Теги → машины
Быстрый переход

Военные хотят ИИ, который будет играть не по правилам

Обученные компьютеры с элементами искусственного интеллекта давно обыгрывают людей в шахматы и недавно научились обыгрывать в Go. Безусловно, эти программы можно назвать ИИ только с большой натяжкой. Но суть в том, что человек худо-бедно смог создать вычислительные системы, которые можно обучить для решения определённых задач по строго установленным алгоритмам в строго установленных рамках. К сожалению, это не работает в открытом мире, когда меняется окружение, условия задач и всё, всё, всё. Проще говоря, когда правила перестают работать. В таких условиях ИИ человеку не помощник, что категорически не нравится военным.

DARPA

DARPA

Для решения проблемы адаптации ИИ к меняющимся условиям при решении поставленной задачи Агентство перспективных исследований МО США (DARPA) сообщает о запуске программы Science of Artificial Intelligence and Learning for Open-world Novelty (SAIL-ON). Почти как команда ставить парус для выхода в открытое море. Обучение ИИ для адаптации к новизне открытого мира предполагает исследование и разработку базовых научных принципов и общих инженерных технологий и алгоритмов, необходимых для создания искусственных систем, которые могли бы сообразно и эффективно действовать в открытом мире.

Целью программы является разработка научных принципов для количественного и качественного описания тех явлений и ситуаций, с которыми ИИ впервые могут столкнуться в открытом мире. Иначе говоря, ИИ должны получить свод правил и механизмов для оценки чего-то нового для них с возможность моментального адекватного реагирования. Также программа SAIL-ON должна помочь создать такие системы и продемонстрировать, а также организовать их изучение в областях, на которые укажет Министерство обороны.

Наработки в области автономного вождения, которые заслуживают уважение и демонстрируют определённый прогресс, для решения задач военных определённо не годятся. Одно дело ездить по дорогам по правилам и совсем другое перемещаться по бездорожью в совершенно непонятной обстановке. Поэтому перед участниками программы SAIL-ON ставится непростая задача с множеством подчинённых областей, в которых предстоит решить массу сложных математических и алгоритмических задач.

Сайт использует ИИ для создания лиц несуществующих людей

Возможно, многие уже в курсе, что с помощью ИИ можно эффективно помещать реальные лица в видео, но теперь стало ясно, что технология может использоваться для автоматической генерации лиц. Разработчик Филипп Ванг (Phillip Wang) создал сайт ThisPersonDoesNotExist, единственное назначение которого — создание с помощью технологий машинного обучения бесконечного разнообразия поддельных, но при этом правдоподобных лиц.

Инструмент использует созданную в NVIDIA генеративно-состязательную нейросеть (алгоритм машинного обучения без учителя, построенный на комбинации из двух нейронных сетей — генерирующей и обучающейся) для создания лиц с использованием большого каталога фотографий в качестве учебного материала.

Результаты неидеальны — порой можно заместить существенные огрехи на коже или волосах. Но иногда крайне сложно поверить, что речь идёт не о настоящем человеке. Технология при этом не требует большой вычислительной мощности. Господин Ванг сказал, что сайт использует один графический процессор NVIDIA на арендованном сервере для создания случайного лица каждые две секунды.

Речь идёт не столько о технологическом прорыве, сколько о попытке привлечь внимание общества к вопросу способностей ИИ манипулировать изображениями (не только о лицами людей — разработка NVIDIA применяется и в ряде других областей). Это простой проект, но он наглядно иллюстрирует потенциальные преимущества и недостатки технологии.

Она может быть использована для создания правдоподобных персонажей какой-нибудь истории, но ею также могут воспользоваться мошенники, которые скрываются за поддельными личностями. В идеале подобные ресурсы призваны вызвать дискуссию об этике манипулирования изображениями с помощью ИИ до того, как проблема станет в полный рост.

