8p

Mi legyen a pénzünkkel? Tegyük állampapírba? Részvénybe? Ingatlanba? Kriptóba?
A befektetésektől a vagyonkezelésig - újra itt a Klasszis Klub Live!

Jöjjön el személyesen, találkozzon neves szakértőkkel vagy csatlakozzon online!

2024. március 27. 17:00

Részletek és jelentkezés itt!

Professional Intelligence for Automotive, azaz PIA projekt néven indított közös képzést év elején az egyetem és az autóipari vállalat. A hallgatók és mentorjaik közös munkájának mostanra érik be az első gyümölcse: mesterségesintelligencia-kutatásuk eredményeit hamarosan egy rangos nemzetközi versenyen is bemutathatják. A program azonban nem csak tudományos presztízs szerzése szempontjából fontos: vívmányait rövidesen a Continental által gyártott önvezető rendszerekben használhatják fel.

Az egyetem és a vállalat február elején kezdődött együttműködése egy másfél éves felkészítő-összeszoktató programmal kezdődött. A Continental, amikor eldöntötte, hogy mesterséges intelligencia központot nyit Budapesten, először a Budapesti Műszaki Egyetem egyik épületében bérelt laborhelyiséget, és csak utána költözött át a fővárosi Continental-központba. Már itt, az egyetemen elkezdődött az ötletelés lehetséges, közös projekteken.

"Kevés jó deep learning tudással rendelkező mérnök kerül ki az egyetemekről. A Continental budapesti irodája elkötelezte magát ezen képzés fellendítésében és így született meg az együttműködés, amely a PIA projekt nevet viseli"

- vázolja fel a kezdeményezés hátterét Moni Róbert, a PIA projekt vezetője, aki a BME doktorandusza és a Continental deep learning mérnöke is egyben.

Előadóból a laboratóriumba

A PIA-program végigkísérhet csaknem egy teljes felsőoktatási karriert: az alapképzés második évétől lehet hozzá csatlakozni, és a mesterképzésen át egészen a doktori cím megszerzéséig folytatható. Állandó, tízfős létszámmal működik, az első szemesztert a BSc-sek és MSc-sek mellett két PhD-ző hallgató is teljesítette.

Moni Róbert (Fotó: Continental)
Moni Róbert (Fotó: Continental)

A bevezető félév sikeres zárása után nyári gyakorlatra is van lehetőség, mellyel az első csoportból többen éltek is. Ők már konkrétan a cégnél folyó kutatásokhoz csatlakoztak, és jól mutatja a program gyakorlat-orientáltságát, hogy a kísérletek eredményei beépülnek az autóipari tervezésbe, gyártásba. Tanév közben a Continental heti 20 órás gyakorlat elvégézését támogatja. A két anyaintézmény összefonódása a kurzus felépítésében is megjelenik, minden kutatóra jut egyetemi és Continentalnál dolgozó konzulens is.

"Az együttműködést az motiválja, hogy erős kapcsot alakítsunk ki a kutatás és az ipari fejlesztés között, valamint, hogy olyan hallgatókat neveljünk ki, akik sikeres szakemberek, munkatársak lehetnek az MI- és önvezetőautó-kutatások világában"

- folytatja Róbert. A projektvezető arról is beszél, hogy a kurzus során nem kizárólag az autóiparra koncentrálnak, a kutatásokat a deep learning azon túli világában is végzik. Az azonban lényeges, hogy a tudományterület hatékony ágát támogatják.

"Azzal foglalkozunk, ami megéri, és amihez irodalom is van már. A hallgatók pedig később a kutatásaikra alapozva akár telefonos alkalmazásokat, autóban használatos rendszereket is gyárthatnak."

Próba, szerencse, tanulás

A gyakorlatias nézőpontú kutatást a Continental egy szuperszámítógéppel és úgynevezett duckietownnal felszerelt laborral támogatja. Maga a duckietown a Massachusetts Institute of Technologyn született kutatási kellék. Egy bővíthető, de alapvetően közepes szobányi méretű autópálya, melyen a kis robotautók köröznek, és haladásuk közben szükségszerű hibákat vétve, majd ezekből tanulva tökéletesítik a vezetési tudásukat. Az öntanulási folyamatuk az, ami igazán érdekes, ez ugyanis a Continental és a BME közös programjában nem a szélesebb körben használt felügyeléses tanítás (supervised learning), hanem a megerősítéses tanítás (reinforcement learning).

Robot kanyarodik a PIA-projekt duckietown pályáján. (Fotó: Continental)
Robot kanyarodik a PIA-projekt duckietown pályáján. (Fotó: Continental)

"Konyhanyelven egy kutyás példával szoktam elmagyarázni a felügyeléses és a megerősítéses tanítás közti különbséget" - magyarázza Róbert.

"Képzeljük el, hogy van egy kutyánk, akit meg akarunk tanítani bizonyos alaptrükkökre, mint ül, fekszik, ugat. Amikor felügyeléses tanítással próbálkozunk, akkor abban bízunk, hogy a szomszédunknak is van egy kutyája, aki viszont már tudja ezeket a trükköket. Ilyenkor áthívjuk a szomszédot, és az ő kutyájával megmutatjuk a miénknek, mit, hogyan kell csinálni, aztán reménykedünk, hogy a kedvencünkre átragad a társa tudása. Ezzel szemben a megerősítéses tanításnál nem hívjuk át a szomszédot, hanem megmondjuk a kutyánknak, mit csináljon, és ha valamilyen impulzus hatására sikeresen teljesíti a feladatot, akkor adunk neki valamilyen pozitív feedbacket, például kutyacsemegét, játékot. Tehát a robotjaink tanítása az állatok pozitív visszacsatolás-élmény általi tanítására hajaz."

