- Sürücüsüz araç teknolojisine yönelik ümit verici bir gelişme ile öngörülemeyen gerçek ortamlara uyum sağlama zorluğu çözülebilecek.
- Yeni bir çalışma ile “Nörosembolik Meta-Güçlendirme Önden Öğrenme (NUMERLA)” olarak bilinen bir algoritma geliştirildi.
NYU Tandon Mühendislik Okulundaki bir araştırma ekibi, sürücüsüz araç teknolojisine yönelik ümit verici bir gelişmeye imza atarak uzun süredir devam eden öngörülemeyen gerçek ortamlara uyum sağlama sıkıntılarını çözecek.
Ekip tarafından “Nörosembolik Meta-Güçlendirme Önden Öğrenme (NUMERLA)” olarak bilinen bir algoritma geliştirildi.
Araştırma, NYU Tandon elektrik ve bilgisayar mühendisliği doçenti ve doktora derecesine sahip Quanyan Zhu tarafından yürütüldü. Konu hakkındaki çalışma, arXiv’de yayımlandı.
Yapay zekâ ve makine öğrenimi, sürücüsüz araçların giderek karmaşıklaşan senaryolarda çalışmasına yardımcı olarak sensörlerden gelen büyük miktarda veriyi işlemelerine ve trafik kurallarına uyarak şehir sokaklarında gezinmelerine olanak tanıdı.
Ancak kontrollü ortamların ötesine geçerek gerçek dünya trafiğinin kaosuna girdiklerinde bu tür araçların performansı düşebilir ve potansiyel olarak kazalara yol açabilir.
NUMERLA ise güvenlik ve uyarlanabilirlik arasındaki boşluğu doldurmayı hedefliyor.
Algoritma bu durumu, güvenlik kısıtlamalarını gerçek zamanlı olarak sürekli güncelleyerek, sürücüsüz araçların alışılmadık senaryolarda seyahat edebilmesini, güvenliği birinci öncelik olarak koruyarak başarıyor.
NUMERLA şu şekilde çalışıyor: Kendi kendine giden bir araba karmaşık bir ortamla karşılaştığında, mevcut durum hakkındaki “düşüncesini” ayarlamak için “gözlemleri” kullanır. Bu düşünceye dayanarak, belirli bir zaman dilimi içerisinde gelecekteki performansına ilişkin tahminlerde bulunur. Daha sonra uygun güvenlik kısıtlamalarını arar ve bilgi tabanını buna göre günceller. Otomobilin hedefleri, güvenlik kısıtlamaları ile ileriye dönük optimizasyon kullanılarak ayarlanıyor.
NUMERLA’nın en önemli yeniliklerinden biri ileriye dönük sembolik kısıtlamalarda yatmakta. Gelecekteki modu hakkında varsayımlarda bulunarak, sembolik güvenlik kısıtlamalarını birleştiriyor. Böylelikle sürücüsüz araç, güvenliğe öncelik verirken yeni durumlara da anında uyum sağlayabiliyor.
Araştırmacılar NUMERLA’yı kentsel ortamları simüle eden bir bilgisayar platformunda test etti ve bu senaryolarda diğer algoritmalardan daha iyi performans gösterdi.
Derleyen: Tuğba Akkesen
