Bereits im Juni gab Tim Cook von Apple bekannt, dass der iPhone-Hersteller seine Aufmerksamkeit auf den Bau autonomer Systeme für selbstfahrende Autos richten würde. Er nannte das „die Mutter aller KI-Projekte“, stellte klar, dass Apple kein eigenes Auto bauen werde, verstummte dann. Seitdem ist nichts mehr öffentlich über die Bemühungen des Unternehmens in diesem Bereich zu hören.
Jetzt haben Untersuchungen von Apples Abteilung für maschinelles Lernen den ersten Hinweis darauf gegeben, wie das Unternehmen KI für autonome Autos angehen könnte. Die Arbeit wurde bei arxiv.org, einem Online-Repository für Forschungsarbeiten, eingereicht und beschreibt, wie ein Kartierungssystem Bordsensoren für die autonome Navigation genauer machen und auch „Haushaltsroboter und erweiterte/virtuelle Realität“ verbessern könnte.
Siehe verwandten Tim Cook:Wenn wir nicht mehr Frauen in MINT bekommen, „werden die USA ihren technologischen Vorsprung verlieren“ Fahrerlose Lastwagen kommen nach Großbritannien
Apples System heißt VoxelNet. Es mag wie der heißeste Nachtclub Berlins klingen, aber es basiert darauf, mehr Genauigkeit aus LIDAR-Sensoren herauszuholen – den Augen in den meisten selbstfahrenden Autos.
LIDARs funktionieren, indem sie schnelle Laserpulse auf ihre Umgebung abfeuern und dann die Zeit messen, die das Licht benötigt, um zurückzuprallen. Auf diese Weise können sie die Entfernung abschätzen und eine 3D-Karte ihrer Umgebung erstellen. Einer der Hauptnachteile dieser Methode ist, dass Karten oft lückenhaft sind, weil Objekte alles dahinter blockieren. Wenn Sie sich eine LIDAR-Karte ansehen, sehen Sie dies als lange, schattenähnliche Lücken in der Szene.
Ingenieure umgehen dies, indem sie Systeme einrichten, die in der Lage sind, LIDAR-Daten in Voxel (3D-Pixel) aufzuteilen und dann zu identifizieren, was sich darin befindet, wie z. B. andere Autos und Fußgänger. Die Apple-Forscher Yin Zhou und Oncel Tuzel schlagen im Wesentlichen ein einzelnes neuronales Netzwerk vor, das all dies ohne die Notwendigkeit von „manuellem Feature-Engineering“ tun wird. Sie beschreiben VoxelNet als „ein generisches 3D-Erkennungsnetzwerk, das Merkmalsextraktion und Bounding-Box-Vorhersage in einem einstufigen, trainierbaren End-to-End-Tiefennetzwerk vereint.“
Apple ist nicht das erste Unternehmen, das versucht, die Einschränkungen von LIDAR zu überwinden, aber die Ergebnisse klingen ermutigend. Das System wurde nur an Computersimulationen getestet, aber die Forscher kommen zu dem Schluss, dass „VoxelNet modernste LiDAR-basierte 3D-Erkennungsmethoden bei weitem übertrifft“.
Das Papier ist auch insofern von Bedeutung, als es ein relativ offener Schritt für ein Unternehmen ist, das bekanntermaßen in Bezug auf seine KI-Forschung geschlossen ist. Die Forschung weist nicht unbedingt darauf hin, dass Apple an dieser Technologie für ein bestimmtes Produkt arbeitet – und arvix.org ist ein Mittel, um Ideen einer breiteren Gemeinschaft zugänglich zu machen, keine wissenschaftliche Zeitschrift – aber es deutet sicherlich auf einen Denkweg hin, den das Unternehmen haben könnte verfolgen. Im Juli startete Apple einen Blog über die Bemühungen seiner Ingenieure im Bereich des maschinellen Lernens. Es gibt dort Beiträge über Siri und Gesichtserkennung, obwohl autonome Autos merklich fehlen.
Bild:Eine Folie aus dem Artikel von Yin Zhou und Oncel Tuzel