Учёные создали робота-муравья с полностью автономной навигацией без GPS

Природа снова выступила учителем для человека пытливого. Группа учёных из французского исследовательского центра French National Center for Scientific Research (CNRS) и Университета Экс-Марсель (Aix-Marseille University) скопировала систему навигации у пустынного муравья фаэтончик красный (Cataglyphis desert ants). Это насекомое длиной около одного сантиметра прекрасно ориентируется в пустыне, где ландшафт не отличается постоянством, а высокая температура не позволяет муравьям искать гнездо и маршруты по запаху (феромонам). Вместо этого пустынные муравьи научились прокладывать маршрут с учётом положения солнца и с помощью отсчёта шагов в каждом направлении, которое они совершают.

ix Marseille University/CNRS/ISM

ix Marseille University/CNRS/ISM

В голове муравья постоянно происходят расчёты, погрешность которых настолько мала, что муравей может пробежать запутанный маршрут свыше 600 метров и потом быстро по прямой вернуться к гнезду. Глаза и память на зрительные образы дают возможность окончательно сориентироваться вблизи искомой позиции, так что сверхвысокая точность не нужна. Пасмурное небо и отсутствие солнца для муравья не помеха. В его глазах находятся чувствительные к поляризованному ультрафиолетовому излучению образования, которые позволяют определить положение солнца даже в пасмурный день.

A) маршрут муравья около 600 м, B) маршрут робота длиной свыше 10 м (Aix Marseille University/CNRS/ISM)

A) маршрут муравья длиной около 600 м, B) маршрут робота длиной свыше 10 м (Aix Marseille University/CNRS/ISM)

Воссозданный робот-муравей диаметром 45 см и весом 2,3 кг был испытан на дистанции чуть больше 10 метров. После маршрута с несколькими сменами направления робот по кратчайшему расстоянию вернулся в точку старта с точностью 2 см. Погрешность определения положения солнца при лёгкой облачности была всего 0,02 градуса, при полной облачности погрешность составляла в среднем 0,59 градусов. Скорость перемещения машины составила 10 см/с. Если аппроксимировать робота до масштабов муравья, то его система навигации позволит роботу преодолеть дистанцию до 32 км со скоростью 90 см/с, но для этого, признаются учёные, необходимо другие источники питания и доработка ходовой части. Также остаётся проблема навигации под лесным покровом, когда листья и ветви поглотят ультрафиолет и не позволят роботу сверяться с положением солнца. Предстоит ещё много исследований, но перспектива у подобной системы навигации, безусловно, есть.

Начались испытания первого в России беспилотного трамвая

Начались испытания первого в России беспилотного трамвая. Его создали компании Cognitive Technologies и «ПК Транспортные системы», пишут «Ведомости».

В настоящее время трамвай, оснащённый интеллектуальной системой помощи водителю, тестируют на площадке депо имени Баумана, но в течение одного–двух месяцев начнут испытывать в условиях уличного трафика.

На первом этапе трамвай будут испытывать без пассажиров в салоне и с водителем в кабине. Система сможет автоматически останавливать транспортное средство при обнаружении помехи на путях и снижать скорость, если водитель будет двигаться слишком быстро на опасном участке дороги или при плохой погоде.

«Умная» система управления включает до 20 видеокамер и до 10 радаров. Они позволяют электроники распознавать людей, машины и другие объекты даже во время дождя, тумана, при ослеплении светом или ночью. 

Cognitive Technologies и «ПК Транспортные системы» рассчитывают начать коммерческую эксплуатацию беспилотных трамваев в 2021–2022 годах.

Ранее вступило в силу постановление правительства о начале эксперимента по тестированию беспилотных транспортных средств на дорогах общего пользования. На улицах Москвы и Казани такие машины появятся не раньше весны 2019 года, до этого будет идти процесс их сертификации.

Adobe видит в ARM архитектуру «всевластия» и даже мечтает о собственном процессоре

Некоторое время назад Adobe провела домашнюю конференцию, на которой главный технолог компании Абхай Параснис (Abhay Parasnis) где намёками, а где открыто обрисовал пути для дальнейшего развития компании. Начнём с конца. По твёрдому убеждению Абхая, когда-нибудь мы войдём в мир, где кроме ARM не будет ничего. Из этого убеждения вытекают все остальные действия и стратегии компании.

wsj.com

wsj.com

Стратегия первая. Обуздать растущие мощности «железа» и, возможно, разработать или иными путями получить собственный процессор или ускоритель. Например, это можно сделать с помощью партнёра-специалиста по разработке аппаратных решений. Платформа ARM, по мнению Adobe, предоставляет возможность максимально тесно связать программную часть с аппаратной. При этом речь не идёт о создании собственных центров по обработке данных, как это делают Google, Microsoft, Amazon и другие.

