Este artículo se centra estudio Netease inteligente producido AI, la siguiente lectura del profesor una gran época :! Amon Shashua, vicepresidente senior de Intel Corporation y director general de Intel Mobileye subsidiaria y director de tecnología.
Para el público en general, esperan que los autos que se conducen a sí mismos puedan seguir estándares más estrictos que los conductores humanos. La semana pasada, la Sra. Elaine Herzberg desafortunadamente fue derribada por un Uber en modo piloto automático en Arizona, EE. Al final, después de la tragedia, llegó el momento de reflexionar sobre la importancia de la detección y la toma de decisiones para la seguridad.
En primer lugar, uno de los desafíos que enfrentamos hoy es interpretar la información del sensor. Según el video publicado por la policía, parece que incluso si la capacidad de detectar y clasificar objetos es el elemento básico más básico en un sistema de automóvil autónomo, esto también es cierto. Una tarea muy desafiante. Sin embargo, esta capacidad está en el corazón del actual Sistema Avanzado de Asistencia al Conductor (ADAS), que incluye características tales como el frenado automático de emergencia (AEB) y mantenimiento de carril. Miles de millones de millas son suficientes para verificar , El sistema de detección de alta precisión en ADAS está salvando vidas. De manera similar, antes de superar desafíos aún mayores, esta tecnología también es un elemento esencial para la conducción totalmente automática de automóviles en el futuro.
Para probar las capacidades y sutilezas de la tecnología ADAS actual, ejecutamos el software de Mobileye en el video en el monitor de TV. Este monitor reproduce el fragmento proporcionado por la policía del accidente. Aunque la situación no es buena, puede haber muchas escenas de accidentes. Se han perdido datos de alto rango dinámico, pero el software de Mobileye se ha detectado claramente alrededor de un segundo antes del impacto. La imagen inferior muestra tres instantáneas del cuadro delimitador de bicicletas detectado anteriormente y la Sra. Herzberg. Dos fuentes de funcionamiento independiente: reconocimiento de patrones (cuadro delimitador de generación) y módulo de detección de "espacio libre" (que produce un mapa horizontal donde la parte roja representa un "transeúnte" por encima de la línea roja). Uso de estructuras de movimiento (terminología técnica para ' Plano + paralaje '), el tercer módulo puede distinguir entre caminos y objetos. Esto verifica que el objeto detectado es 3D, pero es menos confiable, por lo que se describe como' fcvValid: Low 'y se muestra en la parte superior izquierda de la pantalla. Fang. La baja credibilidad se debe al hecho de que la información normalmente disponible para los vehículos de producción no se encuentra aquí, y la calidad de la imagen es pobre. Después de todo, la imagen tomada por el registrador de conducción Sobre la base de los disparos de nuevo, puede haber algo de disminución de resolución desconocida.
Las imágenes provienen de videoclips publicados por la policía en el monitor de TV. La imagen superpuesta muestra la respuesta del sistema Mobileye® ADAS. Los recuadros delimitadores verdes y blancos son la salida del módulo de detección de bicicletas y peatones. El mapa horizontal muestra las carreteras y los obstáculos. El límite entre, lo llamamos 'espacio libre'.
El software utilizado en este experimento es el mismo que el software utilizado en los vehículos equipados con ADAS actuales y ha sido validado en miles de millones de millas de usuario.
Ahora, el desarrollo de tecnologías de inteligencia artificial, como redes neuronales profundas, ha llevado a muchos a creer que los sistemas de detección de objetos de alta precisión ya pueden desarrollarse fácilmente, y que las décadas de experiencia de los expertos en visión artificial se reducen en gran medida. Muchos recién llegados se están volcando en este campo. Si bien estas nuevas tecnologías son realmente útiles, muchas tradiciones no pueden ignorarse. Esto incluye identificar y completar cientos de pruebas en situaciones extremas, anotar decenas de millones de millas de conjuntos de datos y anotar en docenas de ADAS. El proyecto se está sometiendo a pruebas de verificación de producción de prueba desafiantes. La experiencia es crítica, especialmente en áreas donde la seguridad está a la vanguardia.
La segunda observación del incidente fue la transparencia. Todos dijeron "ponemos la seguridad en el puesto más importante", pero creemos que para ganar la confianza del público debe ser más transparente. Como anuncié en Mobileye en octubre pasado. Según el Modelo de Seguridad Sensible Responsable (RSS), las decisiones deben cumplir con el sentido común del juicio humano. Hemos formulado matemáticamente conceptos de sentido común como "situaciones peligrosas" y "respuesta correcta" y hemos establecido una conformidad matemáticamente segura con la definición. Sistema.
La tercera observación es la redundancia: el verdadero sistema sensorial necesita un diseño redundante y debe depender de fuentes de información independientes: cámaras, radares y lidars. La integración de estas fuentes de información ayuda a mejorar el confort de conducción. Sin embargo, no es propicio para la seguridad. Para demostrar que hemos logrado una redundancia práctica, Mobileye ha desarrollado un sistema independiente, solo de cámara, de extremo a extremo, así como un sistema Lidar independiente y solo de radar.
Si algo así como el accidente de la semana pasada ocurre de nuevo, la ya frágil confianza del usuario se reducirá aún más y puede llevar a una supervisión pasiva y finalmente acabar con este importante trabajo. Como dije al presentar el modelo de seguridad sensible a la responsabilidad, Creemos firmemente que es necesario realizar una discusión significativa sobre el marco de verificación de seguridad para automóviles totalmente automatizados. Invitamos a fabricantes de automóviles, compañías de tecnología en este campo, autoridades reguladoras y otras partes relevantes a trabajar juntas para resolver estos importantes problemas.