Можно автоматом передавать нарушения других машин в ГАИ.
Тогда рядом с беспилотником они будут вести себя правильнее.
Отличный доклад. Спасибо Роман и Академия Яндекс!

Простите за дилетанский вопрос, но в ходе доклада было озвученно четыре пути решения:
1. Алгоритмы на графах
2. Оптимизационные методы
3. Стохастические алгоритмы
4. Специализированные методы

А что если пойти путём который был применён для решения проблем в шахматах, в го (Alpha Go) и теперь ещё для симуляции борцов сумо. А именно: не обучать нейронную сеть (о том как человек бы действовал), а свести проблему к N автомобилям которым нужно пройти по маршруту как можно быстрее, без какого-то вообще предварительного обучения (without being taught). AI в таком случае может выроботать какие-то свои правила, и решение может получится наиболее эффективным. (Или этот путь просто стохастические/рандомизированные алгоритмы с использованием нейроных сетей?)

Спасибо

Ребята из Google (ныне Waymo) как-то рассказывали о том, как у них автомобиль "учится" вождения, там идея примерно такой и была: сначала физические машины накатали много км по реальным дорогам, наснимав множеством датчиков дорожную обстановку, после чего была построена виртуальная модель, по которой виртуальные агенты постоянно наматывают миллионы киллометров, подбирая оптимальные траектории для различных ситуаций.
Наверняка у них и генерация новых ситуаций имеется (т.к., например, сложно собрать достаточный датасет с аварийными ситуациями, чтобы научиться его избегать и т.д. и т.п.)

Они используют GTA.

GTA нельзя использовать в коммерческих целях, у Google/Waymo уже несколько лет как существует своя среда для симуляции дорожных сцен.

боюсь, не доживу до БПА в нашей стране.

Тема не раскрыта. Хотелось больше услышать генетически управляемые нейронные сети. Тут вообще об этом ни слова.

А что такое «генетически управляемые нейронные сети»?
Вероятно архитектура сети определяется генетически а коэффициенты распространением ошибки.
Хм, есть версия, что получение более-менее эффективной архитектуры таким подходом придется ждать ну очень долго.
Если цена специалиста высока, а цена машинного времени низка то почему бы и нет?
Тут вопрос скорее в целесообразности ГА, когда есть байесовская оптимизация/случайный поиск и т.д.
Так же машинное время может и дешевое, вот только для обучения ANN вам его требуется очень много. Не все могут себе позволить десяток другой титанов
Те кто планирует ставить системы на десятки тысяч автомобилей — могут.
Спасибо за материал, было интересно почитать. Мне кажется, что в будущем машины при построении маршрутов будут также использоватьь данные, полученные от других умных автомобилей и умной инфраструктуры. Это сделает дороги безопаснее.

Однако тогда автопилотирование станет обязательным, что немножко грустно, так как я люблю водить автомобиль самостоятельно)
Людям нравиться убивать других людей, но это противозаконно. По этому сделали симуляторы. Так же и с вождением.
Первое, что можем сделать: разобьем все пространство на клетки, рассмотрим маленькие клеточки и скажем, что есть вся наша поверхность земли, разбитая на клетки 25 на 25 или 50 на 50 см. Потом соединим соседние клетки ребрами и будем искать на них путь.


С самого начала возник вопрос. Скажите, пожалуйста, зачем сваливать в одну кучу топологию и геометрию? И почему не использовать дорожные карты разных масштабов?

Автомобиль не в чистом поле, а едет по улицам населенного пункта или по загородному шоссе. Для выбора маршрута достаточно каждый перекресток считать вершиной графа, а соединяющие улицы — ребрами. Дорожки для подъезда к домам в этом случае можно не учитывать. Выбрав таким образом маршрут, нужно будет перейти к выбору пути в локальном окружении автомобиля в текущей дорожной ситуации — тут уже нужна крупная карта участка дороги в 10-20 м не более, где задано общее направление в котором автомобиль должен двигаться, чтобы достичь очередную вершину графа — перекресток.
Он про это сказал где-то в середине, типа маршруты по картам, а мелкая моторика типа запарковаться — строим графы с этими ветвистыми траекториями.
А что надо начинать с топологии, а не с геометрии, т.е. с классического графа без всяких углов — где это сказано?
Вроде как речь идет как раз о перемещении в локальном окружении, а не поиске пути до цели назначения. И разбиение пространства идет в некоей облати вокруг автомобиля, которую он «видит». Поиск общего пути до цели — задача, с которой уже давно справляется любой навигатор.
доклад может быть и хороший, но честно говоря, много воды. тем более, что задача построения оптимального пути между 2 точками — это уже «линейная» задача, не требующая никакого сложного оборудования. всё это было сделано и реализовано 7-10 лет тому как.

проблем там наверное только три
3. юридическая
2. распознование дятлов на дороге
1. цена на железки лидары, радары.

и совершенно не понятно, почему Яндекс, имея такие ресурсы, ещё не выкатил прототип на полигон (а может и выкатил уже, но показал не всем). Беспилотник это по круче Алисы будет.

>> Вакансия: Fullstack-разработчик в беспилотные автомобили
что ты такое? звучит как то совсем не привычно.
ошибся, видео по ссылке есть. можно было её поместить в конце статьи.
видео
в бытность студентом занимался вопросами трассировки печатных плат. Алгоритм поиска пути на графе там одна из подзадач, которая весьма успешно решалась и тогда (20лет назад)
у нас же в общем-то известна карта движения (яндекс-карты), известно где можно а где нельзя двигаться (дорожные знаки).
Если адаптировать тот матаппарат, который был наработан на трассировках — должно получиться более чем удачно.
Да. Слышал, что с трассировкой печатных плат даже скромная мини-ЭВМ PDP-11 (Электроника-60) справлялась.
Наверное это зависит от того что понимать под словом «справлялась». Современные трассировщики, например, не справляются. Имеется в виду, что нельзя взять более-менее сложную плату после трассировщика и тут же отдать её в производство. Она просто не заработает.
трассировка городских улиц не столь сложна как печатных плат.
По-моему алгоритм волновой трассировки (можно в википедии на него глянуть) вполне справиться.
А на дискретное поле можно еще наложить например данные о пробках.
Мне одному кажется, что в статье вместо Дейкстры описали алгоритм ЛИ, обозвав его дейкстрой?

Видео не смотрел, но ЛИ (aka BFS) — это когда веса в графе равны 1. Повернуть на 15° и проехать 50см. скорее всего имеют разный вес.

Алгоритм Яндекс навигатора становится все хуже и хуже. Иногда просит съехать, сделать круг и выехать на дорогу в точке съезда!


Впрочем, неудивительно, тут и заказ от таксистов, и от мера, да и люди из Минска о пробках имеют чисто теоретическое представление.

Ехал я как-то на машине в Москву через Минск, всё там хорошо у людей с представлениями.
А в каком году Яндекс планирует вывести на рынок данную технологию? И с каким уровнем автономности?
полный 5-ый. Помимо алгоритмов, чтобы вывести на рынок должны быть дешёвыми лидары и прочие датчики. Поэтому во многом зависит от радиофизиков.
Можно и без лидаров. В снег и дождь они бесполезны.
Только полноправные пользователи могут оставлять комментарии.
Войдите, пожалуйста.