Стратегия вторая. Искусственный интеллект. Компания уже создаёт продукты, использующие машинное обучение и элементы искусственного интеллекта. В частности, Adobe устами главного технолога призвала партнёров за год создать до 100 новых моделей обучения для фирменной платформы Sensei. Если компания не сможет переосмыслить свои продукты [франшизу] в парадигме ИИ, то это сделает кто-нибудь другой, опасаются в Adobe. Ориентация на ML также может заставить искать собственную аппаратную платформу. И это будут не процессоры Intel, подчёркивают в Adobe, которые сейчас повсеместно находятся в компьютерах под управлением Windows или ОС Apple.

Стратегия третья. Прочь от ПК и смартфонов. Необходимо осваивать новые направления в виде голосового управления и гарнитур дополненной и виртуальной реальности. Эти новые платформы также могут потребовать уникальных аппаратных решений для поддержки программ Adobe. В первую очередь, это вопрос энергоэффективности мобильных решений. Компания делает акцент на то, что ей не нужно что-то общее ― тот же ИИ общего назначения. Ей необходимо решать строго свои прикладные задачи, на что хорошо способны только те продукты, которые сделаны внутри компании или в тесном партнёрстве с заинтересованным специалистом.

DARPA призывает создать единый механизм защиты ИИ от обмана

Агентство перспективных исследований МО США объявило о запуске новой программы Guaranteeing AI Robustness against Deception (GARD). Программа «Гарантированная устойчивость ИИ к обману» призвана заткнуть дыру в безопасности систем с машинным обучением. Это не обязательно сознательный обман ИИ со стороны враждебно настроенных личностей или таких же ИИ-платформ. Система с машинным обучением может быть введена в заблуждение как несовершенством алгоритма обучения и принятия решений, так и вследствие изменения условий, в которых необходимо принимать решение. Цена ошибок может быть большой и даже неоценимой, если речь идёт об ИИ, которые вовлечены в процессы по обеспечению жизнедеятельности человека.

DARPA

DARPA

В рамках программы GARD будут преследоваться три основные цели. Во-первых, создание фундаментальных теоретических обоснований защищающихся ML и соответствующей терминологии. Во-вторых, разработка и тестирование защищающихся систем в широком спектре назначения и настроек. В-третьих, построение испытательного стенда для представления защищающихся систем машинного обучения (ML) в сценариях различных угроз.

Работу по созданию защищающихся систем машинного обучения предполагается начать с защиты систем распознавания изображений. Например, подобные системы используются в самоуправляемых автомобилях, которые в случае ошибочной интерпретации дорожных знаков могут оказаться в аварийной ситуации. Затем от ошибок и введения в заблуждение будут избавлять обучающиеся системы с обработкой видео, аудио и более сложные ― с множеством разнообразных датчиков. Также будут проводиться работы для создания систем с умением предсказывать ситуации, принимать решения и адаптироваться к различным условиям в течение времени жизни системы.

Программа GARD не будет ограничена чисто математическими или аппаратными наработками в области искусственного интеллекта и машинного обучения. Будут рассматриваться также биологические механизмы защиты на примере работы иммунной системы. Природа научила живые организмы идентифицировать атаки, запоминать их и противодействовать угрозам. Почему бы ни применить подобные алгоритмы для защиты искусственного интеллекта?

DARPA хочет наделить машины способностью трезвой самооценки

Как справедливо рассуждают в DARPA, агентстве по управлению перспективными исследованиями Министерства обороны США, ключевой ингредиент любого успешного коллектива ― военного, спортивного или делового ― это взаимное доверие с полным пониманием того, кто и на что способен в той или иной ситуации. Поскольку машины становятся умнее, они вполне способны стать участниками команды в паре с человеком. Но для повышения уровня доверия необходимо, чтобы автономная система могла трезво оценить свой уровень компетентности в реально складывающихся условиях и сообщить об этом человеку или участникам коллектива. Сегодня это невозможно, уверены в DARPA, либо реализовано в самом зачаточном состоянии.

Автомобиль сообщает, что он 1000 раз ездил ночью в дождь и при этом мог с 90 % точностью различить человека и припятствие (DARPA)

Автомобиль сообщает, что он 1000 раз ездил ночью в дождь и при этом мог с 90 % точностью отличить человека от препятствия (DARPA)

Для наделения автономных систем способностью трезвой самооценки DARPA запускает программу Competency-Aware Machine Learning (CAML), подробнее о которой планирует рассказать 20 февраля. Уже из названия программы понятно, что агентство ищет решения в области машинного обучения и искусственного интеллекта. В программу входит не только моделирование и разработка алгоритмов поведения автономных систем, но также разработка интерфейса взаимодействия человека и машины.

