Χρησιμοποιούμε Τεχνητή Νοημοσύνη (AI) και εικονικούς κόσμους με στόχο τη δημιουργία ασφαλέστερων αυτοκινήτων

Μια φορά κι έναν καιρό, είχαμε μόνο φυσικούς τρόπους δοκιμής και ανάπτυξης νέων χαρακτηριστικών ασφαλείας. Με την άφιξη του υπολογιστή, μπορέσαμε επίσης να χρησιμοποιήσουμε εικονικά περιβάλλοντα, για να εξελίσσουμε συνεχώς νέες τεχνολογίες ασφαλείας.  

Και τώρα κάνουμε ένα νέο βήμα προς τα εμπρός, χρησιμοποιώντας εικονικούς κόσμους που δημιουργούνται από Τεχνητή Νοημοσύνη και μοιάζουν με πραγματικούς κόσμους, ώστε να δημιουργούμε νέες καινοτομίες που θα βοηθούν να είστε ασφαλείς. Με τη βοήθεια προηγμένης Τεχνητής Νοημοσύνης και υπολογιστικών τεχνικών, μπορούμε να βελτιώσουμε την ανάπτυξη του λογισμικού ασφαλείας μας, όπως είναι τα προηγμένα συστήματα υποβοήθησης οδηγού (ADAS), με στόχο τη δημιουργία ακόμα πιο ασφαλών αυτοκινήτων.

Λοιπόν, πώς λειτουργεί αυτό; Χάρη σε μια προηγμένη υπολογιστική τεχνική που ονομάζεται «Gaussian splatting», μπορούμε να μετατρέψουμε οπτικά στοιχεία του πραγματικού κόσμου σε ζωντανές, φυσικές 3D σκηνές και αντικείμενα.   

Χρήση πραγματικών δεδομένων 
Με το Gaussian splatting, τα δεδομένα περιστατικών τα οποία συλλέγονται από τους προηγμένους αισθητήρες στα νέα αυτοκίνητά μας –όπως δεδομένα για το φρενάρισμα έκτακτης ανάγκης και τους απότομους ελιγμούς στο σύστημα διεύθυνσης, με ή χωρίς ανθρώπινη παρέμβαση– μπορούν πλέον να συγκεντρωθούν, να ανασυντεθούν και να γίνουν αντικείμενο έρευνας με νέους τρόπους, ώστε να κατανοήσουμε καλύτερα το πώς τα ατυχήματα θα μπορούσαν να αποφευχθούν στο μέλλον.

Για παράδειγμα, αυτά τα εικονικά περιβάλλοντα μπορούν να να αναδιαμορφωθούν μέσω προσθήκης ή αφαίρεσης χρηστών του δρόμου και αλλαγών στη συμπεριφορά όσων συμμετέχουν στην κυκλοφορία ή εμποδίων στον δρόμο. Η συγκεκριμένη τεχνική μάς επιτρέπει να εκθέτουμε το λογισμικό ασφαλείας μας σε όλους τους τύπους των κυκλοφοριακών συνθηκών, σε κλίμακα και με ταχύτητα που δεν ήταν εφικτές προηγουμένως. Ως αποτέλεσμα, μπορούμε πλέον να αναπτύξουμε λογισμικό που λειτουργεί σωστά και σε πολύπλοκες, σπάνιες, αλλά δυνητικά επικίνδυνες «ακραίες συνθήκες» και να μειώσουμε τον χρόνο που χρειάζεται για να εκθέσουμε το λογισμικό μας σε αυτές τις συνθήκες, από μήνες σε ημέρες.

Τα εικονικά περιβάλλοντα αναπτύσσονται εσωτερικά σε συνεργασία με τη Zenseact, την εταιρεία Τεχνητής Νοημοσύνης και λογισμικού που ιδρύσαμε πριν από περίπου πέντε χρόνια.Το έργο αυτό, το οποίο επιχορηγείται από το Wallenberg AI, Autonomous Systems and Software Program (WASP), αποτελεί τμήμα ενός προγράμματος PhD για κορυφαία σουηδικά πανεπιστήμια, με σκοπό να διερευνηθεί εάν οι τεχνικές νευρωνικής απεικόνισης θα ενσωματωθούν σε μελλοντικές πρωτοβουλίες για την ασφάλεια.

