымызын чечим жана тандоо, эгерде бул система архитектурасы кабыл алынса, бул каскаддык системанын иштешинин жогорку чегин чектейт. Эгерде бул ыкма дагы эле таза пикирди үйрөнүүгө негизделсе, күтүлбөгөн катачылыктар келип чыгат жана коопсуз болуу максатына таптакыр жетишпейт.
Эгерде биз кайра оптималдаштырууну же бул чыгуу траекториясында салттуу пландаштыруу ыкмаларын колдонууну эске алсак, бул окууга негизделген метод менен өндүрүлгөн траекторияга барабар; ошондуктан, эмне үчүн биз бул траекторияны түз оптималдаштырбайбыз жана издебейбиз?
Албетте, кээ бир адамдар мындай оптималдаштыруу же издөө маселеси томпок эмес, чоң мамлекеттик мейкиндикке ээ жана унаадагы системада реалдуу убакыт режиминде иштетүү мүмкүн эмес деп айтышат. Мен бардыгын бул суроону кылдаттык менен карап чыгууну суранам: Акыркы он жылда кабыл алуу системасы эсептик кубаттуулуктан кеминде жүз эсе көп дивиденд алды, бирок биздин PnC модулу жөнүндө эмне айтууга болот?
Эгерде биз PnC модулуна акыркы жылдардагы өнүккөн оптималдаштыруу алгоритмдериндеги айрым жетишкендиктер менен бирге чоң эсептөө күчүн колдонууга уруксат берсек, бул корутунду дагы эле туурабы? Мындай көйгөй үчүн биз биринчи принциптерден эмнени туура деп эсептешибиз керек.
5.How маалыматтарга негизделген жана салттуу ыкмаларынын ортосундагы мамилени элдештирүү үчүн?
Шахмат ойноо - бул автономдуу айдоого абдан окшош. Үстүбүздөгү жылдын февраль айында Deepmind AlphaGo жана AlphaZeroдо маалыматтарга негизделген MCTS издөөнү гана колдонуу мүмкүнбү же жокпу, талкуулаган "Издөөсүз гроссмейстер деңгээлиндеги шахмат" деген макаласын жарыялады. Автономдуу айдоо сыяктуу, иш-аракеттерди түздөн-түз чыгаруу үчүн бир гана тармак колдонулат, ал эми кийинки бардык кадамдар этибарга алынбайт.
Макалада көптөгөн маалыматтарга жана моделдин параметрлерине карабастан, издөөнү колдонбостон эле акылга сыярлык натыйжаларды алууга болот деген жыйынтыкка келет. Бирок издөөнү колдонгон методдорго салыштырмалуу олуттуу айырмачылыктар бар. Бул кээ бир татаал акыркы оюндар менен күрөшүү үчүн өзгөчө пайдалуу.
Көп баскычтуу оюндарды талап кылган татаал сценарийлер же бурчтук учурлар үчүн бул окшоштук дагы эле салттуу оптималдаштыруудан же издөө алгоритмдеринен толугу менен баш тартууну кыйындатат. AlphaZero сыяктуу ар кандай технологиялардын артыкчылыктарын акылга сыярлык пайдалануу - натыйжалуулукту жакшыртуунун эң жакшы жолу.
6.Traditional ыкмасы = эрежеге негизделген, эгерде башка?
Көптөгөн адамдар менен сүйлөшүп жатып, бул түшүнүктү кайра-кайра оңдоого туура келди. Көптөгөн адамдар ал таза маалыматтарга негизделген эмес, эрежеге негизделген эмес деп эсептешет. Мисалы, шахматта формулаларды жана шахмат жазууларын жаттап алуу эрежеге негизделген, бирок AlphaGo жана AlphaZero сыяктуу, моделге оптималдаштыруу жана издөө аркылуу рационалдуу болуу мүмкүнчүлүгүн берет. Муну эрежеге негизделген деп айтууга болбойт деп ойлойм.
Ушундан улам, чоң моделдин өзү азыр жок жана изилдөөчүлөр CoT сыяктуу ыкмалар аркылуу окутууга негизделген моделди берүүгө аракет кылып жатышат. Бирок, таза маалыматтарга негизделген сүрөт таанууну жана түшүнүксүз себептерди талап кылган тапшырмалардан айырмаланып, айдап бара жаткан адамдын ар бир аракети так кыймылдаткыч күчкө ээ.
Тиешелүү алгоритм архитектурасынын дизайнына ылайык, чечимдерди кабыл алуу траекториясы өзгөрмөлүү болуп, илимий максаттардын жетекчилиги астында бир калыпта оптималдаштырылган болушу керек, тескерисинче, ар кандай учурларды оңдоо үчүн параметрлерди мажбурлап жамоо жана тууралоо. Мындай система табигый түрдө катуу коддолгон кызыктай эрежелерге ээ эмес.
Корутунду
Кыскасы, учу-кыйырына келечектүү техникалык жол болушу мүмкүн, бирок концепция кандайча колдонулары көбүрөөк изилдөөнү талап кылат. Менимче, бир топ маалыматтар жана моделдин параметрлери жалгыз туура чечим эмес, жана биз башкалардан озуп кетүүнү кааласак, биз талыкпай иштешибиз керек.
Посттун убактысы: 24-24-2024