Автономні автомобілі можуть використовувати «соціальну мережу на базі штучного інтелекту», щоб спілкуватися один з одним під час руху

За допомогою Cached-DFL вчені створили квазісоціальну мережу, де автомобілі можуть переглядати сторінки профілів один одного з відкриттями. (Зображення: Hiroshi Watanabe/Getty Images)

Дослідники відкрили спосіб для автомобілів з автономним керуванням вільно обмінюватися інформацією під час руху без необхідності встановлення прямих з'єднань.

«Кешоване децентралізоване федеративне навчання» (Cached-DFL) — це платформа для обміну моделями штучного інтелекту (ШІ) для автомобілів з автономним керуванням, яка дозволяє їм обганяти один одного та обмінюватися точною та актуальною інформацією. Ця інформація включає найновіші способи вирішення навігаційних проблем, схем руху, дорожніх умов, а також дорожніх знаків і сигналів.

Зазвичай автомобілі мають бути віртуально поруч один з одним і надавати дозволи на обмін інформацією про водіння, зібраною під час подорожей. Однак за допомогою Cached-DFL вчені створили квазісоціальну мережу, де автомобілі можуть переглядати сторінки профілів один одного з інформацією про водіння — і все це без обміну особистою інформацією водія чи його моделями водіння.

Вам може сподобатися

Лазер розміром з пенні може допомогти безпілотним автомобілям бачити світ набагато чіткіше
Новий штучний інтелект MIT може навчитися керувати роботами, спостерігаючи за світом їхніми очима — для цього потрібна лише одна камера
Японський енергетичний прорив може стати «кроком до повністю бездротового суспільства»

Безпілотні транспортні засоби наразі використовують дані, що зберігаються в одному центральному місці, що також збільшує ймовірність великих витоків даних. Система Cached-DFL дозволяє транспортним засобам переносити дані в навчені моделі штучного інтелекту, в яких вони зберігають інформацію про умови та сценарії руху.

«Уявіть собі це як створення мережі спільного досвіду для автомобілів з автономним керуванням», – написав доктор Йон Лю, науковий керівник проєкту та професор інженерії в Інженерній школі Тандон Нью-Йоркського університету. «Автомобіль, який їздив лише на Мангеттені, тепер може дізнаватися про дорожні умови в Брукліні від інших транспортних засобів, навіть якщо сам ніколи туди не їздить».

Автомобілі можуть розповідати, як вони справляються зі сценаріями, подібними до тих, що трапляються в Брукліні, але які трапляються на дорогах в інших районах. Наприклад, якщо в Брукліні є вибоїни овальної форми, автомобілі можуть розповідати, як справлятися з ними, незалежно від того, де вони знаходяться у світі.

Вчені завантажили своє дослідження до бази даних препринтів arXiv 26 серпня 2024 року та представили свої висновки на конференції Асоціації сприяння розвитку штучного інтелекту 27 лютого.

Ключ до кращих автомобілів з автономним керуванням

За допомогою серії тестів вчені виявили, що швидкий і частий зв'язок між безпілотними автомобілями покращує ефективність і точність даних про водіння.

Вчені розмістили 100 віртуальних автомобілів з автономним керуванням у симульованій версії Мангеттена та налаштували їх на «їзду» за напіввипадковим графіком. Кожен автомобіль мав 10 моделей штучного інтелекту, які оновлювалися кожні 120 секунд, саме тут і виникла кешована частина експерименту. Автомобілі зберігають дані та чекають, поки не матимуть належного з’єднання між транспортними засобами (V2V) для цього. Це відрізняється від традиційних моделей обміну даними для автомобілів з автономним керуванням, які є миттєвими та не дозволяють зберігання чи кешування.

Вчені проаналізували, як швидко навчалися автомобілі та чи перевершувала Cached-DFL централізовані системи обробки даних, поширені в сучасних безпілотних автомобілях. Вони виявили, що доки автомобілі знаходилися на відстані 100 метрів (328 футів) один від одного, вони могли переглядати та обмінюватися інформацією. Транспортним засобам не потрібно було знати один одного, щоб обмінюватися інформацією.

«Масштабованість — одна з ключових переваг децентралізованої FL», — сказав Live Science доктор Цзе Сюй, доцент кафедри електротехніки та комп’ютерної інженерії в Університеті Флориди. «Замість того, щоб кожен автомобіль зв’язувався з центральним сервером або з усіма іншими автомобілями, кожен транспортний засіб обмінюється оновленнями моделі лише з тими, з якими стикається. Такий локалізований підхід до обміну запобігає експоненціальному зростанню накладних витрат на зв’язок, оскільки все більше автомобілів беруть участь у мережі».

Дослідники вважають, що Cached-DFL зробить технологію автономного керування більш доступною, зменшивши потребу в обчислювальній потужності, оскільки обчислювальне навантаження розподіляється між багатьма транспортними засобами, а не зосереджується на одному сервері.

