Autonomní jízda
Učení bez učitele, to je trénink umělé inteligence Audi

Audi jede na cestě k autonomní jízdě i nadále na plný plyn. Na globálně nejdůležitější odborné konferenci o umělé inteligenci - "NIPS" v kalifornském městě Long Beach - ukazuje společnost Audi inovativní projekt předběžného vývoje. Jedná se o monokameru, která díky umělé inteligenci generuje velmi precizní prostorový model okolí vozidla.

Nové Audi A8 je prvním automobilem na světě, vyvinutým pro vysoce automatizovanou jízdu úrovně 3 (dle metodiky SAE). Audi AI traffic jam pilot přebírá řízení vozidla na víceproudých silnicích s popojíždějící dopravou rychlostí až 60 km/h, pokud to legislativa na příslušném trhu povoluje a řidič tuto funkci aktivuje. Předpokladem automatizované jízdy je maximálně přesný obraz okolí - v každém okamžiku. Klíčovou technologií pro dosažení tohoto stavu je umělá inteligence.

Jako senzor monokameře slouží běžně dostupná přední kamera, která snímá oblast před automobilem se zorným úhlem cca 120 stupňů a poskytuje 15 snímků za sekundu s rozlišením 1,3 megapixelu. Tyto snímky jsou následně zpracovány neuronovou sítí, v níž probíhá také tzv. sémantická segmentace. Přitom je každému pixelu přiřazena jedna ze 13 kategorií objektů. Na základě toho dokáže systém rozpoznávat ostatní osobní vozy, nákladní vozidla, domy, dopravní značení na vozovce, chodce i dopravní značky a rozlišovat mezi nimi.

Systém využívá neuronové sítě také pro získávání informací o vzdálenosti objektů. Vizualizace zde probíhá prostřednictvím tzv. linií ISO, což jsou virtuální vymezení, která definují konstantní vzdálenost. Na základě této kombinace sémantické segmentace a odhadu hloubky vzniká precizní prostorový model reálného okolí.

Technici Audi předem trénovali neuronovou síť pomocí metody "unsupervised learning" (učení bez učitele), která na rozdíl od metody "supervised learning" (učení s učitelem) nevyžaduje žádná předem roztříděná a klasifikovaná data. Na základě tohoto přístupu probíhá učení z pozorování situace a dění. Neuronová síť sledovala mnoho videí dopravních situací, zaznamenaných stereokamerou. Z nich se síť naučila samostatně chápat pravidla, s jejichž pomocí vytváří prostorové informace z obrazů monokamery.