‘Het brein van een zelfrijdende auto leert net als een kind’
Een zelfrijdend of -vliegend voertuig bezorgt pakketjes en de vuilniswagen rijdt autonoom door de wijk. Dat kan over een paar jaar zomaar werkelijkheid zijn.
Zelfrijdende voertuigen met een vaste taak en een gelimiteerde snelheid, zoals vuilniswagens, kunnen de komende jaren hun intrede maken in de samenleving. De technologie is daar dan ver genoeg voor ontwikkeld, denkt Gijs Dubbelman, hoofd van het Mobile Perception System Lab aan de Technische Universiteit Eindhoven (TU/e). Een zelfrijdende auto die je door de binnenstad van Amsterdam rijdt, ziet hij voorlopig nog niet gebeuren. “De kunstmatige intelligentie heeft daar nog niet genoeg verkeersinzicht voor, het is nog niet krachtig genoeg”, zegt Dubbelman.
Hoe nemen mobiele robots hun omgeving waar? Daar doen wetenschappers in het Mobile Perception System Lab onderzoek naar. “We nemen de data die uit sensoren en camera’s komt en passen door kunstmatige intelligentie op toe om ervoor te zorgen dat de robot een zo compleet mogelijk wereldbeeld krijgt”, vertelt Dubbelman. Door dat digitale wereldbeeld weet de robot waar hij is en wat er om hem heen gebeurt. “Wij maken de hersenen van de robot”, zegt hij. Dubbelman richt zich volledig op het ontwikkelen van kunstmatige intelligentie waarmee de robot zijn digitale wereldbeeld kan opbouwen. Op basis van dat wereldbeeld kan de robot ook beslissingen nemen. Daar zijn weer andere labs binnen de universiteit mee bezig.
Anticiperen
“De ogen van een robot, de sensoren, zijn veel beter dan die van een mens”, zegt Dubbelman. Sensoren, camera’s en radars zien namelijk alles. Waar mensen een inschatting maken van bijvoorbeeld de afstand tot een object, weet een radar dat op de centimeter nauwkeurig. De uitdaging voor de onderzoekers is om voldoende informatie uit de sensoren te halen dat niet direct te meten is. Het is bijvoorbeeld lastig te meten of een voetganger gaat oversteken, maar het is wel in te schatten met kunstige intelligentie. Al deze gegevens dragen bij aan een zo compleet mogelijk wereldbeeld.
“We willen dat de robot, net als menselijk bestuurders, kan voorspellen wat er in de toekomst gaat gebeuren. Zo kunnen zij anticiperen in het verkeer”, legt Dubbelman uit. Als mensen scannen we voortdurend de omgeving. Als een fietser een beetje naar links beweegt, kunnen we al inschatten dat deze fietser dadelijk linksaf kan slaan. Daar houden we dan rekening mee door er extra op te letten en wat langzamer te rijden. Dubbelman: “Op dit moment is het wereldbeeld van de robots nog niet compleet genoeg om dit te kunnen doen.”
Herkennen
“Om te kunnen anticiperen ontwikkelen we nu een algoritme dat niet alleen een object maar ook de onderdelen van dat object kan onderscheiden”, gaat hij verder. Het algoritme kan nu onderdelen van bijvoorbeeld een mens of een auto herkennen. “Als we weten wat een hoofd is en wat voeten, dan kunnen we het wereldbeeld weer verder compleet maken”, zegt Dubbelman. Deze informatie kan het systeem uiteindelijk ook gebruiken om beslissingen te nemen. “Als de auto bijvoorbeeld een gezicht kan herkennen, dan weet hij wanneer passerende voetgangers naar de auto kijken. Als ze dat doen, is de kans groter dat ze niet zomaar oversteken”, legt hij uit. “Het systeem kan op deze manier ook herkennen of er een volwassene of een kind op de stoep staat. Bij een kind is de kans groter dat het zomaar oversteekt, dus kan de auto daarop anticiperen.”