«Διαθέτουμε ήδη εκατομμύρια δεδομένα από στιγμές που δεν συνέβησαν ποτέ, τα οποία χρησιμοποιούμε για να εξελίξουμε το λογισμικό μας», λέει ο Alwin Bakkenes (Άλβιν Μπάκενες), Επικεφαλής Εξέλιξης Λογισμικού της Volvo Cars. «Χάρη στο Gaussian splatting, μπορούμε να επιλέξουμε μία εξαιρετικά σπάνια περίπτωση και να την επεκτείνουμε σε χιλιάδες νέες παραλλαγές της, προκειμένου να ελέγξουμε και να εκπαιδεύσουμε για αυτές τα μοντέλα μας. Αυτό δίνει τη δυνατότητα να ξεκλειδώσουμε μία κλίμακα στην οποία δεν είχαμε ποτέ πρόσβαση στο παρελθόν, καθώς και να προληφθούν ακραίες καταστάσεις πριν συμβούν στον πραγματικό κόσμο.»

Ένα μέρος του παζλ 
Σήμερα, χρησιμοποιούμε εικονικά περιβάλλοντα μαζί με δοκιμές σε πραγματικές συνθήκες για εκπαίδευση, ανάπτυξη και επαλήθευση λογισμικού, διότι παρέχουν ένα ασφαλές, επεκτάσιμο και οικονομικά αποδοτικό περιβάλλον.  Για να είναι βέβαιο ότι το λογισμικό ασφαλείας μας είναι ασφαλές, πρέπει να είναι εκπαιδευμένο να χειρίζεται όλους τους τύπους κυκλοφοριακών καταστάσεων. Χρησιμοποιώντας σπάνια ή ασυνήθιστα σενάρια, μπορούμε να διασφαλίσουμε ότι το λογισμικό λειτουργεί καλά όχι μόνο σε κανονικές συνθήκες αλλά και σε περίπλοκες, σπάνιες αλλά δυνητικά επικίνδυνες «ακραίες συνθήκες».

Περιττό να πούμε ότι ο κατάλογος των πιθανών σεναρίων είναι σχεδόν άπειρος. Σκεφτείτε ζώα που εμφανίζονται ξαφνικά στον δρόμο, αντικείμενα που πέφτουν από το πίσω μέρος ενός φορτηγού, ένα φανάρι που δείχνει όλα τα χρώματα ταυτόχρονα, ένα αυτοκίνητο που κινείται αντίθετα σε αυτοκινητόδρομο, έναν δρόμο που έχει πλημμυρίσει εντελώς ή έναν ανεμοστρόβιλο σκόνης που σαρώνει τον δρόμο. Η καταγραφή όλων των πιθανών σεναρίων στην πραγματική ζωή ή η κωδικοποίησή τους θα χρειαζόταν εκατοντάδες χιλιάδες χρόνια.

Ενσωμάτωση της τεχνολογίας της NVIDIA
Η Volvo Cars έχει τη δυνατότητα να διερευνά τεχνολογίες όπως το Gaussian splatting χάρη στη συνεργασία της με την NVIDIA, την οποία επέκτεινε πρόσφατα. Η νέα γενιά αμιγώς ηλεκτρικών αυτοκινήτων, βασισμένη σε εξαιρετικά γρήγορους υπολογιστές της NVIDIA, συγκεντρώνει δεδομένα από διάφορους αισθητήρες για να κατανοήσει ό,τι συμβαίνει μέσα και γύρω από το αυτοκίνητο, καλύτερα από ποτέ. Μία πλατφόρμα υπερυπολογιστή AI από την NVIDIA DGX systems, τοποθετεί στο κατάλληλο πλαίσιο αυτά τα δεδομένα, ξεκλειδώνει νέα γνώση και εκπαιδεύει μελλοντικά μοντέλα ασφαλείας. Θα βελτιώσει και θα επιταχύνει την ανάπτυξη της Τεχνητής Νοημοσύνης. Αυτή η πλατφόρμα υπερυπολογιστή είναι τμήμα μιας πρόσφατης επένδυσης της Volvo Cars και της Zenseact για τη δημιουργία ενός από τα μεγαλύτερα κέντρα δεδομένων στη Σκανδιναβία.

Θέλετε να μάθετε περισσότερα;
Η διερεύνηση του Gaussian splatting και της παραγωγικής Τεχνητής Νοημοσύνης αποτελεί τμήμα της παρουσίασης της Volvo Cars στο συνέδριο NVIDIA GTC.Μπορείτε να το παρακολουθήσετε ζωντανά ή on demand μέσω αυτού του link.