Las redes neuronales recurrentes habilitan la IA en un sistema de alerta temprana
- Detalles
- Golpea: 5792
En el TUM los investigadores tienen uno nuevo sistema de alerta temprana para vehículos autónomos desarrollado eso con Inteligencia artificial (AI) basado redes neuronales recurrentes aprende de miles de situaciones reales de tráfico. Con más del 85 por ciento de precisión en los vehículos de desarrollo autónomos de la actualidad, el sistema puede advertir de una situación potencialmente crítica en tan solo 7 segundos. Incluso hoy en día, los coches autónomos no pueden dominar esto por sí solos. TUM llevó a cabo el estudio junto con BMW Group.
Contenido del informe de investigación
- Nuevo enfoque de la inteligencia artificial
- Redes neuronales recurrentes para el reconocimiento de patrones
- Advertencia con hasta 7 s de antelación y recopilación de datos
- ¿Qué son las redes neuronales recurrentes?
Nuevo enfoque de la inteligencia artificial
Tan coches autoconducidos Muchos desarrolladores confían en modelos sofisticados con los que los coches pueden evaluar el comportamiento de todos los participantes en el tráfico rodado. Sin embargo, existen situaciones complejas e imprevistas en las que estos modelos siguen siendo inadecuados en la actualidad.
red 6G | Radioenlace bidireccional y receptor Thz
Un equipo de Universidad Técnica de Munich (TUM) dirigido por el Prof. Eckehard Steinbach, titular de la cátedra de tecnología de medios y miembro de la junta directiva de la Escuela de Robótica e Inteligencia de Máquinas de Munich (MSRM) en TUM. La inteligencia artificial permite que su sistema aprenda de situaciones anteriores en las que los vehículos de prueba autónomos alcanzaron los límites de su sistema en tráfico real. En tales situaciones, las personas vuelven a tomar el control del vehículo porque han decidido hacerlo por razones de seguridad o el automóvil les ha pedido que intervengan.
Redes neuronales recurrentes para el reconocimiento de patrones
La nueva tecnología captura más Cámaras y sensores el medio ambiente y registra el vehículo y las condiciones ambientales. Esta podría ser la posición del volante, el estado de la carretera, el clima o la velocidad y la visibilidad. La IA, basada en redes neuronales recurrentes (RNN), aprende a reconocer patrones a partir de estos datos. Si la tecnología reconoce un patrón en una nueva situación de conducción, que en el pasado ya ha superado el control automatizado en estas circunstancias, advierte al conductor desde el principio de la situación potencialmente crítica gracias a la IA.
Automóviles autónomos desde la perspectiva de un proveedor de automóviles
“Para hacer que los vehículos sean más autónomos, muchos de los métodos anteriores están investigando lo que los autos han entendido sobre el tráfico hasta ahora y luego mejorando los modelos en los que se basan los autos. La gran ventaja de nuestra tecnología es que ignoramos por completo la opinión del automóvil y, en su lugar, miramos únicamente los datos de lo que realmente sucede y encontramos patrones ", dice. Profesor Steinbach. “De esta manera, la IA también descubre situaciones potencialmente críticas que los modelos pueden no haber reconocido o no han reconocido todavía. Nuestro sistema ofrece, por tanto, una función de seguridad que sabe cuándo y dónde están débiles los coches ".
Advertencia con hasta 7 s de antelación y recopilación de datos
Los investigadores tienen la tecnología junto con BMW y sus vehículos de desarrollo automatizados se probaron en vías públicas. Se evaluaron alrededor de 2500 situaciones en las que los conductores tuvieron que intervenir. El estudio encontró una predicción del 85% de situaciones potencialmente críticas hasta 7 s antes de que ocurrieran.
Automóviles autónomos con Continental | Supercomputadora nvidia
Se requiere una gran cantidad de datos para que la tecnología funcione. Porque la IA solo entonces puede reconocer y predecir experiencias con los límites del sistema que ya se han realizado. En vista de la gran cantidad de vehículos de desarrollo, los datos se generarían casi por sí mismos. Autor del estudio cristobal kuhn dice: "Cada vez que surge una situación potencialmente crítica durante las pruebas de manejo, perdemos un nuevo ejemplo de capacitación". El almacenamiento central de los datos hace posible que cada vehículo aprenda de los registros de toda la flota.
Conocimientos técnicos generales
¿Qué son las redes neuronales recurrentes?
Las redes neuronales recurrentes (RNN) son Redes neuronales en las que las neuronas de la misma capa o las neuronas de diferentes capas proporcionan retroalimentación. Los RNN son más similares a la interconexión de neuronas del cerebro humano que a las redes de alimentación. Gracias a la retroalimentación, se puede obtener información codificada por tiempo en los datos. Ejemplos de redes neuronales recurrentes son la red Jordan, la red Elman, la red Hopfield y la red neuronal completamente interconectada.
Usted también puede estar interesado en...
