Forradalmasíthatja a mesterséges intelligencia használatát a Bosch szakértői által is támogatott kutatás. A KIsSME projektben kifejlesztett szoftver ugyanis a jelenleg használtnál jóval kevesebb adatmennyiséggel dolgozik, mert kizárólag az adott feladat szempontjából lényeges szenzor adatokat használja.
Döntsük el, mi a lényeg!
A KIsSME projektben a Bosch Research egy szoftverprototípust fejlesztett ki a nagymértékben automatizált járművekhez. Az új megközelítés lényege, hogy mesterséges intelligencia segítségével a kritikus közlekedési helyzeteket megkülönböztetik a nem kritikus helyzetektől, vagyis az adott feladat szempontjából a lényegest a lényegtelentől. Az adatokat a rendszer tárolja és elemzi, majd a későbbiekben a tanulási folyamat eredményeként felismeri, melyik szituációban hogyan kell reagálnia a járműnek. Ez az eljárás jelentősen csökkenti a mostani modellekhez elengedhetetlen adatmennyiséget.
Az első és legfontosabb feladat, hogy a rendszer azonosítsa melyik szituáció kritikus és melyik nem
Minden helyzetre fel kell készülni
Ha az előttünk haladó jármű vészfékezik, vagy egy közlekedési lámpa éppen akkor vált sárgára, amikor elhaladunk előtte, a másodperc tört része alatt kell döntést hoznunk majd cselekednünk. A tapasztalt sofőrök többsége azonban rutinjának köszönhetően még ismeretlen vagy kritikus helyzetekben is helyes és biztonságos döntést hoz.
Persze a vezetéstámogató rendszerek is képesek segíteni az embereket az ilyen szituációkban, és biztonságosabbá, hatékonyabbá és kényelmesebbé teszik a vezetést. Ugyanakkor a Bosch által végzett kutatásoknak köszönhetően mindezt hamarosan még kifinomultabban és megbízhatóbban tehetik olyan helyzetekben is, amelyekkel ma még nem tudnak megbirkózni a szoftverek.
![Minden helyzetre fel kell készülni](https://iot.boschblog.hu/wp-content/uploads/2099/05/Bosch_IoT_KissMe_03.jpg)
A cél, hogy a járművek teljesen önállóan szállítsák az embereket és az árukat egyik helyről a másikba, közben pedig megbízható és biztonságos döntéseket hozzanak. De itt még egyelőre nem tartunk. Ahhoz, hogy mindez megvalósuljon a hétköznapokban, számos rendszert és megoldást kell még kifejleszteni és tesztelni.
Túl sok a felesleges adat
A környezetérzékelést vizsgáló tesztvezetések során nem emberek, hanem érzékelők rögzítik a forgalomban keletkező összes információt. Ezek a szenzorok figyelemmel kísérik a gépjármű környezetét, valamint állapotát. Eközben hihetetlen mennyiségű, másodpercenként több gigabájtnyi adat keletkezik, szűretlenül. Az információk feldolgozása, tárolása és elemzése a hihetetlen adatmennyiség miatt rendkívül költség- és időigényes, ezért a jelenlegi módszerekkel nehezen vagy egyáltalán nem oldható meg – legalábbis gazdaságosan biztosan nem.
![A rendszert a legzordabb körülmények között is próbára tették a fejlesztőmérnökök](https://iot.boschblog.hu/wp-content/uploads/2099/05/Bosch_IoT_KissMe_04.jpg)
A rendszert a legzordabb körülmények között is próbára tették a fejlesztőmérnökök
Ha a tesztvezetések során az érzékelők által rögzített adatokat a konkrét helyzetnek megfelelően lehetne szűrni, az hozzájárulna a tesztelések hatékonyságához és a vezetéstámogató és önvezető rendszerek gyorsabb fejlesztéséhez.
A Bosch Research csapata pontosan ennek megvalósításán dolgozott más iparági szereplőkkel közösen. A német gazdasági minisztérium által finanszírozott „KIsSME” projekt keretében a kutatók kifejlesztettek egy szoftverprototípust, amelyet az automatizált járművekkel végzett tesztvezetésekhez használnak. Ez mesterséges intelligencia segítségével, előre meghatározott paraméterek alapján azonosítja a kritikus közlekedési helyzeteket.
