A mesterséges intelligencia a közlekedésben

A BME és a Continental együttműködése

Az önvezető autók piacán egyre határozottabban kirajzolódik a fejlődési irány, már csak az a kérdés, mikor sikerül elérni ennek a technológiának azt a fejlettségét, amellyel az önvezető autók biztonságosan útjukra bocsáthatók. A technológia haladásához elengedhetetlen az oktatás és a kutatás-fejlesztés színvonalának emelése. A Budapesti Műszaki Egyetem (BME) és a Continental cég együttműködése ehhez járul hozzá a hallgatók bevonásával és támogatásával.  A Professzionális Intelligencia az Autóiparban (PIA) projekt keretei közt kutatásokat végeznek, miként alkalmazható a mesterséges intelligencia az önjáró autók esetében. Moni Róbert, a projekt vezetője mondta el, milyen fejlődési lehetőségeket biztosít ez a kooperáció.

A PIA elméletben…

A Continentalnál immár hagyomány, hogy italokról nevezünk el dolgokat – kezdi Róbert a projekt bemutatását –, van például PÁLINKA és FEHÉRBOR nevű projektünk is. Ezek figyelemfelkeltő, jó hangzású mozaikszavak, amelyek összefoglalják az adott kutatás témáját. Esetünkben a PIA a Professional Intelligence for Automotive kifejezés kezdőbetűiből áll össze, és egységes keretet ad annak az együttműködésnek, amelyet a BME Irányítástechnika és Informatikai, illetve a Távközlési és Médiainformatikai tanszéke, valamint a Continental folytat. Célunk az, hogy az egyetemi kutatásokat összehangoljuk az ipar fejlődésével. Akik a gépi tanulás az önvezető autók világában szeretnének elmélyülni, azoknak érdemes csatlakozni a projekthez. Ha szemléletesen akarjuk bemutatni, mivel is foglalkozunk, ezt öt pontban összefoglalva tudjuk megtenni

KUTATÁSTÁMOGATÁS. Olyan témák mellé állunk oda, amelyek gépi tanulással, vagy az önvezető autókkal foglalkoznak. A hallgatókkal, akik részt vesznek a projektünkben, közösen dolgozunk egy-egy kiválasztott kérdéskörben, cégünk pedig szakmai hátteret biztosít számukra.

RÉSZVÉTEL AZ OKTATÁSBAN. Három évvel ezelőtt elindult a Villamosmérnöki Karon a „Deep learning a gyakorlatban Python és LUA alapon” című kurzus, amelyet Dr. Gyires-Tóth Bálint vezet. Ezen a képzésen mi is előadunk vendégoktatóként, a mesterséges intelligencia gyakorlatban bevált technikáit, az iparban már alkalmasnak bizonyult megoldásokat mutatjuk be a hallgatóknak – magyarázza Róbert.

CONTINENTAL LABORATORY. Sikerült egy termet berendeznünk a BME I (informatika) épületében, ahol egy várost modelleztünk – vagyis egy önvezető szerkezetet (framework) készítettünk. Tulajdonképpen ezt nevezzük „duckietown” projektnek, amiről azt kell tudni, hogy a Massachusetts Institute of Technology (MIT) hallgatói és kutatói egy olyan munkatervet valósítottak meg, amelynek a célja egy virtuális és fizikai felület megteremtése volt. Itt machine learning-alapú algoritmusok fejlesztésére, tesztelésére, validálására kerül sor, egységes környezetben. Az „egységes környezet” egy makettszerű közeget jelent, amely a városi közlekedést képezi le. Tehát vannak sávozott utak, kereszteződések, autók, jelzőlámpák, táblák, azaz minden, ami a városi miliőben megtalálható. Mi pedig azon dolgozunk itt, hogy az önvezetést egy mesterséges intelligencia alapú algoritmus segítségével olyan szintre fejlesszük, hogy a közlekedési szabályokat betartva forgalomba engedhessük a járműveket. A kivitelezéshez a csúcstechnológiát képviselő berendezések állnak rendelkezésünkre, így a munkánk haladási üteme teljesen megfelelő. Továbbá egy NVIDIA DGX station-t is megvásárolt a cég az egyetem részére. Ez a rendszer 4 darab V100-as Tesla GPU-t tartalmaz amely nagyot lendít az egyetemen folyó machine learning kutatásokon, mivel szignifikáns számítási kapacitást kínál nagy méretű neuron hálókat tanítására.

FEJLESZTÉS. A machine learning-deep learning témában már nagyon sok megoldás létezik, amelyekből ki lehet indulni, és továbbfejleszteni az algoritmusokat – ezen újabb megoldások között vannak nagyon és kevésbé hatékonyak. Mesterséges Intelligencia Központunkban több éves machine learning tapasztalattal rendelkező kollégák dolgoznak, így át tudjuk adni a hallgatóknak az empirikus tudásunkat, azt, hogy milyen metódusok alapján érdemes elindulni, mit érdemes fejleszteni. Ezzel a mentorációval elkerülhetjük, hogy a kutatás elakadjon vagy zsákutcába kerüljön.

TÁMOGATÁS A DIPLOMA MEGSZERZÉSÉHEZ. A hallgatók tanulmányait már az alapképzéstől kezdve támogatjuk. Sőt, arra is van lehetőségük, hogy úgynevezett „önlaboratóriumokban” valamilyen általuk választott témát dolgozzanak fel – mi pedig rögtön az elején a rendelkezésükre állunk, és szükség esetén segítünk a témaválasztásban. Duális mentorálási programunk is van, ebben az elméleti, az adminisztratív és a technikai problémák megoldását az egyetemi oktatók támogatják. A program másik részében pedig a Continental szakemberei képezik a hallgatókat – mindegyikükhöz kirendelünk egy mentort, aki végigvezeti őket a féléves feladatokon, és ha a mentorált valamilyen nehézségbe ütközik, a mentor segít neki a megoldásban. Ez a konstrukció igen hatékony, gyorsan tudunk eredményeket produkálni mind a hallgatók, mind a kutatás szempontjából.

