För den självkörande bilen skitiga, vad kan vara mer av en nagelbitare än att föreställa sig din självkörande bil på väg nerför smala stadsgator i Storbritannien, parkering tillåten på båda sidor av den utrymmeskvävda smala vägen, på en blöt, molnig dag, cyklister, små leveransbilar på din väg, i korsningar, överallt, verken.

Väl, Cambridge, Storbritannien-baserade Wayve genom den här videon "Urban Driving with End-to-End Deep Learning" låter dig veta att detta kan göras bra och att deras system har allt.

Wayve är i branschen för självkörande mjukvarustack baserad på maskininlärning. Inga detaljerade kartor.

Det som är så speciellt med den här videon är att du ser en självkörande bil ta sig fram längs stadsgator som den aldrig har sett förut och utan en HD-karta över dess miljö. Jon Fingas in Engadget: "...Den hade aldrig sett vägarna förut, och körde bara på 20 timmars träningsdata – den visste inte ens att köra på vänster sida av vägen eller sakta ner i korsningar där den inte hade företräde."

"Intelligent beteende kan inte handkodas, men kan läras genom erfarenhet, " sa företagets blogg. "Vi har byggt ett system som kan köra som en människa, använder bara kameror och en sat-nav. Detta är endast möjligt med maskininlärning från slut till slut."

De sa att deras autonomiplattform är byggd på Jaguar I-PACE helelektriska SUV.

Med varje ingripande av säkerhetsföraren, de sa att deras system lär sig och kommer att förbättras. De sa att även om det kommer att ta längre tid för dem att nå sin första utplacering, de rider "en fundamentalt annorlunda kurva."

"Efter ett decennium av arbete med självkörande bilar, andra team tar sig an nya tekniska utmaningar med fler kartor, fler regler och fler sensorer. Detta är osäkert, dyrt och kan inte skalas."

Vi berättar inte för bilen hur man kör med handkodade regler:allt lärs från data, "Alex Kendall, CTO, sa i TechCrunch , och tillvägagångssättet tillåter navigering av komplexa, smala europeiska gator i städerna för första gången. "End-to-end djupinlärning, sa Kendall.

Varför deras lösning är viktig:"Det är ett steg närmare autonoma åkningar som kan navigera på okända vägar och oväntade situationer med relativ lätthet, sa Fingas.

Mike Butcher in TechCrunch citerade Kendall. "Varje gång en säkerhetsförare ingriper och tar över, bilen lär sig köra bättre. Vi berättar inte för bilen hur den ska köra, snarare lär den sig att köra av erfarenhet, exempel och feedback, precis som en människa."

Företaget talar om kostnadsfördelen, för. Självkörande bilar som är beroende av omfattande datorkraft kan vara dyra och tunga.

sa Kendall in TechCrunch att deras lösning "använder dator/sensorer som kostar mindre än 10 procent av konkurrenterna. Faktum är att allt fungerar på motsvarigheten till en modern bärbar dator. Detta minskar våra sensor- och beräkningskostnader (och effektkrav) avsevärt till mindre än 10 procent av traditionella metoder."

Vad kommer härnäst? De sa att de kommer att fortsätta att se en flotta av Jaguar I-PACE-fordon som testar algoritmer och samlar in data i hela Storbritannien och det europeiska fastlandet.

De ska sätta in autonoma fordon i 100 städer.

En intressant kommentar i TechCrunch sa, "Jag skulle bara vilja uttrycka min oro över att det är relativt enkelt att träna nätverket att fungera korrekt i 90 % av tiden, men det kan vara där olyckor inträffar och människor skadas."

Peter Holleys inställning Washington Post :"Med maskininlärning – ett system där algoritmer inte är handkodade, men utbildad över tiden – företaget hävdar att dess fordon lär sig på samma sätt som mänskliga förare gör:genom erfarenhet, misstag, feedback och imitation. I själva verket, företaget säger, bilen lärs inte så mycket att köra, men får instruktioner om hur man inte ska köra."

© 2019 Science X Network