Besluitvorming bij autonoom rijden

Thema:
Artificiële intelligentie

Drukke kruispunten zijn voor mensen al lastig. Dus hoe zorgen we ervoor dat zelfrijdende auto’s in de toekomst ook in stedelijke gebieden op een veilige manier hun weg vinden? Binnen een samenwerkingsproject van de EU experimenteert TNO momenteel met ‘hybride AI’.

Een onafgebroken stroom van voetgangers en fietsen. Een achterligger die ongeduldig toetert. Voor automobilisten kan het al heel lastig zijn om zo’n chaotisch verkeerspunt te passeren. En voor zelfrijdende auto’s is zo’n onoverzichtelijke verkeerssituatie al helemaal een probleem. Want er is altijd wel een sensor die een naderende verkeersdeelnemer spot.

Handmatig software schrijven? vergeet het maar!

Zelfrijdende auto’s zijn dus nog lang niet klaar voor de ingewikkelde verkeerssituaties in stedelijke gebieden. Ondertussen worden wel steeds meer taken voor het besturen van een auto geautomatiseerd. Daar is complexe software voor nodig. Zo complex zelfs dat het niet mogelijk is om die software handmatig te schrijven.

Een autonome auto die de juiste beslissingen neemt

In nauwe samenwerking met NXP, infineon, DAT.Mobility, AnyWi en TU/e werkt TNO nu binnen een EU-project aan een manier om zelfrijdende auto’s op termijn klaar te stomen voor het stadsverkeer. Samen proberen we aan te tonen dat de toepassing van AI-algoritmes decision making mogelijk maakt. Dat is een belangrijk punt, want daardoor zou de ontwikkeling van een veilige autonome auto weleens in een stroomversnelling kunnen komen.

Geen gewone AI, maar een hybride AI

Het AI-algoritme werkt nauw samen met een kennisgraaf. Dit is een informatiesysteem dat de AI nodig heeft om gevaarlijke verkeerssituaties goed in te kunnen schatten. En op die manier de juiste beslissingen te kunnen nemen. Deze ‘hybride AI’ is een combinatie van data-lerende AI met domeinkennis.

Eerst de snelweg, daarna de lastigere situaties

Om voldoende data te verzamelen heeft een auto – voorzien van radar, lidar, gps en camera’s – dagenlang rondgereden. De verzamelde informatie gebruikt TNO nu om het AI-algoritme te trainen. Daarbij beperkt de scope zich in eerste instantie tot situaties op snelwegen. Die verkeerssituaties zijn namelijk nog goed te overzien. De volgende stap wordt al een stuk ingewikkelder: dan moet het AI-algoritme namelijk beslissen wanneer een auto een kruispunt met fietsers kan passeren. Op een veilige manier uiteraard. De zelfrijdende auto moet het gedrag van de fietsers dus voortdurend monitoren en daar goed op in kunnen spelen.

Ook handig in de haven

Naast zelfrijdende auto’s zijn er nog veel andere toepassingen waar dit soort AI-algoritmes straks een belangrijke rol kunnen spelen. Denk bijvoorbeeld aan onbemand vervoer met automated guided vehicles (AGV’s) in de haven. Of een zorgrobot die in een ziekenhuis rondrijdt. Ook daar is het handig als zo’n voertuig goed opereert.

Laat je verder inspireren

55 resultaten, getoond 11 t/m 15

Systeemintegratie voor robots in kassen

Informatietype:
Artikel
Goede samenwerking tussen mens en AI robot in kassen is onmisbaar. Voor een betere communicatie werken we aan een semantisch uitleg- en navigatiesysteem.

AutoAdapt: zelflerende adaptieve systemen

Informatietype:
Artikel

Ontwikkeling morele modellen AI-systemen

Informatietype:
Artikel

Autonome shuttles

Informatietype:
Artikel

‘Giant AI goes down the European road’

Informatietype:
Insight
31 maart 2023