В качестве примера автономной системы с возможностью самостоятельной оценки компетентности руководитель проекта CAML приводит следующую ситуацию. При заказе автономного такси ночью в плохую погоду клиент получает ответ от двух автомобилей, один из которых сообщает о 1000 успешных поездках в ночь и под дождём, в ходе которых система автомобиля с точностью 90 % отделяла живого человека от неодушевлённых препятствий. Другой автомобиль заявил о 99 % точности в сходных ситуациях, но он побывал в таких условиях только 100 раз. Тем самым клиент может сам сделать вывод и выбрать тот автомобиль, который покажется ему более опытным для поездки в сложных погодных условиях.

В конечном итоге знание человека об оперативном состоянии и готовности автономной системы выполнить определённую работу с прогнозируемым результатом повысит эффективность взаимодействия и приведёт к максимально согласованным действиям.

Яндекс рассказала, как её автомобиль без водителя колесил по Лас-Вегасу

Мы уже писали, как робомобиль Яндекса покорял дороги Лас-Вегаса во время международной выставки потребительской электроники 7–10 января и приводили впечатления известного техноблогера Маркуса Браунли (Marques Brownlee). Но теперь директор по развитию бизнеса беспилотных автомобилей Артём Фокин поделился многими интересными подробностями об этом турне.

Желание продемонстрировать свою технологию беспилотного вождения на CES у команды разработчиков возникло давно. А когда автономные такси Яндекса заработали в московском Сколково и казанском Иннополисе, стало понятно, что время пришло. Прежде всего, следовало получить разрешение на тестирование самоходного транспортного средства в штате Невада. Можно было бы предположить, что для иностранной компании процедура могла оказаться гораздо сложнее, чем в родном для неё регионе — России. Но реальность нередко заставляет удивляться, особенно, когда речь идёт о государственной поддержке развития технологических направлений.

«Оказалось, что разрешение на то, чтобы ездить в Неваде по дорогам общего пользования, получить чрезвычайно просто. Этот процесс называется self-certification — если компания готова гарантировать, что всё будет хорошо, ей выдадут разрешение без лишних вопросов. В этом кардинальное отличие американского подхода от российского», — сообщил Артём Фокин.

Вторым шагом стала покупка в США гибридного автомобиля Toyota Prius и оснащение его системой автопилота. Для подстраховки команда в Москве приобрела такую же, но европейскую версию авто, чтобы смоделировать подобную ситуацию. Но, несмотря на ограниченную команду в Америке, всё пошло хорошо, и машина была готова уже через две недели.

Столько же времени машина ездила с водителем за рулём по выбранной зоне Лас-Вегаса в окрестностях выставочного комплекса CES, чтобы собрать данные об окружающей обстановке. И хотя американские и российские дороги, как и правила движения, довольно сильно отличаются, команда утверждает, что с более простой задачей ещё не сталкивалась: «Несмотря на то, что машин там сильно больше, чем в Сколково или Иннополисе, сама организация дорог делает вождение очень комфортным. Специально выделенные полосы под любой поворот или манёвр, логичное устройство проезжей части. Да и погодные условия тоже неплохие». В общем, рассчитанной на более суровые российские условия автоматике оказалось достаточно просто справиться с трафиком в Лас-Вегасе.

Уверившись, что автопилот ведёт себя отлично, специалисты Яндекса решили пересадить инженера-испытателя с водительского кресла на переднее пассажирское — выданное разрешение это позволяло. «Даже во время CES, когда бульвар Лас-Вегас-Стрип кишит беспилотниками с их внушительными радарами и сенсорами, автомобиль без инженера в водительском кресле — это настоящее событие», — признал журнал Wired.

«Во время поездки в машине Яндекса казалось, что за рулём реальный человек. Не было чувства опасности или „механичности“ происходящего. На водительском месте не было никого (в отличие от Aptiv или Waymo), а на пассажирском сидел инженер, который держал руку возле большой красной кнопки — на случай, если вдруг придётся экстренно отключить систему. Конечно, другие беспилотники тоже вполне безопасны.  Но в них сложно отделаться от ощущения, что тебя везёт твой дедушка» — написал журналист Forbes. С ним соглашается и обозреватель Business Insider, указывая, что характер вождения российского автопилота неотличим от опытного водителя.