ПОВ'ЯЗАНІ ІСТОРІЇ

— Злом MadRadar може змусити безпілотні автомобілі «галюцинувати» уявні транспортні засоби та небезпечно відхилятися від курсу

— «Двигун симуляції мультивсесвіту» передбачає всі можливі варіанти майбутнього для навчання гуманоїдних роботів та автомобілів з автономним керуванням

— Міні-«настільний суперкомп’ютер» від Nvidia у 1000 разів потужніший за ноутбук — і він може поміститися у вашій сумці

Наступні кроки дослідників включають реальне тестування Cached-DFL, усунення бар'єрів у структурі комп'ютерних систем між різними брендами безпілотних транспортних засобів та забезпечення зв'язку між транспортними засобами та іншими підключеними пристроями, такими як світлофори, супутники та дорожні сигнали. Це відомо як стандарти vehicle-to-everything (V2X).

Команда також прагне ширшого переходу від централізованих серверів до інтелектуальних пристроїв, які збирають та обробляють дані найближче до місця їх збору, що робить обмін даними максимально швидшим. Це створює форму швидкого ройового інтелекту не лише для транспортних засобів, але й для супутників, дронів, роботів та інших нових форм підключених пристроїв.

«Децентралізоване федеративне навчання пропонує життєво важливий підхід до спільного навчання без шкоди для конфіденційності користувачів», – сказав Live Science Джавед Хан, президент з питань програмного забезпечення, передових систем безпеки та користувацького досвіду в Aptiv. «Кешуючи моделі локально, ми зменшуємо залежність від центральних серверів і покращуємо прийняття рішень у режимі реального часу, що є надзвичайно важливим для критично важливих для безпеки програм, таких як автономне водіння».

Ліза Д. Спаркс

Ліза Д. Спаркс — журналістка-фрілансерка Live Science, досвідчений редактор і фахівець з маркетингу з досвідом роботи в журналістиці, контент-маркетингу, стратегічному розвитку, управлінні проектами та автоматизації процесів. Вона спеціалізується на штучному інтелекті (ШІ), робототехніці та електромобілях (EV) і технологіях акумуляторів, а також має досвід у таких тенденціях, як напівпровідники та центри обробки даних.

Ви повинні підтвердити своє публічне ім'я, перш ніж коментувати

Будь ласка, вийдіть із системи, а потім увійдіть знову. Після цього вам буде запропоновано ввести своє ім'я для відображення.

Вийти Читати далі

Лазер розміром з пенні може допомогти безпілотним автомобілям бачити світ набагато чіткіше

Новий штучний інтелект MIT може навчитися керувати роботами, спостерігаючи за світом їхніми очима — для цього потрібна лише одна камера

Японський енергетичний прорив може стати «кроком до повністю бездротового суспільства»

Мета-ШІ робить перший крок до суперінтелекту — і Цукерберг більше не випускатиме найпотужніші системи для публіки

Моделі штучного інтелекту можуть надсилати підсвідомі повідомлення, які навчають інші штучні інтелекти бути «злими», стверджує дослідження

Ваші пристрої передають дані помічникам зі штучним інтелектом та збирають персональні дані, навіть якщо вони сплять. Ось як дізнатися, чим ви ділитеся. Найновіше в електромобілях

Як «літаючі човни» доставляють електромобілі в океан — за допомогою Леброна Джеймса та Тома Брейді

Лазер розміром з пенні може допомогти безпілотним автомобілям бачити світ набагато чіткіше

Цей акумулятор електромобіля повністю заряджається всього за 18 секунд — і він щойно отримав зелене світло для масового виробництва

Електромобілі: Факти про транспортні засоби, які змінюють дорожній транспорт

Електромобілі можуть заряджатися на 500% швидше в морозну погоду згідно з новим відкриттям

Китайська технологія надшвидкої зарядки вдвічі швидша, ніж у Tesla — повністю заряджає електромобілі всього за 6 хвилин. Останні новини

«Я довіряю ШІ, як моряк довіряє морю. Він може занести вас далеко, або ж може втопити»: результати опитування показують, що більшість не довіряє ШІ

Всього одна доза ЛСД може полегшити тривогу на місяці, згідно з дослідженням

Вчені виявили «щось надзвичайне» в проблемному серці відомої наднової

Вчені винайшли «спермоботів», яких вони пілотували через штучну шийку матки та матку

Наукові новини цього тижня: ключова атлантична течія наближається до колапсу, найбільший у світі айсберг руйнується, а мозок миші переписує нейронауку

Рибалки виявили в Карибському басейні першу у своєму роді яскраво-помаранчеву акулу з двома рідкісними захворюваннями ОСТАННІ СТАТТІ

Огляд 1Canon EOS R5 II

Вчені знайшли «щось надзвичайне» у проблемному серці відомої наднової

Розпечена «піщана батарея» 3A тепер опалює невелике фінське містечко

4 Чи існують альфа-самці насправді?

5 наукових новин цього тижня: ключова атлантична течія наближається до руйнування, найбільший у світі айсберг руйнується, а мозок миші переписує нейронауку

Live Science є частиною Future US Inc, міжнародної медіагрупи та провідного цифрового видавництва. Відвідайте наш корпоративний сайт.