Zelfrijdende auto’s kun je op meerdere manieren leren om te rijden. Veel bedrijven gebruiken algoritmes of regels, waardoor een auto weet hoe hij zich in bepaalde situaties moet gedragen. Vervolgens worden de auto’s getraind in allerlei situaties door heel veel kilometers af te leggen. Een andere optie is om de deep-learning-algoritmes van zo’n auto helemaal te trainen op basis van het rijgedrag van mensen. Dat is wat Nvidia heeft gedaan met zijn AI-auto, schrijft TechCrunch.
De test-auto van Nvidia heet BB8 – waarschijnlijk naar het robotje uit Star Wars – en begon zijn lessen net als ieder ander. Op parkeerplaatsen leerde het om in de juiste banen te blijven rijden, die aangegeven werden met verkeerskegels. Vervolgens ging het systeem de weg op. Nu kan het zelfs ingewikkelde taken uitvoeren, zoals omgaan met blinde hoeken.
Inmiddels is BB-8 zo ver gekomen dat Nvidia een demovideo gemaakt heeft. Hierin zien we een aantal potentiële voordelen van de werkwijze van het bedrijf. Het systeem werd bijvoorbeeld in Californië getraind, maar had geen moeite met testritten in New Jersey. Dat terwijl de wegen en rijomstandigheden toch behoorlijk verschillend zijn. Daarnaast kan de auto nog steeds rijden terwijl er geen markeerde rijbanen zijn of als het donker is. Daarbij heeft het dus geen specifieke regels in een algoritme die bepaalde scenario’s afgaat.
George Hotz
De aanpak van Nvidia doet denken aan die van George Hotz en zijn startup Comm.ai. Hij bouwde in zijn garage een zelfrijdende auto en ging er vervolgens heel veel ritjes mee rijden, zodat het zelflerende systeem gevoed werd met zijn rijgedrag.
Een andere overeenkomst met werk van Hotz is dat het volledig zelfstandig is uitgevoerd, zonder de invloed van autofabrikanten. Een systeem als dit is natuurlijk nooit helemaal af. De volgende stap voor BB-8 is het systeem nog slimmer maken. Wat het bedrijf er op lange termijn mee wil, is echter onduidelijk.