Опробовать робомобиль «Яндекс.Такси» на CES мог каждый, но очень скоро запись на демонстрационную поездку пришлось закрыть из-за количества желающих, а время поездок — расширить с шести часов в день до десяти.

«Без человека в водительском кресле в Неваде и за её пределами сейчас не ездит никто из компаний-разработчиков беспилотных автомобилей. А мы начали, и это было удивительно. Мы показали, что технология, которую мы разработали в России, с минимальными доработками применима и в других странах», — заключил Артём Фокин.

Будем надеяться, что дальнейшему развитию подобных передовых технологий будет сопутствовать и оптимизация законодательства и правил дорожного движения, дабы достигнутый задел не сошёл в итоге на нет.

Кстати, недавно Яндекс представил собственную встраиваемую в приборную панель информационно-развлекательную систему «Яндекс.Авто» с «Навигатором», «Музыкой» и голосовым помощником Алиса. Список поддерживаемых моделей автомобилей расширяется, а стартовая цена составляет почти 30 тысяч рублей.

Машины атакуют: ИИ от DeepMind превзошёл профессиональных игроков в StarCraft II

StarCraft II ещё с ноября 2016 года стала площадкой для экспериментов сотрудников DeepMind (подразделение Alphabet) в области искусственного интеллекта. В августе 2017 года DeepMind вместе с Blizzard позволили исследовать ИИ с помощью StarCraft II всем желающим в открытом окружении, выпустив ряд новых инструментов. В ноябре того же года в Сеуле, в Университете технологии и науки Южной Кореи был проведён турнир между профессионалами и ИИ в этой RTS. Тогда люди всё ещё оказались лучше машин, но прогресс не стоит на месте, так что теперь даже самым изощрённым корейским игрокам есть о чём переживать при игре против компьютера.

Люди склонны считать, что весьма искусны в играх, которые создают, но компьютеры снова и снова доказывают, что человеческий разум и его реакция попросту недостаточно быстры, чтобы совладать с вычислительной мощью компьютерных алгоритмов. Машины одержали победу над лучшими из людей в области шахмат, телевикторины Jeopardy! или даже го (одной из самых сложных настольных игр в мире). Принадлежащая Google команда DeepMind, по сути, взяла верх в ещё одной дисциплине — стратегии в реальном времени StarCraft II. Всего через 18 месяцев после начала тренировок и работы над созданием подходящего алгоритма DeepMind удалось представить искусственный интеллект, который убедительно превосходит лучших в мире игроков в StarCraft II.

DeepMind назвала своего цифрового чемпиона по го именем AlphaGo, так что бот, превосходно играющий в StarCraft II, получил аналогичное прозвище — AlphaStar. За плечами этого алгоритма — более 200 лет практики. Ещё на последней конференции Blizzcon в ноябре команда DeepMind сказала, что её платформа машинного обучения смогла примерно вдвое превзойти сложность «Безумно» у компьютерных соперников, доступных игрокам в StarCraft II. С тех пор она стала ещё опаснее.

AlphaStar — это свёрточная нейронная сеть. Команда начала с повторов профессиональных матчей, дав AlphaStar отправную точку для начала игры. Благодаря интенсивным тренировкам с конкурирующими моделями, DeepMind смогла научить AlphaStar играть в игру так же, как и лучшие игроки из числа людей. Со временем она сократила набор ИИ до пяти лучших «агентов», и именно в таком виде бросила его против самых опытных в мире игроков StarCraft II.

Матчи состоялись в декабре, а на недавней интернет-трансляции в основном демонстрировались записи. Вначале AlphaStar сражался с игроком, известным под псевдонимом TLO, который в основном играет за зергов в StarCraft II. Тем не менее, ему пришлось выбрать протоссов, поскольку AlphaStar пока натренирован только против этой расы. Это было больше похоже на избиение: несмотря на все усилия TLO, AlphaStar победил человека пять раз подряд. Затем другой агент AlphaStar выступил против опытного игрока-протосса под ником MaNa. В некоторых матчах человек был близок к победе, но AlphaStar всё же снова выиграл пять игр подряд. Также MaNa боролся с новым агентом AlphaStar в прямом эфире, и на этот раз ему удалось одержать победу над машиной.

