De mens is uitzonderlijk goed in staat om onbekende routes te rijden. We kijken gewoon om ons heen, en matchen dat met ons navigatiesysteem om te bepalen waar we ons bevinden en waar we naartoe moeten. Autonome auto’s worstelen hier enorm mee. In elk nieuw gebied moeten ze eerst alle wegen in kaart brengen en analyseren. Deze systemen vertrouwen op complexe 3D kaarten die al rijdende moeten worden gegenereerd en verwerkt wat enorm veel data, tijd en rekenkracht kost.

Kunst afkijken

Onderzoekers van MIT hebben recent een paper gepresenteerd tijdens de International Conference on Robotics and Automation 2019 waarin ze een systeem beschrijven dat het rijgedrag van menselijke bestuurders leert. Hiervoor worden alleen videocamera’s gebruikt en een eenvoudige GPS-achtige wegenkaart. Na een leerperiode, waarbij het systeem de kunst afkijkt van een menselijke bestuurder, kan de auto autonoom een geplande route rijden in een compleet nieuw gebied simpelweg door de menselijke bestuurder te imiteren. En net zoals de mens bespeurt de auto ook discrepanties tussen de ingeladen wegenkaart en de werkelijke situatie op de weg zodat er autonoom koerswijzigingen kunnen worden ingezet.

“Met ons systeem hoef je niet eerst op elke weg te trainen,” laat MIT-student Alexander Amini weten. “Je hoeft alleen maar een nieuwe kaart te installeren en de auto kan vervolgens ook rondrijden in nieuwe gebieden.” Geofencing, het fenomeen dat autonome auto’s alleen kunnen rijden in regio’s die ze kennen, zou hiermee tot het verleden behoren. “We willen een robuust autonoom systeem ontwerpen dat overal zijn weg weet te vinden,” voegt co-auteur Daniela Rus toe.

Neuraal netwerk

Om dit allemaal voor elkaar te krijgen maken de onderzoekers gebruik van een conventioneel neuraal netwerk (CNN) dat vaak wordt gebruikt voor beeldherkenning. Tijdens het rijden ‘kijkt’ het systeem mee met een menselijke bestuurder en leert hoe stuurbewegingen overeenkomen met bochten in de weg. Uiteindelijk weet het systeem welke stuurbewegingen nodig zijn voor verschillende verkeerssituaties waaronder kruisingen, T-splitsingen en rotondes. Rus: “Neem bijvoorbeeld een T-splitsing. In principe kan je daar verschillende kanten op. Wanneer het rekenmodel echter meer en meer data ontvangt over de richting die mensen kiezen en ziet dat ze allemaal rechts of links gaan worden andere richtingen uitgesloten. Het systeem zal er dus niet voor kiezen om rechtuit te gaan en leert dat je op een T-splitsing alleen rechts of links kan, gewoon omdat iedereen dat doet.”

40 gigabytes

Bijkomstig voordeel is volgens de onderzoekers dat het MIT-systeem kaarten gebruikt die eenvoudig kunnen worden opgeslagen en verwerkt. Autonome auto’s gebruiken nu vooral Lidar om zeer grote, complexe kaarten te genereren. Voor alleen een stad als San Fransisco is zodoende een kaart nodig die 4 terabyte groot is. Voor elke nieuwe bestemming moet de auto nieuwe kaarten aanmaken die op hun beurt ook weer tonnen data bevatten. Kaarten van de MIT-onderzoekers kunnen echter de hele wereld in 40 GB omvatten.