End-to-end avtonom haydash tizimlari: kelajakni boshqarish

Oxir-oqibat avtonom haydash

Oxir-oqibat avtonom haydash tizimini qanday aniqlash mumkin?

Eng keng tarqalgan ta'rif shundan iboratki, "uchdan oxirigacha" tizim - bu sensor ma'lumotlarini kiritadigan va vazifaga tegishli o'zgaruvchilarni bevosita chiqaradigan tizim. Misol uchun, tasvirni aniqlashda CNN an'anaviy xususiyat + tasniflash usuli bilan solishtirganda "uchdan uchgacha" deb nomlanishi mumkin.

 

Avtonom haydash vazifalarida turli sensorlardan (masalan, kameralar, LiDAR, Radar yoki IMU...) ma'lumotlar kiritiladi va avtomobilni boshqarish signallari (masalan, gaz kelebeği yoki rul burchagi) to'g'ridan-to'g'ri chiqariladi. Turli xil avtomobil modellarini moslashtirish masalalarini ko'rib chiqish uchun chiqishni avtomobilning harakatlanish traektoriyasiga ham bo'shashtirish mumkin.

 

Ushbu asosga asoslanib, yakuniy chiqish nazorati signallari yoki yo'nalish nuqtalaridan tashqari, tegishli oraliq vazifalarni nazorat qilishni joriy etish orqali ishlashni yaxshilaydigan UniAD kabi modulli uchdan-end tushunchalar ham paydo bo'ldi. Biroq, bunday tor ta'rifdan, uchdan-endning mohiyati sensorli ma'lumotni yo'qotishsiz uzatish bo'lishi kerak.

 

Keling, avvalo, oxirigacha bo'lmagan tizimlarda sezish va PnC modullari o'rtasidagi interfeyslarni ko'rib chiqaylik. Odatda, biz oq roʻyxatga kiritilgan obyektlarni (masalan, avtomobillar, odamlar va boshqalar) aniqlaymiz va ularning xususiyatlarini tahlil qilamiz va bashorat qilamiz. Shuningdek, biz statik muhit (masalan, yo'l tuzilishi, tezlik chegaralari, svetoforlar va boshqalar) haqida bilib olamiz. Agar biz batafsilroq bo'lganimizda, biz universal to'siqlarni ham aniqlagan bo'lardik. Muxtasar qilib aytganda, bu in'ikoslar tomonidan chiqarilgan ma'lumotlar murakkab haydash sahnalarining namoyish modelini tashkil qiladi.

 

Biroq, ba'zi juda aniq sahnalar uchun hozirgi aniq mavhumlik sahnadagi haydash xatti-harakatlariga ta'sir qiluvchi omillarni to'liq tasvirlay olmaydi yoki biz belgilashimiz kerak bo'lgan vazifalar juda ahamiyatsiz va barcha talab qilinadigan vazifalarni sanab o'tish qiyin. Shuning uchun, end-to-end tizimlar ushbu ma'lumotlar bilan PnC'larda avtomatik va yo'qotishsiz harakat qilish umidi bilan (ehtimol bilvosita) keng qamrovli vakillikni ta'minlaydi. Menimcha, bu talabni qondira oladigan barcha tizimlarni umumlashtirilgan end-to-end deb atash mumkin.

 

Dinamik o'zaro ta'sir stsenariylarining ba'zi optimallashtirishlari kabi boshqa masalalarga kelsak, men ishonamanki, hech bo'lmaganda nafaqat bu muammolarni hal qila oladi, balki oxirigacha eng yaxshi yechim bo'lmasligi mumkin. An'anaviy usullar bu muammolarni hal qilishi mumkin va, albatta, ma'lumotlar miqdori etarlicha katta bo'lsa, oxirigacha yaxshiroq yechimni ta'minlashi mumkin.

Oxir-oqibat avtonom haydash haqida ba'zi tushunmovchiliklar

1. Boshqaruv signallari va yo'l nuqtalari oxirigacha bo'lishi uchun chiqarilishi kerak.

Agar siz yuqorida muhokama qilingan keng qamrovli kontseptsiyaga rozi bo'lsangiz, bu muammoni tushunish oson. To'g'ridan-to'g'ri vazifa hajmini chiqarishdan ko'ra, uchidan uchiga ma'lumotni yo'qotishsiz uzatishni ta'kidlash kerak. Tor uchigacha yondashuv juda ko'p keraksiz muammolarni keltirib chiqaradi va xavfsizlikni ta'minlash uchun ko'plab yashirin echimlarni talab qiladi.

