A műegyetemisták 4 első, 4 második és 3 harmadik helyezést szereztek meg a mesterséges intelligencia legkorszerűbb módszerein alapuló megoldások versenyében, a városi közlekedés kategóriában.

PIA projekt csapata 2019 őszén a Budapesti Continental Mesterséges Intelligencia Fejlesztési Központ vezetőivel, valamint a VIK TMIT és a VIK IIT oktatóival

„Másfél éve fejlesztjük, tökéletesítjük azokat az önvezető, elsősorban sávkövető ágenseket, amelyeket a nemzetközi rendezvényen a nagyközönség előtt is megmérettünk és sikerre vittünk” – mondta a bme.hu-nak Moni Róbert, a BME Villamosmérnöki és Informatikai Kar (VIK) Távközlési és Médiainformatikai Tanszék (TMIT), az Irányítástechnika és Informatikai Tanszék (IIT) és a Continental budapesti Mesterséges Intelligencia Fejlesztési Központjának együttműködésében indult csapat egyik versenyzője, hozzátéve, hogy a Duckietown platformon fejlesztéseiket szimulációban és valódi járműveken futtatva is értékelték. „A csaknem 14 négyzetméteres, polifoam négyzetekből álló, felmatricázott terepasztalon a valós környezetet egy miniatűr, szabadon konfigurálható, városi infrastruktúrával ellátott pálya jelképezi, amelyen egy vagy több ún. Duckiebot nevű, kamerával felszerelt, háromkerekű autó közlekedhet. Egy ilyen robot megalkotásán dolgoztunk mi is” – árulta el a PhD-hallgató.

Immáron ötödik alkalommal rendezték meg az AI DO-t 3 fő kategóriában: sávkövetés, sávkövetés gyalogosokkal és sávkövetés más járművekkel valós és szimulált verzióiban. Az első esetben a pályán csak az önvezető ágens tartózkodhat, második esetben gyalogosok is lehetnek a kijelölt területen, őket a versenyautónak ki kell kerülnie, míg a harmadik esetben a más járművekkel való ütközés elkerülése a cél. A megmérettetésen az lehet a legjobb, akinek a járműve egységnyi idő alatt a legnagyobb távot teszi meg a kihágások (például ütközés, sávelhagyás) minimalizálása mellett.

A hattagú műegyetemi mérnökcsapat az ún. mély megerősítéses és az imitációs tanuláshoz kapcsolódó megoldásokat vetette be a siker érdekében. Előbbi az algoritmusok hibáit ismerve próba-hiba (trial-error) alapján tanítja az önvezető ágenseket, míg az utóbbi megközelítésnél rendelkezésre áll egy adatbázis, amelyben előzetesen rögzítették az adott környezetben futtatott sávkövetéses döntési lépéseket, így a hosszadalmas, és kezdetben nehézkes tanítás szimulált környezetben zajlik. A közös munka legnagyobb kihívása a fiatalok szerint az volt, hogy a virtuális térben működő technológiai lehetőségeket átültessék a valóságba. Úgy vélték: szerteágazó és komplex szakmai tudás vezetett a kiváló teljesítményhez: az irányításelméleti alapismereteken túl az ágensek betanításához a gépi tanulás, a gépi látás, és a mély tanulás területein is otthonosan kellett mozogniuk.

Demonstrációs pálya a BME Q épületében 2019 (Interaktív Mesterséges Intelligencia Kiállítás)

A formáció 6 különböző, egy-egy hallgatóhoz köthető megoldással indult a versenyen 5 mély megerősítéses tanulás és egy imitációs tanulás alapú algoritmussal. (A hallgatók megoldását bemutató angol nyelvű leírás itt érhető el – szerk.) A csapattagoknak a feladatmegoldás során a szervezők által fejlesztett szoftverre kellett hagyatkozniuk, amely a felhasznált keretrendszer gerincét képezte. A rendezvény emlékezetes pillanatait felidézve a fiatalok megosztották: meggyűlt a bajuk a mobilis járművekkel, mert azok bár a szimulált környezetben jól működnek, érzékenységük miatt a valóságban történő teszteléskor rosszabb eredményeket mutattak, ezért ennek javításán sokat dolgoztak.

Duckietown szimulációs környezet

A valós és szimulált környezetek a Duckiebot szemszögéből

„A sávkövetés kategóriájában szerzett győzelmünkre vagyunk a legbüszkébbek, hiszen ott nagyon erős nemzetközi mezőnyben, neves nemzetközi műszaki egyetemek szakmailag széles palettát felölelő több mint 50 csapatának megoldása közül bizonyult a miénk a legjobbnak” – vallotta teljesítményükről Moni Róbert. A VIK hallgatói egyébként először 2018-ban álltak rajthoz, ám akkor még csak szimulált környezetben tudtak helyezést elérni. Oktatói, mentori segítséggel sokat fejlődtek, képezték magukat, és hasznosították az egyetemi tanulmányaikat az innovációs irányok és módszerek megválasztásában. Aztán az időközben kibővült csapat a decemberi találkozón új területen mérette meg magát. „Sikereinket a másfél éve tartó kitartásunknak, az összekovácsolódott közösségnek és a téma iránti elkötelezettségünknek köszönhetjük. Mindannyian saját, kidolgozott elképzelésünkkel vágtunk neki a rendezvénynek, amelyet együtt gondoltunk tovább, illetve sok segítséget kaptunk a Continental kutatói részéről is, főleg a Domain Adaptation tekintetében, amely által a szimuláltból a valós világba ültethettünk át ágenseket” – hívta fel a figyelmet a doktorandusz. Elárulta azt is, hogy elindulnak 2021 májusában a 6. AI DO-n; szeretnék megőrizni eddigi eredményeiket, ám addig is folyamatosan megújuló technológiákat tesztelnek a gyorsabb és precízebb ágensek kifejlesztéséhez.

TZS-GI

Bélyegkép forrása: Moni Róbert

Fotó: Moni Róbert