En gruppe af forskere af den engelske Wayve opstart har udviklet en metode af netværk anvendelse af dyb læring til Autonome kørsel. For ikke så længe siden repræsentanter for det selskab, der viste, hvordan deres teknologi virker, og har tilbudt at bringe en rigtig bil på en rigtig vej, og lære ham… selv kører i 20 minutter.
Faktum er, at de fleste selvkørende biler bruger et sæt af kameraer og sensorer, såvel som værktøjer til kortlægning og computer programmering. Men denne fremgangsmåde, efter deres mening, hviler på loftet. Autonome køretøjer, der er programmeret af virksomheder som Google, har nået det punkt, hvor de er god, men ikke god nok til udbredt anvendelse. Dette er på grund af det faktum, at bilen er ikke smart nok til at klare med masser af forholdene på en almindelig vej. Ifølge forskerne, at en bil har brug for mere end en smart computer, men ikke særlige sensorer eller programmering.
Den Wayve holdet mener, at en mere fornuftig tilgang er at bruge learning algoritmer med forstærkninger, noget, der vil indebære DeepMind er at lade computeren lære som mennesker, i praksis. Algoritmer til styrkelse af læring er grundlaget for dyb læring, netværk, de studerer, gentage og gentage den opgave, hver gang for at forbedre din score. I tilfælde af Autonomt køretøj, kontrol, dette ville betyde, at køre bilen indtil da, indtil han lærer at gøre det rigtigt.
For at vise, hvor godt det kunne virke som denne tilgang, Wayve team Renault Twizy er udstyret med et kamera, kontrol gas, bremse og rat, og er tilsluttet GPU ‘ en og computeren algoritmer til styrkelse af læring. Den computer, der “sagde”, at det bedste resultat ville være en bil, der bevæger sig på vej uden at forlade vejen. Jo længere han gør, jo bedre. Så har de tilføjet føreren og sætte bilen på en landevej. Computeren har lært en bil at køre i, ikke at skride ud ved vejen i 20 minutter.
En bil med dyb læring selv-lært at køre i 20 minutter
Ilya Hel