2.Uch-to-end tizimi katta modellarga yoki sof ko'rishga asoslangan bo'lishi kerak.

Oxir-oqibat avtonom haydash, katta modelli avtonom haydash va sof vizual avtonom haydash o'rtasida zaruriy bog'liqlik yo'q, chunki ular butunlay mustaqil tushunchalardir; end-to-end tizim katta modellar tomonidan boshqarilishi shart emas, shuningdek, u sof ko'rish bilan boshqarilishi shart emas. ning.

Avtonom haydash tadqiqot va ishlab chiqish tizimi

3.Uzoq muddatda, tor ma'noda yuqorida aytib o'tilgan end-to-end tizimi uchun L3 darajasidan yuqori avtonom haydashga erishish mumkinmi?

 

Hozirgi vaqtda sof end-to-end FSD deb ataladigan narsaning ishlashi L3 darajasida talab qilinadigan ishonchlilik va barqarorlikni qondirish uchun etarli emas. Aniqroq qilib aytadigan bo'lsak, agar o'z-o'zini boshqarish tizimi jamoatchilik tomonidan qabul qilinishini istasa, asosiysi, jamoatchilik ba'zi hollarda mashina xatolarga yo'l qo'yishini va odamlar ularni osongina hal qilishini qabul qila oladimi? Bu sof end-to-end tizimi uchun qiyinroq.

 

Misol uchun, Shimoliy Amerikadagi Waymo va Cruise ham ko'plab baxtsiz hodisalarga duch kelgan. Biroq, Kruizning so'nggi avariyasi ikkita jarohatga olib keldi, garchi bunday baxtsiz hodisalar inson haydovchilari uchun juda muqarrar va maqbuldir. Biroq, ushbu voqea sodir bo'lganidan so'ng, tizim avariya sodir bo'lgan joyni va jarohatlanganlarning joylashuvini noto'g'ri baholadi va tortishish rejimiga tushirildi, bu esa jarohatlanganlarning uzoq vaqt davomida sudralib ketishiga olib keldi. Bu xatti-harakat har qanday oddiy haydovchi uchun qabul qilinishi mumkin emas. Bu bajarilmaydi va natijalar juda yomon bo'ladi.

 

Bundan tashqari, bu ogohlantirish qo'ng'irog'i bo'lib, avtonom haydash tizimlarini ishlab chiqish va ishlatish jarayonida ushbu vaziyatdan qanday qochish kerakligini diqqat bilan ko'rib chiqishimiz kerak.

4.Hozirgi vaqtda ommaviy ishlab chiqarilgan yordamchi haydash tizimlarining keyingi avlodi uchun amaliy echimlar qanday?

 

Mening hozirgi tushunchamga ko'ra, haydashda uchdan uchi deb ataladigan modeldan foydalanganda, traektoriyani chiqargandan so'ng, u an'anaviy usullarga asoslangan yechimni qaytaradi. Shu bilan bir qatorda, o'rganishga asoslangan rejalashtiruvchilar va an'anaviy traektoriyani rejalashtirish algoritmlari bir vaqtning o'zida bir nechta traektoriyalarni chiqaradi va keyin selektor orqali bitta traektoriyani tanlang.

 

Bunday yashirin yechim va tanlov, agar ushbu tizim arxitekturasi qabul qilingan bo'lsa, ushbu kaskad tizimining ishlashining yuqori chegarasini cheklaydi. Agar bu usul hali ham sof fikr-mulohazalarni o'rganishga asoslangan bo'lsa, oldindan aytib bo'lmaydigan muvaffaqiyatsizliklar yuzaga keladi va xavfsiz bo'lish maqsadiga umuman erishib bo'lmaydi.

 

Agar ushbu chiqish traektoriyasi bo'yicha an'anaviy rejalashtirish usullarini qo'llash orqali qayta optimallashtirish yoki tanlashni ko'rib chiqsak, bu o'rganishga asoslangan usulda ishlab chiqarilgan traektoriyaga teng; shuning uchun nima uchun biz ushbu traektoriyani to'g'ridan-to'g'ri optimallashtirmaymiz va qidirmaymiz?

 

Albatta, ba'zi odamlar bunday optimallashtirish yoki qidirish muammosi konveks emasligini, katta davlat maydoniga ega ekanligini va avtomobil ichidagi tizimda real vaqt rejimida ishlashning iloji yo'qligini aytishadi. Men hammadan ushbu savolni diqqat bilan ko'rib chiqishni so'rayman: so'nggi o'n yil ichida idrok tizimi hisoblash quvvatidan kamida yuz baravar ko'p dividend oldi, ammo bizning PnC modulimiz haqida nima deyish mumkin?

