INSAIT и Waymo обсъждат DiffSim Trinity за обучение и безопасност

Асен Начков, докторант в INSAIT, изложи основните идеи зад проекта DiffSim Trinity в предаването UpDate по Bloomberg TV Bulgaria с водеща Антоанет Василева. По думите му проектът цели да подобри начина, по който автономните системи се обучават в симулирани пътни условия, като предоставя по-богата и директно използваема информация за динамиката на автомобила.

Какво прави DiffSim Trinity

Според Начков традиционните симулатори разказват историята на движението, но често не дават на алгоритмите достъпен модел на връзката между командите за управление и реалното положение и скорост на колата. Контролните параметри — ускорение, забавяне и ъгъл на завиване — трябва да се превърнат в практическо описание на движение в кратък интервал, за да могат системите да учат правилно.

DiffSim Trinity използва подход на едиференцируема симулация, която моделира тази връзка между команда и движение — динамиката на средата. Така алгоритмите получават повече информация при обучение и могат по-точно да свързват пътни знаци и правила с конкретни реакции (например спиране на червен светофар или завиване надясно, когато навигацията и условията го позволяват).

Техническа основа и партньорства

Проектът работи върху платформа, която Начков описва като продукт на UEMO — компания, която според него е сред водещите в САЩ в областта на автономните превозни средства. В инженерната основа на DiffSim Trinity стои и симулаторът Waymax, разработен от Waymo. Начков посочи, че Waymax е сравнително нова и удобна за изследователска работа платформа: не е тежък софтуер и се паралелизира лесно на много видеокарти, което я прави подходяща за големи изчислителни натоварвания.

Екипът вече е в разговори с Waymo за възможни колаборации, а индустриалният интерес и академичният отклик според него са позитивни — студенти и изследователи проявяват интерес към идеите и методите, които DiffSim Trinity предлага.

Безопасност и емпирични наблюдения

Начков свърза подобреното обучение директно с очаквания ефект върху сигурността: автономните алгоритми не се уморяват и не губят концентрация при монотонно шофиране, което според него намалява риска от грешки, свързани с човешкия фактор. Той добави, че първоначални данни и анализи на инциденти с автономни превозни средства показват по-малък дял на тежките катастрофи с жертви или сериозни материални щети в сравнение с инцидентите при човешко управление.

Академични резултати и следващи стъпки

DiffSim Trinity представлява сбор от три академични статии. Първата е била представена преди два и половина месеца в Китай, а втората и третата предстоят да бъдат представени в Сингапур „следващата седмица“, посочи Начков. Резултатите вече са достъпни за преглед и екипът започва да събира предложения за надграждане и нови експерименти. Форматът на представянето в Сингапур е стандартен научен, а целта на участието е да се чуят критични и конструктивни мнения от други изследователи.

Предизвикателства при разгръщането

По-широкото внедряване на такива технологии, според госта, е по-сложно от техническата интеграция: от страна на компаниите са необходими значителни капиталови инвестиции и сертификация за безопасност при пускане на нова флотилия. От страна на местните власти важна роля играят готовността да се допускат иновации и възможността технологията да промени икономическата структура на градския транспорт.

Потенциал за България

За България Начков отбеляза наличието на силна традиция в компютърните науки и наличието на талантливи кадри. Внедряването зависи обаче от адекватни политики и от активността на компании, които действително развиват подобни технологии. Конкурентното предимство според него е научният капацитет; като пример той посочи институти като Insight, които определи като „център за талант“.

Екипът вече работи върху следващ проект, който ще надгради идеите и резултатите от DiffSim Trinity, като целта остава да се повиши качеството на обучението и да се ускори трансфера към реални приложения.