Autonomiczne samochody uczą się współpracy

Jak podkreślają specjaliści z Uniwersytetu Tsinghua w Pekinie (Chiny), autonomiczne pojazdy muszą potrafić znacznie więcej, niż kierowanie jazdą na podstawie własnych obserwacji otoczenia. Chodzi o to, aby ze sobą współpracowały, co jest szczególnie istotne np. na skrzyżowaniach, rondach czy zwężeniach jezdni.

Badacze i ich współpracownicy z Narodowego Uniwersytetu Singapuru oraz Politechniki w Hongkongu opracowali system COIN, który uwzględnia wzajemne interakcje i umożliwia współpracę wielu autonomicznych pojazdów.

Nie chodzi jednak o to, aby jeden system sterował wszystkimi pojazdami. Podczas treningu pojazdy uczą się strategii współpracy, korzystając z informacji płynących z całego systemu. Z kolei podczas jazdy każdy pojazd podejmuje decyzje wyłącznie na podstawie własnych obserwacji otoczenia. 

Dzięki temu rozwiązanie nadaje się do autonomicznej jazdy bez konieczności centralnego sterowania pojazdami.

System przetestowano w MetaDrive – znanym symulatorze ruchu drogowego, przeznaczonym do badań nad sztuczną inteligencją i autonomicznymi pojazdami. Wykorzystano trzy scenariusze intensywnego ruchu drogowego – na skrzyżowaniach bez sygnalizacji świetlnej, rondach i zwężeniach jezdni.

Pod względem skuteczności, częstości kolizji, bezpieczeństwa i efektywności jazdy, COIN osiągnął lepsze wyniki, niż cztery znane algorytmy wykorzystywane do uczenia autonomicznych pojazdów. Na przykład w scenariuszu obejmującym skrzyżowania osiągnął on skuteczność na poziomie 88,78 proc., a odsetek kolizji udało się ograniczyć do 3,94 proc. Z kolei w scenariuszu zwężenia jezdni skuteczność systemu wyniosła 96,33 proc., przy odsetku kolizji wynoszącym zaledwie 1,57 proc.

System przetestowano również na platformie łączącej rzeczywiste roboty z symulacją komputerową. Na modelowym skrzyżowaniu bez sygnalizacji świetlnej osiem mobilnych robotów poruszało się po trasach wyznaczonych przez COIN, podczas gdy pozostałe pojazdy były reprezentowane przez wirtualne obiekty.

Z tekstu wynika, że COIN może umożliwiać bezpieczne i sprawne poruszanie się wielu robotów w złożonych sytuacjach wymagających wzajemnej współpracy.

„Dzięki odejściu od niezależnego podejmowania decyzji przez poszczególne pojazdy na rzecz optymalizacji opartej na współpracy system COIN może przyczynić się do rozwoju bezpieczniejszej i sprawniejszej jazdy autonomicznej w warunkach dużego natężenia ruchu miejskiego” – podsumowują naukowcy.

Marek Matacz

mat/ zan/