 

Agar biz PnC moduliga so'nggi yillarda ilg'or optimallashtirish algoritmlaridagi ba'zi yutuqlar bilan birgalikda katta hisoblash quvvatidan foydalanishga ruxsat bersak, bu xulosa hali ham to'g'rimi? Bunday muammoni hal qilish uchun biz birinchi tamoyillardan nimani to'g'ri deb hisoblashimiz kerak.

5.Ma'lumotlarga asoslangan va an'anaviy usullar o'rtasidagi munosabatlarni qanday qilib muvofiqlashtirish mumkin?

 

Shaxmat o'ynash avtonom haydashga juda o'xshash misoldir. Joriy yilning fevral oyida Deepmind AlphaGo va AlphaZero’da faqat ma’lumotlarga asoslangan qidiruvdan foydalanish va MCTS qidiruvidan voz kechish mumkinmi yoki yo‘qligini muhokama qilgan “Qidiruvsiz grossmeyster darajasidagi shaxmat” maqolasini chop etdi. Avtonom haydashga o'xshab, harakatlarni to'g'ridan-to'g'ri chiqarish uchun faqat bitta tarmoq ishlatiladi, keyingi barcha qadamlar e'tiborga olinmaydi.

 

Maqolaning xulosasiga ko'ra, katta miqdordagi ma'lumotlar va model parametrlariga qaramay, qidiruvdan foydalanmasdan juda oqilona natijalarga erishish mumkin. Biroq, qidiruvdan foydalanadigan usullar bilan solishtirganda sezilarli farqlar mavjud. Bu, ayniqsa, ba'zi murakkab so'nggi o'yinlar bilan shug'ullanish uchun foydalidir.

 

Ko'p bosqichli o'yinlarni talab qiladigan murakkab stsenariylar yoki burchak holatlari uchun bu o'xshashlik hali ham an'anaviy optimallashtirish yoki qidiruv algoritmlaridan butunlay voz kechishni qiyinlashtiradi. AlphaZero kabi turli texnologiyalarning afzalliklaridan oqilona foydalanish unumdorlikni oshirishning eng yaxshi usuli hisoblanadi.

Avtomobilni boshqarish

6.An'anaviy usul = qoidaga asoslangan bo'lsa?

 

Ko'p odamlar bilan suhbatlashar ekanman, bu tushunchani qayta-qayta tuzatishga majbur bo'ldim. Ko'pchilik, agar u faqat ma'lumotlarga asoslangan bo'lmasa, u qoidalarga asoslanmaydi, deb hisoblashadi. Masalan, shaxmatda formulalar va shaxmat yozuvlarini yodlab olish qoidaga asoslanadi, lekin AlphaGo va AlphaZero kabi modelga optimallashtirish va qidirish orqali oqilona bo‘lish imkoniyatini beradi. Menimcha, buni qoidaga asoslangan deb atash mumkin emas.

 

Shu sababli, katta modelning o'zi hozircha yo'q va tadqiqotchilar CoT kabi usullar orqali o'rganishga asoslangan modelni taqdim etishga harakat qilmoqdalar. Biroq, sof ma'lumotlarga asoslangan tasvirni aniqlash va tushunarsiz sabablarni talab qiladigan vazifalardan farqli o'laroq, haydovchining har bir harakati aniq harakatlantiruvchi kuchga ega.

 

Tegishli algoritm arxitekturasi dizayni ostida qaror qabul qilish traektoriyasi o'zgaruvchan bo'lishi va turli holatlarni tuzatish uchun parametrlarni majburan tuzatish va sozlash o'rniga, ilmiy maqsadlar rahbarligida bir xilda optimallashtirilgan bo'lishi kerak. Bunday tizimda, tabiiyki, har qanday qattiq kodlangan g'alati qoidalar mavjud emas.

Xulosa

Muxtasar qilib aytganda, end-to-end istiqbolli texnik yo'nalish bo'lishi mumkin, ammo kontseptsiya qanday qo'llanilishi ko'proq tadqiqotlarni talab qiladi. O'ylaymanki, ma'lumotlar va model parametrlari to'plami yagona to'g'ri yechim emas va agar biz boshqalardan o'zib ketishni istasak, biz qattiq ishlashimiz kerak.


Yuborilgan vaqt: 2024 yil 24 aprel