Alla inlägg av Markus Borg

Förstärkningsinlärning effektiviserar trafiksignaler 

Forskare vid Aston University i Birmingham har utvecklat en ny AI-baserad metod för att styra trafiksignaler i korsningar [1].

Lösningen bygger på förstärkningsinlärning (Eng: reinforcement learning) som belönar signalscheman som maximerar fordonsflödet. AI-lösningen visade sig bättre än samtliga manuellt designade alternativ [2].

Lösningen tränades med hjälp av en digital skugga, dvs. en enkelriktad digital tvilling. Kameradata från ett liveflöde matades i en egenutvecklad simulator och olika signalscheman jämfördes. Forskarna hoppas kunna styra trafiksignaler i en verklig korsning innan året är slut.

Egen kommentar 

Trafikstockningarna i Storbritanniens urbana områden bedöms kosta den genomsnittliga trafikanten motsvarande över 10 000 kr i bränsle- och tidsförlust. Bristfällig styrning med trafiksignaler anses vara en avgörande orsak. Användning av förstärkningsinlärning för att optimera trafiksignaler är lovande, eftersom det inte kräver mänskligt annoterade träningsdata – vilket ofta blir en flaskhals vid övervakad inlärning (Eng: supervised learning). Forskarnas förslag bör därmed kunna skala bättre till olika korsningar efter hand som fler digitala skuggor blir tillgängliga.

Källa 

[1] AI traffic light system could make traffic jams a distant memory. 2022-05-11 Länk 

[2] Garg et al, In Proc. the 21st International Conference on Autonomous Agents and Multiagent Systems, pp. 454-462, May 2022 Länk

Waymos tvist om affärshemligheter

Ett domstolsbeslut Kalifornien gav Waymo rätt att betrakta tekniska detaljer kring deras autonoma körning som företagshemligheter. Waymo behöver inte lämna ut detaljer kring olyckshantering inklusive kollisionsanalys och överlämning av kontroll till föraren [1].

Rättsprocessen inleddes när en okänd part begärde ut dessa tekniska detaljer från California Department of Motor Vehicles (DMV). För att föregå utlämnandet av denna typ av information stämde Waymo DMV (vilket vi skrev om här) med argumentet att offentliggörande av tekniska detaljer vore förödande för industrin och hämmande för utvecklingen – och fick alltså rätt i domstol. Waymo poängterar i samband med domen att de fortsatt kommer att dela med sig av data kopplad till säkerhet. 

Källa

[1] Moon, M., Engadget. Court rules that Waymo can keep its robotaxi emergency protocols a secret. 2022-02-23 Länk

Kör en egen algoritm i ditt självkörande system?

Skribenten Priya Dialani spekulerade nyligen på Analytics Insights om ett möjligt framtida koncept inom självkörande fordon: ”Bring Your Own Algorithm” (BYOA). Textens innehåll må vara verklighetsfrånvänd, men den väcker samtidigt visionära tankar om öppen innovation inom fordonsbranschen.

Bakgrunden till notisen förstås bäst utifrån den crowdsourcing som blivit populär inom data science. Med hjälp av gamification och prispengar lockas data scientists till plattformar som Kaggle för att tävla med sina maskininlärningsmodeller. Företag och organisationer, dvs. Kaggles kunder, publicerar olika problem. Kaggle i sin tur erbjuder infrastruktur för att snabbt hjälpa tävlande att komma igång med lösningsorienterat arbete. Topplistor sporrar de tävlande att lägga tid på att föreslå avancerade lösningar – de som placerar sig högt på listorna är ständigt hett villebråd för rekryterare.

Priya tar som exempel upp satsningen C2 Labs Fight Against Cancer. I likhet med Kaggle erbjuder C2 Labs en infrastruktur där data scientists kan bidra med sin expertis för att träna modeller i kampen mot cancer. C2 Labs menar att de varken har medicinsk domänexpertis eller tillräckligt många data scientists, däremot är de experter på DevOps och automation av arbetsflöden. Bolaget hävdar att de erbjuder tredje part att ”Bring Your Own Algorithm” (BYOA) i deras plug-and-play-miljö för att påskynda utvecklingen.

Vore det möjligt att flytta konceptet till fordonsindustrin? Kan en infrastruktur som möjliggör BYOA stimulera öppen innovation? Det är välkänt att enorma kreativa krafter finns tillgängliga på andra geografiska platser samt att ”de flesta smarta människor arbetar någon annanstans.” Fordonsbranschen har redan publicerat flera dataset på Kaggle och fordonsperception används ofta för benchmarking av maskininlärningsmodeller. Kan man gå längre än så?

Priyas kristallkula indikerar att smarta telefoner kan möjliggöra för förare att BYOA till en självkörande bil i drift. Hon tänker sig att efter godkänd handskakning mellan telefon och bil så skulle personliga algoritmer för vägval och ruttpreferenser kunna förmedlas. Där slutar Priyas tankeexperiment. Hur skulle den tekniska infrastrukturen se ut? Hur skulle sådana lösningar kunna kvalitetssäkras? Kan man någonsin BYOA för något mer känsligt än inställning av förarsätet och infotainment? Priyas notis och tankar är långt ifrån genomarbetade, men något i resonemanget väcker mitt intresse.

Källor

Dialani P., Analytics Insight. Self-Driving Cars can now have Bring Your Own Algorithm (BYOA). 2021-04-04 Länk