REKLAMA

Oto jak twój samochód może w przyszłości widzieć drogi i... uczyć się ich

Jak wiele trzeba, że samochód był w stanie samodzielnie poruszać się po drogach? Według tego, co do tej pory prezentowano, całkiem sporo - całych zestawów kamer i radarów, które i tak mają problem, aby zapewnić pojazdowi pełną autonomiczność. Teraz jednak ktoś spróbował zrealizować niemal to samo korzystając tylko z jednej kamery. I to kamery umieszczonej w smartfonie.

23.12.2015 16.03
Lyft segnet
REKLAMA
REKLAMA

Nie chodzi tu jednak o stworzenie całego systemu umożliwiającego autonomiczną jazdę, co zaprezentował niedawno George Hotz na przykładzie projektu zrealizowanego w szaleńczo wręcz krótkim czasie. Tam wykorzystany został dość standardowy zestaw dodatków, a "gwiazdą imprezy" było zarządzające nim oprogramowanie. Chodzi o to, żeby ograniczyć liczbę urządzeń, które pozwalają samochodowi widzieć, co dzieje się na drodze, a tym samym umożliwiają mu poruszanie się nie po niej. Czy ma to faktycznie sens w przypadku motoryzacji - nie wiadomo. Nigdy jednak nie jest pewne, co przyspieszy rozwój technologii w danej branży, a co... może przydać się w innej.

Z takiego założenia najwyraźniej wyszli naukowcy z Uniwersytetu w Cambridge, którzy przygotowali dwa nowatorskie systemy. Pierwszy z nich, SegNet, pozwala na szczegółową identyfikację obiektów znajdujących się w polu widzenia kamery "piksel po pikselu". Drugi natomiast, "bazujący na podobnej architekturze", ma umożliwić ustalenie dokładnej lokalizacji użytkownika na podstawie obrazu z kamery, tam, gdzie nawet GPS mógłby sobie nie poradzić.

I trzeba przyznać, że choć nie brzmi to dość realistycznie, to - przynajmniej w przypadku SegNeta - działa całkiem sprawnie.

System ten został najpierw nauczony naszego świata na podstawie 5000 specjalnie przygotowanych zdjęć, na których każdy piksel został opisany przez naukowców ręcznie, a następnie jego wiedza została doszlifowana dwudniowymi "praktykami". Skuteczność SegNeta, który jest w stanie rozpoznać i odróżnić od siebie 12 różnych rodzajów obiektów, wynosi przy tym około 90%. Wynik ten dotyczy przy tym nie rozpoznanych w całości zdjęć, a klasyfikacji znajdujących się na nim... pikseli.

Zresztą nie trzeba wierzyć deklaracjom jego twórców - można się o tym przekonać samodzielnie na specjalnie przygotowanej stronie. Momentami wprawdzie zdarzają się jeszcze mniejsze czy większe wpadki, ale trudno jednoznacznie określić, czy wynikają one ze słabej jakości zdjęć, z obecnego stanu projektu, czy może z niemożliwych do przeskoczenia ograniczeń całego pomysłu. Widać jednak, że faktycznie istnieje sposób, żeby system widział świat i identyfikował jego elementy nie korzystając z innych poza kamerą urządzeń.

Co SegNet jest w stanie rozpoznać?

To, co w trakcie jazdy może być najważniejsze - drogi, znaki drogowe, pieszych, budynki i rowerzystów. Ponownie, patrząc na nagrania testowe, wygląda na to, że radzi sobie z tym zadaniem - do tego w czasie rzeczywistym - całkiem sprawnie, odpowiadając nam tym samym na pytanie co dzieje się wokół nas.

Na pytanie "gdzie jesteśmy" odpowiada natomiast drugi system, opierający się na geometrii obiektów znajdujących się w polu widzenia. Oczywiście nie zastąpi całkowicie GPS, ale w niektórych warunkach jest od niego potencjalnie dużo bardziej precyzyjny, a tam, gdzie zasięg GPS jest słaby (np. wewnątrz budynków, w tunelach czy na parkingach) może okazać się niezastąpiony.

Czy takie połączenie dwóch systemów działa? Według naukowców z Cambridge tak - poza dokładną identyfikacją obiektów, nawet w ruchu i na ruchliwych drogach, system uzupełniający był w stanie na (dość niewielkim, trzeba przyznać) obszarze ustalić lokalizację z dokładnością do kilku metrów.

Nie ma co jednak liczyć, że system ten szybko, o ile kiedykolwiek, trafi do aut.

Po pierwsze, choć testuje się go i promuje jako rozwiązanie przeznaczone do zastosowania właśnie w tej branży, nikt jeszcze... nie sprawdzał, czy faktycznie dostarcza samochodowi wystarczające ilości danych. Ba, jest nawet pewne, że nie dostarcza i może być najwyżej jednym z elementów całego układu autonomicznej jazdy. Brak chociażby bardziej danych na temat odległości od otaczających pojazd obiektów, bez czego trudno mówić o faktycznie bezpiecznym poruszaniu się po publicznych drogach.

Fakt, że SegNet mógłby być uzupełnieniem innych rozwiązań dodatkowo podkreśla jego skuteczność. 90% poprawnie rozpoznanych pikseli to bardzo dużo, ale bez wątpienia za mało, żeby polegać wyłącznie na nim. Nawet 99% może okazać się wynikiem zbyt niskim. Naukowcy zapewniają jednak, że jest jeszcze pod dostatkiem miejsc, gdzie sami mogą poprawić działanie tych systemów, a i one same, z czasem i po "przetrawieniu" większej ilości danych, powinny być jeszcze dokładniejsze.

REKLAMA

Do tego nawet autorzy tych dwóch rozwiązań mówią, że ich ambicje w rzeczywistości są trochę skromniejsze i w najbliższym czasie mogłyby one znaleźć swoje miejsce np. w... robotach domowych.

Tam bez wątpienia mogłoby się znaleźć miejsce dla SegNeta i jego lokalizacyjnego wspomagacza - w końcu ewentualna kolizja autonomicznego odkurzacza z nogą od stołu byłaby z pewnością mniej tragiczna w skutkach, niż zderzenie auta ze źle rozpoznanym filarem wiaduktu. A w tym 10% błędnie rozpoznanych pikseli może znaleźć się przecież i coś takiego.

REKLAMA
Najnowsze
REKLAMA
REKLAMA
REKLAMA