A kutya, vagyis ebben az esetben a robot tehát elindul a duckietown-pályán, és elkezdi próbálgatni az alapmozgásokat, melyekre beprogramozták. Milliónyi módon teljesíthető a pálya, és a robot szükségképpen millió hibát vét a kísérletei során, azonban ezen hibák tapasztalataiból tanul, hogy a következő körben már egy fokkal kifinomultabban tudjon vezetni. A megerősítéses része pedig úgy működik a tanulásnak, hogy a rendszer pontozza a hibákat és a jó megoldásokat is, és ennek során egyre több tanulság gyűlik össze, ahogy a robot folyamatosan közelít a helyes döntéshozatali stratégiához. Az is csak növeli a megoldási lehetőségek számát, hogy jól vezetni többféleképpen lehet, pl. konzervatívan, sportosan - a variációs lehetőségek hatalmas mennyiségének szimulálásához van szükség a Continental szuperszámítógépére. A végső cél viszont az, hogy a robot rátaláljon az extremitásoktól mentes, optimális vezetési stílusra.

Versengés a világ élmezőnyével

A projekt során eddig az alapkutatásokat, teszteléseket, kísérletezést és összegzést végezték el a hallgatók, az őszi szemeszter során viszont már a TDK-dolgozatok, egyes esetekben nemzetközi konferenciákra célzott cikkek megírása a program, illetve a csapat négy hallgatója két témavezetővel a télen, Torontóban megrendezendő duckietown-versenyen is részt kíván venni. Itt első körben a programot kell online beküldeni, ha ezt a kört sikerrel teljesíti a Continental-BME csapat, akkor bejutnak a fizikai versenyre, ahol már ki kell utazni Kanadába, és konkrét duckietown-pályán kell versenyeztetni a robotjukat.

A PIA-projekt csapata. (Fotó: Continental)
A PIA-projekt csapata. (Fotó: Continental)

Az előjelek több, mint bíztatók: a csapat a programja béta verzióját májusban már megversenyeztette a Montreálban megrendezett International Conference on Robotics and Automation (ICRA) rendezvényen, ahol bizonyos kategóriákban bekerültek a legjobb tíz közé - olyan riválisok mellett, mint az MIT, a Stanford, a zürichi, a tokiói és a montreáli műszaki egyetemek csapatai. 

Önvezető közeljövő

És hogy a hétköznapi gyakorlatban mikor használhatjuk a PIA-projekt vívmányait? Róbert szerint hamarabb, mint gondolnánk, még úgy is, hogy nem lesz egyszerű menet. A projektvezető szerint a technológia már most megvan arra, hogy valóban használható önvezető autókat gyártsunk, de ezek még túl drágák lennének ahhoz, hogy a szélesebb lakosság számára is megfizethetőek legyenek, emellett a közelmúlt tesztbalesetei miatt az emberek most még bizalmatlanok az önvezető járművekkel szemben. Róbert szerint azonban a következő év meghatározó lesz az iparágban, "nagyon vagány" autók jönnek majd ki, melyek jelentősen fokozzák majd a megbízhatóság érzését. Aztán jön az igazi, nagy ugrás.

Róbert szerint elsőre még csak az autópályán fog érvényesülni az önvezetés. Lesznek olyan szakaszok a sztrádán, amikor a sofőr úgy dönt, leveszi a tekintetét a pályáról, a kezét pedig a volánról, és ráhagyja magát az autójára, ami aztán előzésekkel együtt teljesíteni is fogja azt a szakaszt, melyet amúgy egy embernek nagyon unalmas lenne levezetnie. Ez már egy meglévő és főleg a Tesla autóiban elterjedt technológia.

Ahhoz, hogy városi környezetben is átfogóan működhessen az önvezetés, Róbert szerint még legalább 20 év kell, addigra épül ki megfelelően a V2X infrastruktúra, és lesznek széles körben összekapcsolva az autonóm járművek.

A PIA projekt jövője

A Continental és a BME közös képzésének folytatása kapcsán pedig a következőket mondta Róbert:

„Igyekszünk szemeszterenként tíz hallgatóval együtt dolgozni, ezáltal biztosítva a minőségi témavezetést és a kivételes figyelmet minden hallgató kutatási témájának. Természetesen szemeszterenként szabadulnak fel majd helyek, mivel a hallgatók kutatói munkája a tervek szerint majd szakdolgozatot, diplomadolgozatot, vagy éppenséggel doktori disszertációt fog eredményezni, így az elballagottak helyére mindig várunk lelkes hallgatókat új és izgalmas témák kutatására.

 

A projekt futási ideje tehát meghatározatlan időtartamú. A cél, hogy minél több hallgatót jártassá tegyen a deep learning és az önvezető autók világában felmerülő feladatok megoldásában. Olyanokban, mint amiket a budapesti Continental Mesterséges Intelligencia Központ deep learning szakértői is nap mint nap kiviteleznek. ”

LEGYEN ÖN IS ELŐFIZETŐNK!

Szerkesztőségünkben mindig azon dolgozunk, hogy higgadt hangvételű, tárgyilagos és magas szakmai színvonalú írásokat nyújtsunk Olvasóink számára.
Előfizetőink máshol nem olvasott, minőségi tartalomhoz jutnak hozzá havonta már 1490 forintért.
Előfizetésünk egyszerre nyújt korlátlan hozzáférést az Mfor.hu és a Privátbankár.hu tartalmaihoz, a Klub csomag pedig egyebek között a Piac és Profit magazin teljes tartalmához hozzáférést és hirdetés nélküli olvasási lehetőséget is tartalmaz.


Mi nap mint nap bizonyítani fogunk! Legyen Ön is előfizetőnk!