Ztráta trakce při jízdě vysokou rychlostí je obecně velmi špatná zpráva. Vědci z Toyota Research Institute a Stanford University vyvinuli dvojici samořídících aut, která k tomu využívají umělou inteligenci kontrolovaným způsobem – trik lépe známý jako „driftování“ – aby posunuli hranice autonomního řízení.
Tato dvě autonomní vozidla předvedla v květnu odvážný kousek driftovacího tandemu kolem Thunderhill Raceway Park ve Willows v Kalifornii. V propagačním videu obě auta řvou kolem trati několik stop od sebe poté, co se lidští řidiči vzdají kontroly.
Chris Gerdes, profesor na Stanfordské univerzitě, který vedl její zapojení do projektu, říká WIRED, že techniky vyvinuté pro tento čin by nakonec mohly pomoci budoucím asistenčním systémům pro řidiče. „Jedna z věcí, na kterou se díváme, je, zda se dokážeme chovat stejně dobře jako ti nejlepší lidští řidiči,“ říká Gerdes.
Budoucí asistenční systémy by mohly využít algoritmy testované na kalifornské trati k zásahu, když motorista ztratí kontrolu, a vyvést vozidlo z problémů, jako by to udělal kaskadér. „To, co jsme zde udělali, lze rozšířit, abychom se vypořádali s většími problémy, jako je automatizované řízení v městských situacích,“ říká Gerdes.
Projekt je úhlednou ukázkou vysokorychlostní autonomie, i když samořídící vozidla mají k dokonalosti stále daleko. Po deseti letech slibů a humbuku nyní taxislužby v některých omezených situacích fungují bez řidiče. Vozidla jsou však stále náchylná k uvíznutí a mohou vyžadovat vzdálenou pomoc.
Vědci z Toyoty a Stanfordské univerzity upravili dva sportovní vozy GR Supra kromě odpružení a dalších vlastností také o počítače a senzory, které sledují vozovku a další vozidla. Vyvinuli také algoritmy, které kombinují pokročilé matematické modely vlastností pneumatik a tratě se strojovým učením, které pomáhá autům naučit se, jak zvládnout umění driftu.
Ming Lin, profesor na University of Maryland, který studuje autonomní řízení, říká, že tato práce je vzrušujícím pokrokem v pomoci samořídícím autům fungovat v extrémech. „Jednou z největších výzev pro autonomní vozidla je bezpečný provoz v deštivých, zasněžených nebo mlhavých dnech nebo při špatném osvětlení v noci,“ říká.
Lin dodává, že projekt Toyota–Stanford demonstruje důležitost kombinace strojového učení s fyzickými modely ve světě. „Ačkoli je to jen brzká demonstrace, jasně míří správným směrem,“ říká.
Toyota a Stanford poprvé předvedly algoritmy, které umožnily autonomním vozům driftovat v roce 2022. Aby tento trik provedla dvě vozidla v tandemu, vyžaduje to ještě lepší kontrolu a vozidla spolu komunikují. Vozy byly napájeny daty z kol zajetých profesionálními jezdci. Jejich příslušné počítače vypočítaly optimalizační problém až 50krát za sekundu, aby rozhodly, jak vyvážit řízení, plyn a brzdu.
„Skutečně se zde díváme na to, jak ovládat auto při extrémních výkonech, kdy pneumatiky kloužou, což je stav, ve kterém byste [encounter] když jedete na sněhu nebo ledu,“ říká Avinash Balachandran, viceprezident divize Human Interactive Driving společnosti TRI. „Pokud jde o bezpečnost, být průměrným řidičem prostě nestačí, a tak se opravdu snažíme učit od nejlepších odborníků.“
Svět v poslední době zaznamenal pozoruhodný pokrok v AI díky velkým jazykovým modelům, které podporují programy jako ChatGPT. Jak však zdůrazňuje duální driftovací demo, zvládnutí chaotického, nepředvídatelného fyzického světa zůstává zcela odlišným návrhem.
„V LLM nemusí halucinace znamenat konec světa,“ říká Balachandran v narážce na způsob, jakým velké jazykové modely pletou fakta. „U auta to samozřejmě může být velmi odlišné.“
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com
