Csúcsra járatták egy Toyota Supra és egy Lexus LC önvezető képességeit
A világ leginnovatívabb autógyártójának kutatási és fejlesztési tevékenységéért felelős Toyota Research Institute (TRI) mesterséges intelligencia által támogatott önvezető technológiát mutatott be, amely összeköti a Safety Connect, a Driving Sensei és a Human Interactive Driving projektek eredményeit. A TRI célja, hogy az aktív biztonság új szintjét teremtse meg, ötvözve az autonómia előnyeit a vezető bevonásával. Az emberközpontú tanulás, vezetői teljesítmény és megosztott autonómia terén végzett kutatások egyesítik az emberi viselkedésmodellezést és az AI vezérelt vezetőtámogatást.
A Toyota nemrégiben különleges bemutatót tartott, hogy bepillantást nyújtson az aktív biztonság területén indított új Accelerated Concepts elnevezésű programjába. A kaliforniai Willowsban, a Thunderhill Raceway versenypályán tartott exkluzív demonstráción a világ leginnovatívabb autógyártója elsőkézből prezentálta, hogyan közelíti meg az autonóm autózást.
A TRI Human Interactive Driving (HID) csoportja jelenleg nem az önvezető robotaxizásra, hanem az aktív biztonságra koncentrálja kutatásait, amely magában foglalja mind a nagyfokú autonómiát, mind a vezető nagyfokú bevonását. Ez a megközelítés egyszerre teszi biztonságosabbá és élvezetesebbé a vezetést – a sofőr továbbra is elkötelezett és valóban intelligens partnerként dolgozik együtt az autóval. A TRI bemutatta a Driving Sensei koncepcióját is, amely a mesterséges intelligencia (AI) segítségével segíti a járművezetőket abban, hogy az AI által vezérelt oktatás és az AI által vezérelt vezetőtámogatás kombinációjával elsajátítsák a vezetési készségeket. A Driving Sensei segít az embereknek jobb és biztonságosabb vezetővé válni, miközben biztosítja, hogy a vezetés feladatában aktívan részt vegyenek.
„A biztonság a Toyota számára elsődleges fontosságú.” – mutat rá Gill Pratt, a TRI vezérigazgatója. „Emberközpontú megközelítésünk jobb és biztonságosabb módokat fedez fel az emberek és az AI együttműködésére. Az embereket erősítjük azáltal, hogy olyan modelleket építünk, amelyek előre jelzik a járművezetők cselekedeteit, és olyan mesterséges intelligenciát fejlesztünk, amely javítja a járművezetők teljesítményét.”
Az egyes kutatójárművek és szimulátorok a HID-csapat kutatási pilléreinek keretében kifejlesztett különböző technológiákat mutattak be.
Az emberközpontú tanulás adatvezérelt gépi tanulási technikákat használ az emberi viselkedés modelljeinek létrehozására. Ezek a modellek a járművezető tudatosságától a cselekvésig és a
- szándékig biztosítják, hogy a technológia megértse a járművezetőket, és a lehető legtermészetesebb módon támogassa őket.
- A vezetői/jármű teljesítmény és biztonság segítségével a csapat arra törekszik, hogy szakértői szintű vezetési készségeket alakítson ki a mesterséges intelligencia segítségével. Erre kiváló példa az az önvezető módban driftelő Toyota Supra, amely a kezelhetőség határait teszteli, valamint egy teljesen autonóm Lexus LC500, amely bemutatja, hogy képes kikerülni az akadályokat, miközben nagy sebességgel megy a pályán. A mesterséges intelligenciának a vezetési szakértelem megtanítása segít megalapozni az autonóm technológiát, amely segít a járművezetőknek elkerülni a baleseteket a hirtelen felmerülő akadályok vagy a veszélyes útviszonyok, például a fekete jég elkerülésével.
- Az utolsó komponens a megosztott autonómia, ahol a mesterséges intelligencia és a járművezetők együttműködnek a biztonságosabb és jobb vezetési élmény érdekében. Ebbe a TRI munkatársainak egy egyedi építésű Globális Kutatási Innovációs Platform (GRIP) van segítségükre, egy négykerék-kormányzással és kerékbe épített elektromos motorokkal ellátott kutatási jármű, amelyet a vezetési kutatások gyors iterálására használnak. A GRIP járműdinamikai emulációja új forgatókönyveket tesz lehetővé a járművezető-képzéshez ellenőrzött környezetben. Ennek segítségével megtanulható, hogyan kell ellenkormányozni a sodródás megfékezése érdekében a mesterséges intelligencia által vezérelt oktatás és támogatás kombinációjával, mielőtt egy szimulált jégfolton tesztelnénk a képességeinket. A TRI emellett mesterséges intelligencia által vezérelt pályavezető edzőt is használ a szimulációkhoz. Ez a mesterséges intelligencia-edző valós idejű, természetes köznyelvet használ, hogy az tesztelőt az aktuális akcióik alapján utasítsa. A tesztelők ezután egy chatbot-felület segítségével interakcióba is léphetnek a rendszerrel, hogy megértsék teljesítményüket, és tippeket kapjanak a fejlődéshez.
„Több életet menthetünk meg azzal, hogy az automatizált járműtechnológiát több emberhez, több helyen és hamarabb juttatjuk el?” – teszi fel a kérdést Avinash Balachandran, a TRI emberi interaktív vezetési részlegének igazgatója. „Úgy gondoljuk, hogy a válasz igen: azáltal, hogy újragondoljuk az emberek és a megtestesült technológiák kölcsönhatását, hogy új élményeket és értéket teremtsünk ügyfeleink számára.”
Forrás: Toyota CE
