Apple は機械学習を「」で使用することを計画しています。アップルカー」特に、現在のプロセッサは、テクノロジーなしでは重要な運転決定を自律的に行​​うのに十分な速度ではないためです。

Apple が予想される「Apple Car」に機械学習 (ML) を使用することはすでに予想されており、特に同社の AI 責任者である John Giannandrea 氏の就任以来、予想されていました。担当に任命されました。しかし今回、新たに公開された特許は、ML がどのように使用されるのか、そしてなぜそれが必要なのかを説明しています。

「強化学習を用いて様々なサイズの行動空間を評価する」というのは、関係するML の恩恵を受ける車 車が自らの失敗から学習するという考えは少し恐ろしいですが、これはむしろ車がそのようなすべての車から蓄積されたデータを使用することに似ています。

それはすべて、ハンドルを握る意思決定を非常に迅速に行う必要があることに関係しています。車線変更や衝突回避などに関する正しい判断であっても、それが十分に早く完了しなければ致命的となる可能性があります。

この特許には、「比較的最近まで、利用可能なハードウェアとソフトウェアの制限のため、車両の外部環境の関連側面を分析するための計算を実行できる最大速度は、重要なナビゲーションの決定を可能にするには不十分でした」と記載されています。人間の指導なしに作られるのです。」

「比較的最近まで」という表現は、ハードウェアとソフトウェアが向上していることを暗示しているように思えます。それらは確かにあるが、それでも Apple はまだ十分ではないと言う。

「今日の高速プロセッサ、大容量メモリ、高度なアルゴリズムがあっても」、「しかし、車両環境に関してタイムリーかつ合理的な決定を下すという課題は依然として重大な課題である。」と続けている。

この特許は、「過度に悲観的な仮定にも、過度に楽観的な仮定にも基づいていない」自律的な意思決定の複雑さについて述べている。その場合、車は自動運転できるかもしれませんが、決して単独で運転することはありません。したがって、他の車に乗っている他のドライバーの「予測不可能な行動」が要因となります。

さらに、現実世界はどのテスト環境よりもはるかに混乱しているため、Apple はまた、「不完全なデータまたはノイズの多いデータ」がある場合でも自動運転に関する決定を下す必要があるとも述べています。

この特許は 17,000 ワードを超え、車の「アクション スペース」に関連する状況について説明しています。それは、車が判断を下す必要がある時間と距離です。

「一部の州では、車両が数キロメートルまたは数マイルにわたって曲がり角のない、ほとんど空いている真っ直ぐな高速道路を走行している場合など、評価されるアクションの数は比較的少ないかもしれないが、他の州では」と特許は続けている。車両が混雑した交差点に近づくときのように、アクションの数ははるかに多くなる可能性があります。」

意思決定の一例を示す特許の詳細

いずれの場合も、自動車のシステムは、自動車の周囲の「環境の現在の状態」を判断する必要があります。次に、「実行可能な対応する一連の実行可能または提案されたアクション」を特定する必要があるかもしれません。

アクションは「左折」または「車線変更」です。少なくとも一部のケースでは、ML を使用して、自動車が考えられるそれぞれの決定に番号または値を割り当て、最適な行動方針を決定できるようにすることができます。

「[たとえば] 強化学習モデルの複数のインスタンスまたは実行を車両で使用して、アクションのそれぞれの値メトリクスを取得することができ、その値メトリクスは、実装するアクションを選択するために使用される可能性がある」と特許には記載されています。 」

この特許は、Martin Levihn と Pekka Tapani Raiko という 2 人の発明者によるものです。

レヴィーンの過去の関連作品特許が含まれています車両の「行動プランナー」、別の自律的な意思決定システムの場合。