В рамках многообещающей разработки технологии беспилотных автомобилей исследовательская группа инженерной школы Нью-Йоркского университета Тандон представила алгоритм, известный как нейросимволическое мета-подкрепляющее прогнозное обучение (NUMERLA), который может решить давнюю проблему адаптации к непредсказуемым сценариям реального мира при сохранении безопасности.

Исследование проводилось Цюаньян Чжу, адъюнкт-профессором электротехники и вычислительной техники Нью-Йоркского университета Тандон, и его доктором философии Хаожэ Лей.

Искусственный интеллект и машинное обучение помогли беспилотным автомобилям работать во все более сложных сценариях, позволяя им обрабатывать огромные объемы данных с датчиков, ориентироваться в сложных условиях и перемещаться по городским улицам, соблюдая правила дорожного движения.

Однако, когда они выходят за пределы контролируемой среды в хаос реального дорожного движения, производительность таких транспортных средств может снизиться, что потенциально может привести к авариям.

NUMERLA стремится преодолеть разрыв между безопасностью и адаптивностью. Алгоритм достигает этого путем постоянного обновления ограничений безопасности в режиме реального времени, гарантируя, что самоуправляемые автомобили смогут ориентироваться в незнакомых сценариях, сохраняя безопасность в качестве главного приоритета.

Структура NUMERLA работает следующим образом: когда самоуправляемый автомобиль сталкивается с меняющейся средой, он использует наблюдения, чтобы скорректировать свое «убеждение» о текущей ситуации. Основываясь на этом предположении, он делает прогнозы относительно своей будущей производительности в течение определенного периода времени. Затем он ищет соответствующие ограничения безопасности и соответствующим образом обновляет свою базу знаний.

Политика автомобиля корректируется с помощью предварительной оптимизации с учетом ограничений безопасности, что приводит к неоптимальной, но эмпирически безопасной стратегии онлайн-контроля.

Одно из ключевых нововведений NUMERLA заключается в его символических ограничениях на перспективу. Делая предположения о своем будущем режиме и включая символические ограничения безопасности, самоуправляемый автомобиль может адаптироваться к новым ситуациям на лету, сохраняя при этом приоритет безопасности.

Исследователи протестировали NUMERLA на компьютерной платформе, имитирующей городскую среду, специально для того, чтобы убедиться в ее способности приспосабливаться к пешеходам—переходчикам, и она превзошла другие алгоритмы в этих сценариях.