Selvkjørende biler krever et markert hopp til en mer avansert bildegjenkjenning, ifølge lederen for ett av de ledende firmaene som utvikler utstyret. Rimelige kameraer og dyp læring gjør systemene billigere og bedre istand til å take den kaotiske virkeligheten foran panseret. Her vises forsøk med en selvkjørende bil fra Toyota, 8. oktober 2015. Toyota planlegger å selge de første selvstyrende bilene i 2020, ifølge Reuters. (Foto: Reuters/Yuya Shino)
Bilen skal lære å kjøre som folk
Mengdetrening framfor regelrytteri og kamera framfor radar i framtidas selvkjørende bil.
– Jeg er George Hotz, og jeg skal bli den neste milliarddollars administrerende direktøren, sier han og flirer i et videointervju med Bloomberg.
Video fra Bloomberg Business som viser forsøksbilen til George Hotz, en Acura (Honda), i aksjon på motorveien utenfor San Fransisco.
Hotz er unggutten som hacket iPhone i 2007 og Sony PlayStation 3 tre år seinere. Nå vil han danke ut en viktig leverandør som bidrar til å gi Tesla selvkjørende evner, det israelske firmaet MobilEye.
Mobileye var først ute med blant annet kollisjonsvarsling på Volvo i 2007. De ligget i forkant i mange år og har levert EyeQ-serien av komplette systemer på en datachip som er brukt i blant annet BMW og Audi.
Sa nei til tilbud fra Tesla
Og nå mener altså Hotz at han kan danke ut denne teknologien med seks mobilkameraer til litt over hundrelappen per stykk og elektronikk til rundt ni tusen kroner.
Teslas grunnlegger Elon Musk skal ha tilbudt ham jobb i Tesla og en fet bonus hvis han klarer å slå MobilEye. Hotz svarte at han ikke var ute etter jobb, men at han skulle sende Musk et pling når han hadde knust MobilEye.
– OK, var svaret fra Musk, ifølge artikkelen i Bloomberg Business.
Glem strenger regler
Sporet som Hotz følger, er likevel ikke nytt. Samme tilnærming til selvkjøring finnes blant annet i Googles selvkjørende små forsøksbobler.
Idéen er å glemme strenge regler og la bilene lære å kjøre slik mennesker lærer. I Hotz´ egne ord, fra videoen:
– Vi har ikke fortalt bilen noe som helst om å kjøre. Vi har ti timer med menneskelig kjøring i opptak – «Her er hva mennesket gjorde. Oppfør deg som dette mennesket, så langt du kan!» Så får du all denne intuisjonen som du ikke får i et regelbasert system.
Dyp egenlæring
Denne måten å lære opp datamaskiner på kalles dyp læring. Istedenfor å gi maskinen klare instruksjoner om hvordan for eksempel en fotgjenger ser ut, viser du den noen tusen bilder med fotgjenger og noen tusen bilder uten fotgjenger.
Annonse
Så finner maskinen selv ut hvordan en fotgjenger ser ut. Maskinen lærer altså på sett og vis opp seg selv.
Teknologisk hopp
Nå er ikke MobilEye helt tapt bak en veteranvogn. Firmaet har riktignok jobbet mest med dataprogrammer som tolker trafikken ut fra fastlagte instrukser.
Nå er firmaet likevel på vei mot samme dype læring som Hotz og Google utnytter, ifølge et foredrag av Amnon Shashua, en av firmaets grunnleggere.
Foredrag av Amnon Shashua, Deutsche Bank Global Auto Industry Conference.
I to år har firmaet jobbet med å lære EyeQ-brikkene sine å tolke veier dekket av snø, veier uten fildelere og ellers kartlegge hvor veien er fri og hvor det er mulig å kjøre.
Automatiske biler krever ikke bare en gradvis oppgradering av dagens systemer, men et teknologisk hopp, ifølge Shashua.
Systemene de utvikler, kombinerer den dype læringen med forhåndsprogrammert tolking. Systemene kan nå gjenkjenne både humper og hindre i veien, rundt tusen forskjellige trafikkskilt og alle slags harde og myke trafikanter inklusive elg både om natta og om dagen.
Blant problemene som må overvinnes, er det Shashua kaller falske positive reaksjoner – at en bil bremser uten grunn.
Slike feil er mye vanskeligere å provosere fram på en testbane. De må lukes ut ved prøving i trafikken, ifølge Shashua.
Annonse
Kamera erstatter kostbar radar
Han viser også til at billige kameraer er i ferd med å ta over for dyrere systemer. I dag bruker fortsatt Tesla blant annet også radar og ultralyd i tillegg til MobilEyes databrikker for å lage sin egen teknologi for selvstyring.
MobilEyes nyeste systemer erstatter radar med bare kamera og ny programvare. Kameraene blir også bedre, både til å se i mørke og se skarpere, ifølge Shashua.
Også andre fagmiljøer utvikler bildetolkning basert på dyp læring. Et eksempel er programmet SegNet, utviklet ved University of Cambridge.
Programmer ligger åpent tilgjengelig, så alle kan prøve det ut. Det klarer skille mellom tolv forskjellige kategorier med over 90 prosent pålitelighet, ifølge en nyhetsmelding fra universitetet.
Kategoriene kan for eksempel være trafikkskilt, veier, fotgjengere og bygninger. Programmet klarer dette i sanntid, også i dårlig belysning.
Video fra University of Cambridge viser hvordan SegNet tolker forskjellige elementer i trafikkbildet.
Tesla slår tilbake
Elon Musk har kritisert artikkelen i Bloomberg og sagt at den er uriktig.
– Vi vil fortsatt bruke de teknologisk mest avanserte komponentene, slik som MobilEyes synsbrikke, i våre biler. Deres del er den beste i verden på hva den gjør, og det derfor vi bruker den, heter det blant annet i et blogginnlegg på nettsidene til Tesla.
– Vi tror det er ekstremt usannsynlig at en enkelt person eller til og med et lite selskap (…) vil være i stand til å produsere et autonomt kjøresystem som kan anvendes på fabrikkproduserte biler, skriver bloggen, med adresse til Hotz.
– Det kan virke i en begrenset demo på en kjent veistrekning – Tesla hadde et slikt system for to år siden – men så kreves det enorme ressurser å debugge over millioner av miles med svært forskjellige veier, ifølge bloggen.
Så er da Hotz sitt system heller ikke beregnet på bytrafikk, men på motorveien. Videoen viser hvordan bilen klarer seg bra her, etter bare ti timers trening.
– Du vil at bilen skal begynne å modellere folkene rundt seg. Du vil ha bilen til å vite hva folk kommer til å gjøre. Poenget er å kjøre naturlig, som et menneske, ikke som en ingeniørs idé om sikkerhet, sier Hotz i videoen, mens journalisten Ashlee Vance nervøst slipper begge hender fra rattet.
Og – om noen måneder planlegger Hotz å slippe en video på YouTube som skal vise hans system utkonkurrere en Tesla over Golden Gate Bridge, ifølge artikkelen.
