Aprendizaje por Refuerzo
El cerebro humano puede tomar mucha información sobre la escena frente a él para tomar decisiones. ¿Un ciervo salta delante del auto? Golpea los frenos. ¿Un coche se está desacelerando por delante? Cambiar carriles.
Para los vehículos autónomos, estas decisiones no son tan fáciles. Es posible que no registremos que nuestros cerebros están incluso procesando toda la información necesaria para actuar, pero los sistemas autónomos deben tener en cuenta muchas variables antes de aplicar los frenos. Si el sistema no lee el camino correctamente, se pueden producir choques fatales. Una historia publicada en el MIT. Revisión de Tecnología el lunes describe cómo la compañía de tecnología automotriz Mobileye está utilizando el aprendizaje por refuerzo para entrenar la inteligencia artificial detrás de los vehículos autónomos. Este método se basa en datos de conducción reales, y cuanto más grande sea el conjunto de datos, más rápido será el A.I. Aprende a evitar los choques. Sin embargo, hay un problema. Las compañías de automóviles competitivas no quieren compartir.
En este momento, los ingenieros de software deben tener en cuenta todos los escenarios posibles y programar el automóvil para que se ocupe de ellos. Pero en el mundo real, las carreteras son un entorno altamente dinámico y variado. No hay manera de que los ingenieros anticipen cada situación posible.
En lugar de programar autos para anticipar cada escenario, los ingenieros pueden programar autos para aprender cómo navegar por los escenarios por su cuenta. El aprendizaje por refuerzo esencialmente entrena vehículos autónomos al recompensar los buenos resultados. Después de experimentar y no estrellarse, el auto aprende qué hacer en una variedad de situaciones y puede aplicar eso a escenarios futuros.
La clave para el aprendizaje por refuerzo para vehículos autónomos, sin embargo, son los datos. Muchos y muchos datos. Para que los automóviles conozcan todos los diferentes escenarios que podrían encontrar, los datos recopilados en el mundo real deben estar disponibles para que el software del automóvil aprenda virtualmente qué hacer.
Lograr que las compañías automotrices compartan sus datos es el gran desafío. Los competidores no son conocidos por compartir lo que hace funcionar a sus autos. Pero si abren sus datos a compañías como Mobileye, entonces los vehículos que pueden conducir por sí mismos (al menos en la carretera) se harán realidad mucho antes.
Volvo permitirá que 100 familias prueben la seguridad de los autos autónomos en las carreteras británicas
Volvo proporcionará vehículos totalmente autónomos a las familias británicas para realizar pruebas en vivo en las calles de Londres en 2018. El fabricante sueco de automóviles anunció un programa similar de 100 autos en China el 7 de abril, pero el plan británico puede ofrecer una ventana en el Comercialización generalizada de automóviles autónomos. Por énfasis ...
El 'Aprendizaje de refuerzo' profundo está enseñando a los robots nuevas habilidades más rápido que nunca
Una habilidad que demora meses en aprender podría tomar una cuestión de horas, según Raia Hadsell de Google DeepMind.
GM demandado por un motociclista: ¿Quién debería pagar cuando los autos autónomos se estrellan?
General Motors enfrenta una demanda por un accidente automovilístico en diciembre en San Francisco que involucra a uno de sus vehículos autónomos. El demandante, Oscar Nilsson, alega que el Chevy Volt de GM que lo manejó por sí mismo lo derribó de su motocicleta mientras hacía un cambio de carril ilegal.