AlphaStar продемонстрировал впечатляющий уровень микроуправления войсками на протяжении всех матчей. Он быстро отодвигал повреждённые отряды в тыл, выдвигая более сильных на передовую линию. AlphaStar также контролировал темп битвы, продвигая отряд вперёд и отступая в нужное время, чтобы нанести урон, получая при этом меньше повреждений. Причём речь шла не о превосходстве в количестве прямых действий в минуту (APM) — показатель APM у AlphaStar существенно ниже, чем у игроков-людей: алгоритм просто совершал более разумные действия.

ИИ также использовал некоторые любопытные стратегические приёмы. Алгоритм часто отправлял отряды на возвышенности — это опасно в StarCraft II, поскольку из-за «тумана войны» игрок не видит, что его там ждёт, пока не поднимется. Тем не менее, это как-то сработало. AlphaStar также отказался от проверенной тактики блокировки входа на базу стеной зданий. Это основная тактика в StarCraft II, но ИИ не беспокоился об этом и всё же сумел защитить свои базы.

Только в финальном матче в прямом эфире человек смог обнаружить изъян в одном из агентов. Эта версия AlphaStar решила перебросить почти всю свою армию как единое целое, чтобы смести базу MaNa. Тем не менее, последний смог несколько раз переместить нескольких своих бойцов в тыл базы AlphaStar. Каждый раз в таком случае AlphaStar поворачивал всю свою армию, чтобы справиться с угрозой. Это дало MaNa достаточно времени, чтобы усилиться и дать достойный отпор ИИ.

В итоге AlphaStar выиграл 10 матчей против профессиональных игроков и проиграл только один. Если алгоритм сможет обучиться на основе последнего матча, в следующий раз он может оказаться вовсе непобедимым.

Новая камера Intel RealSense поможет роботам ориентироваться без GPS

Intel представила новую камеру в серии RealSense с важной особенностью: она призвана наделить машины ощущением местности. Камера с длинным названием RealSense Tracking Camera T265 использует для отслеживания и навигации исключительно встроенные сенсоры и не нуждается во внешних датчиках, чтобы помочь с ориентацией роботов и различных автономных машин на местности даже в ситуациях, когда сигнал GPS ненадёжен или отсутствует.

Например, сельскохозяйственный дрон может как наносить на карту поле, так и адаптироваться на лету к препятствиям вроде деревьев, зданий или скал. В основе лежит та же аппаратная платформа Myriad 2, которая используется в других недавних проектах Intel и позволяет снимать большую часть нагрузки по обработке данных с основного процесса и за счёт этого экономить энергию батареи.

Единственным требованием камеры является потребляемая мощность в 1,5 Вт, подключение USB и достаточное количество памяти для работы — другими словами, T265 может быть без труда размещена на дроне. Поставки камеры T265 для машинного зрения и картографии начнутся 28 февраля, причём заявленная цена составляет 199 долларов.

Вряд ли подобное решение будет особенно востребовано в домашних проектах, но оно определённо поможет разработчикам, которые желают создавать продвинутые автономные устройства, не пытаясь делать подобные системы с нуля. Мы можем увидеть эти камеры, например, в автономных роботах, рассчитанных на использование внутри помещений или в беспилотных летательных аппаратах, доставляющих грузы в отдалённые районы.

Baidu представила платформу Apollo Enterprise для серийных робомобилей

Китайский лидер поисковых систем и облачных сервисов, компания Baidu начала разработку и продвижение своей платформы автономных транспортных средств с открытым исходным кодом Apollo в апреле 2017 года. За этот период было выпущено 6 ключевых итераций и наконец представлена версия Apollo 3.5, которая обеспечивает работу автопилота в сложных городских и пригородных условиях вождения.

На выставке CES 2019 компания объявила о запуске Apollo Enterprise для серийно выпускаемых самоуправляемых автомобилей. Она включает решения для автономного вождения на автомагистралях, автоматическую парковку, автопилоты для микроавтобусов, интеллектуальную службу работы с картографическими данными, голосовой помощник Baidu DuerOS для автомобилей.

Baidu сообщает, что Apollo уже используют 130 партнёров по всему миру. Одним из них является китайский стартап WM Motors, планирующий выпустить электромобили с третьим уровнем автономности в 2021 году. А производитель самоходного автофургона Udelv недавно проводил совместное с Walmart тестирование доставки продуктов.