![Túl sok a felesleges adat](https://iot.boschblog.hu/wp-content/uploads/2099/05/Bosch_IoT_KissMe_05.jpg)
Vagyis csak az adott tesztelés szempontjából releváns információkat menti el, majd ezeket az adatokat többek között a manőverező algoritmusok képzésére használják fel, hogy az automatizált járművek még jobban tudjanak reagálni az összetett közlekedési helyzetekre. A mesterséges intelligencia (MI) alkalmazása tehát az egész projekt központi eleme. Az MI alapú szoftver az egyszerű és jól ismert módszerektől az összetett neurális hálózatokig egyszerre dolgoz fel különböző információkat, és az aktuális kérdés megválaszolása érdekében a lényeges elemekre redukálja azokat.
Feladatfüggő adatgyűjtés
A KIsSME előnye tehát, hogy modulárisan alkalmazható. Ez azt jelenti, hogy adott feladattól, szituációtól függően csak a releváns adatokat gyűjti és tárolja az értékeléshez. Például, ha a rendszernek azt kell tudnia megoldania, hogy a jármű biztonságosan és kényelmesen haladjon egy körforgalomban, vagy éppen azt, hogy gyorsan és mégis biztonságosan előzzön meg egy teherautót az autópályán, két teljesen különböző megközelítésről kell beszélnünk. A tesztvezetések során használt kamera-, ultrahang-, lidar- és radarérzékelők azonban folyamatosan összesítik az adatokat. A KIsSME segítségével előre meghatározható, hogy éppen milyen szituációt vizsgáljanak, mely érzékelők adatait kell összegyűjteni és értelmezni.
![A rendszer működése akkor ideális amikor a felhasználó abból semmit sem vesz észre](https://iot.boschblog.hu/wp-content/uploads/2099/05/Bosch_IoT_KissMe_06.jpg)
A rendszer működése akkor ideális amikor a felhasználó abból semmit sem vesz észre
A szoftver működésének logikája egy lámpa köré rögzített fóliához hasonlítható: ezt azokon a pontokon lyukasztják ki, amelyeken a fénynek át kell jutnia, hogy a falra vagy a mennyezetre vetített mintát hozzon létre. A körforgalom esetén vagy az autópályán végzett előzési manőverre meghatározott paramétereknek köszönhetően a szoftver csak a releváns információkat engedi át a digitális tárolóhelyre. Így jön létre az az adathalmaz, amellyel az automatizált vezetéshez szükséges rendszerek továbbfejleszthetők és célzottan javíthatók. Ez időt és pénzt takarít meg, de ökológiai szempontból is előnyös, mivel minél kevesebb adatot gyűjtenek és tárolnak, annál kisebb szerver oldali teljesítményre van szükség, vagyis annál kevesebb elfogyasztott energiára.
Csak a lényeget kérjük!
Az önvezető vagy fejlett vezetéstámogató rendszerekkel felszerelt járművek funkcióinak validálásához eddig manővereken alapuló tesztekre és hatalmas mennyiségű valós idejű adaton alapuló statisztikai bizonyítékokra volt szükség. A KIsSME projektben kifejlesztett szoftverrel a szükséges adatmennyiség csökkenthető, és a tesztvezetések során csak a kritikus, vezetési helyzetek szempontjából lényeges adatokat rögzítik. Vagyis a KIsSME projektben a Bosch Research egyesítette az automatizált vezetéssel és a mesterséges intelligenciával kapcsolatos kutatásában rejlő erősségeket a különböző partnerek szakértelmével.
![A fejlesztést végző mérnökök sok hasznos információt gyűjtöttek a projekt során](https://iot.boschblog.hu/wp-content/uploads/2099/05/Bosch_IoT_KissMe_07.jpg)
A fejlesztést végző mérnökök sok hasznos információt gyűjtöttek a projekt során
A projektet az AVL Deutschland GmbH vezette, a Bosch mellett az RA Consulting GmbH, a Mindmotiv GmbH és a LiangDao GmbH vállalatok, valamint a Fraunhofer Institute for High-Speed Dynamics (EMI), az Informatikai Kutatóközpont (FZI ) és a Karlsruhe Institute of Technology (KIT) tudományos partnerek dolgoztak együtt.
A KIsSME szoftver egyelőre prototípus, de tesztüzemben már használják. A Bosch Research projektcsapata ezzel a kutatással megalapozza, hogy a Bosch részlegei hatékonyan és fenntarthatóan fejleszthessék tovább a vezetéstámogató rendszereket, valamint az automatizált járműveket.