Zelflerende auto’s
Om dit in de toekomst wel voor elkaar te krijgen, ontwikkelen de onderzoekers zelflerende systemen. “Op dit moment leert het algoritme van door mensen gelabelde data. Mensen geven aan wat bijvoorbeeld een fiets is en wat een boom”, legt hij uit. “We zijn nu bezig met het ontwikkelen van een zelflerend algoritme.” De afgelopen maanden is het de onderzoekers gelukt om een algoritme te maken wat zelf leert om een simpel plaatje om te zetten naar een digitaal wereldbeeld.
Het algoritme kan nu alleen nog maar werken met simpele lijntekeningen, maar dit wordt steeds verder uitgebreid. “Op deze manier leert het systeem niet meer van data die gelabeld is door mensen, maar is het systeem zelflerend. Zo kan hij ook steeds ingewikkeldere en gedetailleerdere plaatjes analyseren, wat weer leidt tot een completer wereldbeeld”, vertelt Dubbelman. Een systeem dat zelf leert is veel robuuster en kan beter tegen veranderingen in de wereld om hem heen. “Dat is belangrijk want de wereld om ons heen verandert continu”, zegt hij.
Oplettende chauffeur
Het leerproces van het algoritme is te vergelijken met dat van een kind. “We rijden al van kinds af aan mee met onze ouders. Op die manier doen we inzichten op over hoe de wereld werkt”, zegt Dubbelman. Hij haalt veel inspiratie uit het leerproces van kinderen. “Maar AI is nog lang niet zo krachtig als onze hersenen.” De onderzoeker hoopt dat hij de autonome auto zo ver kan ontwikkelen dat het algoritme net zo goed is als een ervaren, oplettende chauffeur. “Dan gaan we al heel veel ongelukken voorkomen.” Een groot voordeel van autonome auto’s wat mensen niet hebben? “Auto’s en de infrastructuur kunnen in de toekomst met elkaar communiceren. Daardoor gebeuren er veel minder onverwachte dingen en daarmee waarschijnlijk minder ongelukken”, zegt Dubbelman.
Talent nodig
De komende tijd gaan de wetenschappers de zelflerende aspecten van de autonome auto verder ontwikkelen. Voor de broodnodige doorbraak in het onderzoek is veel geld nodig. “In Amerika zijn grote bedrijven als Google, Facebook en Uber bezig met dergelijk fundamenteel onderzoek. Ook in China wordt door de overheid en het bedrijfsleven flink geïnvesteerd. Dat mag in Europa nog wel wat meer”, vindt Dubbelman. Maar geld is niet alles. “Je hebt ook talent nodig. Europa is een fijne plek om te wonen en te werken, dus dat is een voordeel”, legt hij uit. “De overheid zou een goed ecosysteem moeten ontwikkelen voor talent en investeerders.”
Wat betreft de regelgeving omtrent autonoom rijden is Dubbelman positief. “Als een computer beslissingen moeten nemen over leven en dood, moeten daar duidelijke regels voor zijn. Ook moeten daarvoor dan gedegen controletrajecten worden opgesteld”, zegt hij. “De RDW is daar voor de autonome voertuigen al mee bezig. De kaders zijn nog niet klaar, maar de technologie ook niet.” Het moet volgens hem tegelijk ontwikkeld worden. “Er moet een balans zijn tussen veiligheid en efficiëntie. Hard rijden is snel, maar nog niet veilig genoeg en andersom”, stelt de onderzoeker. “Daarom denk ik dat we eerst autonome voertuigen gaan zien in toepassingen waar snelheid minder belangrijk is, bijvoorbeeld bij de pakketdiensten en vuilniswagens. Als we het algoritme verder kunnen ontwikkelen tot een ervaren chauffeur behoort ook een autonome personenauto in het drukke stadsverkeer tot de mogelijkheden.”