По словам Baidu, в ближайшее время в Области залива Сан-Франциско и других регионах США будет развернуто до 100 самоуправляемых автомобилей на базе Apollo 3.5. А в Китае планируется запустить 100 роботизированных такси, которые будут курсировать на 210 км городских дорог в Чанше, столице провинции Хунань, и использовать технологию Baidu V2X, позволяющую считывать дорожную инфраструктуру вроде светофоров.

План по развёртыванию Apollo подразумевает региональный массовый запуск автопилотов в июле 2019 года, вывод автономных транспортных средств на несложные городские маршруты в 2020 году и полноценный широкий запуск самоуправляемых автомобилей в 2021 году.

На официальном сайте Apollo можно ознакомиться с перечнем оборудования от участников экосистемы, которые поддерживаются платформой и могут индивидуально конфигурироваться автопроизводителями, исходя из конкретных нужд и задач. Это лидары, радары, камеры, ультразвуковые датчики, навигаторы с сантиметровой точностью RTK, вычислительный блок Nuvo-6018GC на базе GPU от NVIDIA, контролер локальной сети CAN, а также блоки ASU и AXU от самой Baidu.

ASU отвечает за объединение датчиков, управление транспортным средством и доступ к Сети, включает сенсорные интерфейсы для сбора данных и передает их на вычислительный блок по интерфейсу PCI Express. Блок AXU имеет более простое назначение: повышение вычислительных возможностей и увеличения емкости хранилища путём подключения дополнительных GPU-ускорителей, модулей FPGA и т. д.

Intel работает с Facebook над созданием ИИ-чипа, который выйдет в этом году

Корпорация Intel сделала немало важных анонсов во время крупнейшей выставки потребительской электроники CES 2019, которая сейчас проходит в Лас-Вегасе. В частности, она заявила, что совместно с Facebook работает над созданием нового чипа для вычислений в области машинного обучения, причём выход кристалла (в том числе для других компаний) ожидается уже во второй половине этого года. Решение получило название Intel Nervana Neural Network Processor for Inference.

Этот чип призван помочь Intel не упустить быстрорастущий сегмента рынка ускорителей вычислений, связанных с искусственным интеллектом. Но компании придётся столкнуться с конкуренцией со стороны аналогичных решений от NVIDIA, Google, Amazon Web Services и других компаний. Как сообщается, решение Intel призвано ускорить прежде всего процесс принятия алгоритмом логических выводов (inference).

Подобный процессор поможет Facebook и другим компаниям эффективнее и дешевле задействовать алгоритмы машинного обучения. Крупнейшая социальная сеть сейчас использует ИИ в самых разных областях вроде определения людей на фотографиях, перевода публикаций с одного языка на другой, анализа запрещённых материалов и так далее. На специализированном оборудовании такие задачи будет выполнять проще.

В настоящее время процессоры Intel доминируют на рынке решений для машинного обучения, который, по мнению аналитиков Morningstar, к 2021 году будет оцениваться в $11,8 млрд. Вице-президент подразделения ИИ в Intel Навин Рао (Naveen Rao) заявил, что новый чип компании будет быстрее, чем что-либо доступное у конкурентов, хотя и не предоставил конкретных показателей производительности или подробностей.

Toyota представит на CES четвёртое поколение своих автономных машин

Свой первый прототип самоуправляемой машины японский автопроизводитель Toyota Motor показал 6 лет назад на выставке CES 2013. И, нужно признать, свисающие со всех сторон камеры и датчики выглядели весьма неуклюже. Теперь же Исследовательский институт Toyota (TRI) готовится показать на международной выставке потребительской электроники в Лас-Вегасе испытательную платформу четвёртого поколения P4, установленную на новый седан премиальной марки Lexus LS 500h и демонстрирующую возможности находящейся в разработке двухсоставной автоматизированной системы вождения TRI: Guardian и Chauffeur.

«Наша разработка Chauffeur (Шофер) нацелена на полную автономность, когда участие человека, по сути, исключено в задачах вождения: либо полностью и в любых условиях, либо ограничено некоторыми сферами, — пояснил старший вице-президент по автоматизированному вождению в TRI Райан Юстис (Ryan Eustice). — С другой стороны, Guardian (Хранитель) разрабатывается, чтобы повысить производительность человека за рулем, а не заменить его. Внедрение новой платформы P4 поможет нам ускорить разработку обоих направлений, когда будет развёрнута на тестовом автомобильном парке весной».

