NYU Tandon Mühendislik Okulundan bir araştırma ekibi, sürücüsüz araç teknolojisine yönelik geliştirdikleri “Nörosembolik Meta-Güçlendirme Önden Öğrenme (NUMERLA) isimli yeni algoritma ile uzun süredir devam eden öngörülemeyen gerçek ortamlara uyum sağlama sorununu çözmeyi amaçlıyor.
Yapay zeka ve makine öğrenimi, sürücüsüz araçların giderek karmaşıklaşan senaryolarda çalışmasına yardımcı olarak sensörlerden gelen büyük miktarda veriyi işlemelerine ve trafik kurallarına uyarak şehir sokaklarında seyretmelerine olanak tanıyor.
Ancak kontrollü ortamların ötesine geçerek gerçek dünya trafiğinin kaosuna girdiklerinde bu tür araçların performansı düşebilir ve potansiyel olarak kazalara yol açabilir. NUMERLA ise güvenlik ve uyarlanabilirlik arasındaki boşluğu doldurmayı hedefliyor.
Algoritma bu durumu, güvenlik kısıtlamalarını gerçek zamanlı olarak sürekli güncelleyerek, sürücüsüz araçların alışılmadık senaryolarda seyahat edebilmesini, güvenliği birinci öncelik olarak koruyarak başarıyor.
NUMERLA’nın çalışma prensibi ise şu şekilde: Kendi kendine giden bir araba karmaşık bir ortamla karşılaştığında, mevcut durum hakkındaki “düşüncesini” ayarlamak için “gözlemleri” kullanır. Bu düşünceye dayanarak, belirli bir zaman dilimi içerisinde gelecekteki performansına ilişkin tahminlerde bulunur.
Daha sonra uygun güvenlik kısıtlamalarını arar ve bilgi tabanını buna göre günceller. Otomobilin hedefleri, güvenlik kısıtlamaları ile ileriye dönük optimizasyon kullanılarak ayarlanır.
NUMERLA’nın en önemli yeniliklerinden biri ise ileriye dönük sembolik kısıtlamalarda. Gelecekteki modu hakkında varsayımlarda bulunarak, sembolik güvenlik kısıtlamalarını birleştiriyor. Böylelikle sürücüsüz araç, güvenliğe öncelik verirken yeni durumlara da anında uyum sağlayabiliyor.
Araştırmacılar NUMERLA’yı kentsel ortamları simüle eden bir bilgisayar platformunda test etti ve bu senaryolarda diğer algoritmalardan daha iyi performans gösterdi.
Araştırma, NYU Tandon elektrik ve bilgisayar mühendisliği doçenti ve doktora derecesine sahip Quanyan Zhu tarafından yürütüldü. Konu hakkındaki çalışma, arXiv’de yayımlandı.