Британский стартап Wayve объявил о своем существовании в прошлом году, но тогда им нечего было предъявить в подкрепление своих претензий. Теперь они говорят о захватывающих результатах своей деятельности, которые могут быть действительно инновационными.
Фактически они утверждают, что «впервые в мире» продемонстрировали автомобиль, работающий на их платформе машинного обучения, способный ездить по дорогам, которых он никогда не видел во время тренировок, и без точной карты окружающей среды. Другие системы, такие как у Waymo, используют карты и правила вождения. У Wayve ничего этого нет.
Кроме того, также выяснилось, что стартап тестировал свою платформу на внедорожнике Jaguar I-PACE, который стал «европейским автомобилем 2019 года». Интересно, что этот автомобиль также использовался Waymo в некоторых тестах.
Алекс Кендалл, соучредитель и технический директор, говорит: «Наши машины учатся ездить по данным с помощью машинного обучения. Каждый раз, когда «водитель безопасности» вмешивается в управление, автомобиль учится на ошибках. Мы не говорим машине, как нужно водить, она учится водить на опыте, примере и обратной связи, как человек. Это наиболее безопасный и масштабируемый сегодня подход».
В результате исследований, проведенных в Кембриджском университете, Wayve уже прошел обширные испытания на дорогах общего пользования Великобритании.
Кендалл говорит: «Традиционный подход, используемый всеми нашими конкурентами, основан на картах высокого разрешения, дорогих комплектах датчиков и правилах с ручным кодированием, которые сообщают автомобилю, как вести машину. Мы создали систему, которая учится по принципу сквозного машинного обучения. Это первое в мире движение по городским дорогам, на которые автомобиль попал впервые. Он использует вычисления и датчики, которые стоят менее 10% от стоимости оборудования у конкурентов».
Это смелые претензии. На сайте стартапа есть видео, демонстрирующее, как машины ездят по дорогам общего пользования в Кембридже, Великобритания, и едут по дорогам, на которых раньше никогда не были, используя спутниковую навигационную карту и базовые камеры.
«Наша модель учитывает как боковое, так и осевое управление (рулевое управление и ускорение) автомобиля с помощью сквозного глубокого обучения. Мы распространяем неопределенность по всей модели. Это позволяет нам изучать входные данные, наиболее важные для управления, что делает вычисления очень эффективными. На самом деле, все работает на эквиваленте современного ноутбука. Это значительно снижает стоимость наших датчиков и вычислений (и требования к питанию)», - говорит он.
Комментарии
(0) Добавить комментарий