P4 использует преимущества Lexus в виде нового поколения технологии шасси и рулевого управления, которая обеспечивает большую маневренность при автоматической езде. Панель камер не особо изменилась по сравнению с третьим поколением, однако для лучшей осведомлённости о дорожной обстановке были добавлены два лидара с 8 сканирующими головками по бокам машины и по одной специализированной камере с широким динамическим диапазоном спереди и сзади.

В области дизайна Исследовательский институт Toyota продолжает сотрудничество с фирмой CALTY Design Research из Анн-Арбора, штат Мичиган. Последняя отвечает за создание обтекаемых форм кузова нового седана Lexus LS, дополненного передовыми компонентами беспилотного вождения.

Toyota отмечает, что платформа P4 стала гораздо умнее своего предшественника. Благодаря возросшей вычислительной мощности системы могут использовать больше алгоритмов машинного обучения для ускоренного обучения. Она может быстрее обрабатывать входные сигналы датчиков и эффективнее реагировать на изменения окружения. Вычислительная система размещена в багажнике и приставлена к спинке заднего сиденья — весь пол багажника освобождён для перевозки поклажи. Она получает питание от гибридной батареи автомобиля, а аккумулятор на 12 В теперь служит только в качестве резервного.

Центр разработки прототипов TMNA ​​R&D в городке Йорк штата Мичиган начнёт производство автомобилей P4 на базе серийных моделей этой весной.

P4 будет представлен публике на пресс-конференции Toyota CES 7 января. Исполнительный директор TRI доктор Джилл Пратт (Gill Pratt) расскажет о последних достижениях в области автоматизированного вождения Guardian. Автомобиль будет также показан на выставке Lexus в Детройтском Центре Кобо на Североамериканском международном автосалоне 14 и 15 января.

В испытаниях шин Continental помогут беспилотные автомобили

Компания Continental впервые начала тестировать новые покрышки с использованием самоуправляемого автомобиля: такой подход, как ожидается, позволит получать более надёжные результаты.

Одной из самых сложных задач в разработке шин является проведение качественных испытаний. Дело в том, что малейшие отклонения на тестовом треке могут оказывать колоссальное влияние на качество и сопоставимость результатов. Поэтому к водителям-испытателям предъявляются очень жёсткие требования.

Использование роботизированных автомобилей во время тестирования новых покрышек позволит исключить человеческий фактор. «Автоматизированный автомобиль позволяет нам точно воспроизводить испытания, то есть каждая шина тестируется в абсолютно одинаковых условиях.  Таким образом, мы можем быть уверены в том, что разница в результатах действительно вызвана различиями шин, а не самой процедурой тестирования», — говорит Continental.

Компания начала использовать робомобиль на своём испытательном полигоне в Ювалде (Техас, США). Машина оснащена системой самоуправления Continental Cruising Chauffeur, разработанной для автомагистралей. Автомобиль оборудован спутниковой навигационной системой, камерой и датчиками.

Отмечается, что испытания могут проводиться на различных дорожных покрытиях, в том числе на гравии. Поскольку автомобиль проходит по маршруту, который от раза к разу отличается лишь на несколько сантиметров, покрытие трека меньше изнашивается и требует значительно меньшего обслуживания. 

В России начаты испытания роботизированных снегоуборочных машин

В Рязанской области организованы испытания первой в России беспилотной снегоуборочной техники. О проекте, как сообщает «РИА Новости», рассказали представители Национальной технологической инициативы (НТИ) «Автонет».

Отмечается, что поначалу самоуправляемые снегоуборочные машины будут тестироваться ночью на закрытых территориях и только при небольших снегопадах.

«При этом в радиусе 50 метров будут устанавливаться специальные таблички, которые будут сообщать горожанам о том, что рядом работает беспилотная техника. Все машины будут удалённо контролироваться диспетчером», — рассказали осведомлённые лица.

Речь идёт об использовании небольших тракторов рязанской компании Avrora Robotics с навесным оборудованием для уборки снега.

В перспективе испытания роботизированных снегоуборочных машин планируется организовать и в других регионах, в частности, в Москве и в ряде городов республики Татарстан.

Предполагается, что эксплуатация роботизированных снегоуборочных машин позволит повысить скорость очистки улиц. Техника сможет функционировать, по сути, в круглосуточном режиме с постоянной эффективностью. 

window-new
Soft
Hard
Тренды 🔥