…és a gyakorlatban

Jelenleg kilenchallgató vesz részt a programban közülük héttel már az előző szemeszterben is együtt dolgoztunk. Mindenki a választott témájának megfelelően kapott mentort maga mellé.

Az év közbeni munka mellett lehetőséget nyújtunk nyári gyakorlaton való tapasztalatszerzésre is. Ez egy „tömörített” verziója a teljes képzésnek – magyarázza Róbert lelkesen. A résztvevők konkrét, általunk fejlesztett projektekbe, kutatásokba nyernek betekintést. Az elmúlt nyáron hét hallgató használta ki ezt a lehetőséget. A PIA projekt debütálásával és támogatásával kezdtem meg én is a doktori képzésemet „Deep Reinforcement Learning in Complex Environmnets” témával, és Dr. Gyires-Tóth Bálint a vezetőtanárom.

Szeptember közepén rendeztük meg az úgynevezett PIA Dayt, ami tulajdonképpen egy féléves beszámoló. Itt negyven meghívott hallgató előtt – akik részt vesznek a „Deep learning a gyakorlatban Python és LUA alapon” kurzuson – adhatták elő a projekttagok, hogy mivel foglalkoztak az elmúlt szemeszterben, milyen eredményeket értek el, és melyek a jövőbeni terveik a témájukkal kapcsolatban. Majd két meghívott vendégünk is előadást tartott: a mesterséges intelligencia architektúra vezetője Németországból látogatott el hozzánk, és kifejtette, hogyan kell elképzelni valójában a mesterséges intelligencia működését az önvezető autók világában. Továbbá hazai előadónk, Dr. Deák-Meszlényi Regina – aki a metodika csapatunk egyik csoportvezetője – elmagyarázta, hogyan lehet a már jól tanuló algoritmusokat úgy optimalizálni, hogy megkapjuk a megfelelő architektúrát.

Biztos pont a fejlődésben

Az a célunk, hogy az általunk nyújtott tudás jó kiindulópont legyen a leendő szakemberek számára. A technika annyira gyorsan fejlődik, hogy az egyetemen dolgozó kollégák nehezen tudnak lépést tartani vele. Ezért szükséges egy olyan csúcstechnológiát alkalmazó cég bevonása is, mint amilyen a Continental. Mi egy keretrendszert biztosítunk, amellyel megerősítjük a képzéseket.

A tavaszi félév mindig az alapozásról, a kérdések felvetéséről és a problémák megoldásáról, az őszi félév a megszerzett tudás kamatoztatásáról szól, vagyis a TDK-ra (Tudományos Diákköri Konferencia) vagy nemzetközi platformra szánt dolgozatok megírásáról, a publikációs anyagok elkészítéséről.

Nemzetközi visszacsatolás

Nagyon fontos esemény számunkra a decemberi világszintű verseny, az AI-DO (Artificial Intelligence-Driving Olimpics). Ezen egy olyan algoritmust kell betanítani, amelynek a segítségével az önvezető autó képes mindig a pályához igazodni, és alapvető problémákat megoldani. Tulajdonképpen ez a jármű csupán egy kamera képét használhatja fel, így kell végigmennie a kijelölt útszakaszon, anélkül, hogy letérne róla, valamint elvárás az is, hogy ne karambolozzon, és betartsa a közlekedési szabályokat.

Számos ország egyetemeiről érkeznek ide versenyzők, Ázsiából, Amerikából, Afrikából és Európa országaiból egyaránt. Képviselteti magát például az MIT és a Stanford Egyetem is – mondja büszkén Róbert. Nagyon jó lehetőség ez a rendezvény arra, hogy lássuk, nemzetközi szinten hol helyezkedik el a kutatásunk; remek visszacsatolást jelent a munkánk folytatásához.

Így lehet bekerülni a projektbe

A Continental ösztönözni akarja a hallgatókat, fenntartani bennük a tudásvágyat és a motivációt; ezért is biztosítunk havi ösztöndíjat a projektben résztvevő egyetemistáknak – hangsúlyozza Róbert. Mindössze annyi az elvárásunk a pályázókkal kapcsolatban, hogy valamennyire már jártasak legyenek  a mesterséges intelligencia világában, mert csak így tudnak bekapcsolódni a projektbe. Ez a jártasság megszerezhető, ha elvégzik a korábban említett kurzust Dr. Gyires-Tóth Bálintnál. Ha ez sikerül a hallgatónak – ugyanis a kurzus abszolválása nem könnyű feladat –, akkor bekerülhet a projektben résztvevők közé, majd közösen kiválasztunk egy témát a számára, amivel szívesen foglalkozna, és hasznos a technológia fejlődése szempontjából. Nem ragaszkodunk ahhoz, hogy a Continentallal szorosan kapcsolatban legyen a téma – teszi hozzá Róbert. Lehet például a reinforcement learninggel is foglalkozni, ami a megerősítéses tanulást jelenti, és az autóiparban még nem alkalmazzák ezt a technológiát.

Összefoglalva: mi bizonyos fokú készséget várunk el a hallgató részéről, illetve azt a szilárd elhatározást, hogy ebben a szférában szeretne majd elhelyezkedni. Az egyetemen belül pedig a tanszékvezetők állapítják meg a projektre való alkalmasságot.

Némethi Botond, NEW technology magazin