GM utvikler skalerbar AI for autonom kjøring

General Motors (GM) har utviklet en ny tilnærming for å håndtere utfordringene knyttet til autonom kjøring. Dette innebærer bruk av avansert AI-teknologi for å trene autonome systemer i et tempo og omfang som ikke er mulig i den virkelige verden.

GM skalerbar AI for autonom kjøring med høyhastighetssimulering

GM fokuserer på å løse det som kalles «long tail»-problematikken i autonom kjøring, hvor sjeldne og uventede hendelser kan påvirke sikkerheten. For å oppnå dette, kombinerer de store simuleringsmiljøer, forsterkningslæring og modeller basert på visjon-språk-handling (VLA). Dette gir mulighet for å trene systemene i scenarier som inkluderer alt fra uventede hindringer til komplekse trafikksituasjoner.

Ved å bruke VLA-modeller kan GM’s kjøretøy gjenkjenne og tolke håndsignaler fra politifolk eller forstå hva en «lastesone» ser ut som. I tillegg utvikler de en hybridmodell kalt «Dual Frequency VLA» som kombinerer høyfrekvente beslutninger med dyp semantisk forståelse. Dette gjør at kjøretøyene kan reagere raskt på farer samtidig som de forstår komplekse trafikksituasjoner. GM kjører millioner av simulerte kjøreturer hver dag, noe som tilsvarer titusenvis av menneskelige kjøredager, for å teste systemene mot farlige scenarier som ikke lett kan gjenskapes i den virkelige verden.

Vår vurdering

AIny kort vurdering: GMs tilnærming til autonom kjøring kan gi norske utviklere verktøy for å forbedre sikkerheten i autonome systemer. Ved å bruke høyhastighetssimuleringer kan norske selskaper teste og validere AI-løsninger mer effektivt. Dette kan føre til raskere utvikling av autonome løsninger i Norge, som er viktig for fremtidens transportinfrastruktur.

Kilde: IEEE Spectrum

Les også: Google lanserer TurboQuant, ny AI-minnekomprimering