ChatGPT для усовершенствования автономных автомобилей

Image from Freepik

ChatGPT для усовершенствования автономных автомобилей

Время для прочтения: 3 мин.

  • Киара Фаббри

    Автор: Киара Фаббри Мультимедийный журналист

  • Команда локализации и перевода

    Перевод выполнен: Команда локализации и перевода Услуги локализации и перевода

Спешите? Вот краткие факты!

  • Инженеры выяснили, что модели машинного обучения вроде ChatGPT могут улучшить возможности автономного вождения (AV).
  • Модели машинного обучения помогают AV естественно интерпретировать команды, улучшая пользовательский опыт.
  • AV, использующие модели машинного обучения, были оценены как более комфортабельные, чем традиционные модели.

Инженеры Университета Пердью сообщили, что автономные транспортные средства (АТС) могут использовать ChatGPT и другие чат-боты, работающие на основе алгоритмов искусственного интеллекта, известных как большие языковые модели (БЯМ), для усовершенствования своих вождебных способностей.

В их исследовании, которое будет представлено 25 сентября на 27-й Международной конференции IEEE по интеллектуальным транспортным системам, рассматривается, как БЯМ помогают АТС более естественно интерпретировать команды пассажиров, что потенциально может стать прорывом в взаимодействии человека и транспортного средства.

В отличие от современных систем автоматизированного управления, требующих точных команд, LLM обучены интерпретировать человеческую речь более гибким и разговорным способом.

Доктор Ванг, ведущий исследователь данного проекта, объясняет, что традиционные интерфейсы автомобилей часто подразумевают нажатие кнопок или произнесение явных голосовых команд. С другой стороны, LLM позволяют вести более интуитивный и естественный диалог с пассажирами.

Хотя LLMs не контролируют автомобиль напрямую, исследователи объяснили, что LLMs могут использоваться для помощи существующим системам автономного вождения (AV), делая процесс управления более индивидуализированным и отзывчивым на потребности пассажиров.

В ходе своего эксперимента, исследовательская группа обучила ChatGPT различным командам, как прямым, так и непрямым. Примеры включают в себя: «Езди быстрее» или «Меня укачивает», уча модель адаптироваться к различным ситуациям.

Исследователи провели тестирование других чат-ботов, таких как Gemini от Google и Llama AI от Meta, однако обнаружили, что ChatGPT показал наилучшие результаты.

Модель обрабатывала эти команды, учитывая реальные условия дорожного движения, погоду, а также данные от датчиков автомобиля.

Транспортное средство, работающее на уровне автономности четвертого уровня (всего на один шаг ниже полной автономности), использовало инструкции, сгенерированные LLM, для управления газом, тормозами, передачами и рулевым управлением.

В некоторых экспериментах команда Ванга протестировала модуль памяти, который они добавили в систему. Это позволило большим языковым моделям хранить информацию о прошлых предпочтениях пассажира. Затем модели использовали эти данные для персонализации своих ответов на будущие команды.

Эксперименты проводились в контролируемой среде, включая бывшую взлетно-посадочную полосу аэропорта в Колумбусе, Индиана, где на скоростях шоссейного движения и на перекрестках проверялись реакции АВ на команды.

Исследователи сообщили, что участники оценили поездку в АВ с помощью LLM более комфортной, чем в традиционных системах АВ. Также автомобиль стабильно превосходил базовые стандарты безопасности, даже при выполнении новых команд.

Это особенно актуально, поскольку автомобили с автопилотом все чаще используются в качестве такси, где персонализированный подход может повысить уровень удовлетворенности пассажиров.

Большие языковые модели, использованные в этом исследовании, в среднем обрабатывали команду пассажира за 1,6 секунды, что подходит для большинства ситуаций, но в случае чрезвычайных ситуаций это должно происходить быстрее, как отметил доктор Ванг.

Хотя это исследование не было сосредоточено на этом, большие языковые модели, такие как ChatGPT, иногда могут «галлюцинировать», то есть они неправильно трактуют информацию и дают некорректные ответы.

Чтобы решить эту проблему, команда разработала меры безопасности для защиты пассажиров, когда модели неправильно понимают команды. Модели стали лучше понимать команды во время поездки, но перед тем как эти модели можно будет использовать в автономных автомобилях, галлюцинации все еще нужно исправить.

Производители автомобилей также должны будут провести больше тестов, помимо уже проведенных исследований в университетах. Кроме того, им потребуется регуляторное утверждение, прежде чем большие языковые модели могут быть полностью интегрированы в автономные автомобили для управления функциями вождения, сказала Ван.

Понравилась статья? Поставьте оценку!
Ужасно Удовлетворительно Хорошо Очень хорошо! Превосходно!
0 Проголосовало 0 пользователей
Заголовок
Комментарий
Спасибо за ваш отзыв
Please wait 5 minutes before posting another comment.
Comment sent for approval.

Оставьте комментарий

Показать больше...