Генеративен ИИ за по-интелигентен CCAM: подобряване на възприятието, вземането на решения и валидирането (партньорство CCAM)

Очакван резултат:

Очаква се резултатите от проектите да допринесат за всички очаквани резултати:

• наличие и интегриране на усъвършенствани, надеждни, енергийно ефективни системи за възприемане, използващи технологичния напредък на генеративния ИИ (GenAI), за да се повиши ситуационната осведоменост и да се подпомогне безопасното вземане на решения;
• Повишена безопасност на уязвимите участници в пътното движение (УУПИ) въз основа на повишено, по-устойчиво на темперамент възприятие и разбиране на тяхното поведение и прогнози за намеренията;
• Повишена устойчивост на системите CCAM — както на борда, така и по отношение на инфраструктурата — в критични ситуации поради тяхното обучение, виртуално изпитване и валидиране в сценарии, генерирани от GenAI, допълващи съществуващите бази данни със сценарии за изпитване и валидиране на системите CCAM;
• по-добро разбиране на значението и ограниченията на използването на GenAI за CCAM;
• Инструменти и хармонизирани подходи за използването на GenAI при разработването, обучението и валидирането на технологии за мобилност, както и за системни приложения като управление на движението и дистанционно управление, като те се интегрират в съществуващите подходи.

Обхват:

Пилотите и демонстрациите, използващи услуги за превозни средства от нива 3 и 4, са изправени пред големи предизвикателства при възприемането и вземането на решения, което подчертава необходимостта от решения с ниска латентност, които подобряват способността за реагиране и ситуационната осведоменост в условия на експлоатация в реално време. Това е от особено значение за шофиране в по-сложни среди като градските райони, където разликите в околната среда са по-големи и където редовно могат да се срещат нови сценарии. Освен това е необходимо да се ограничат латентността, широчината на честотната лента и потреблението на енергия за изчисленията на борда, както и да се подобрят сигурността, неприкосновеността на личния живот и надеждността (напр. разбиране на сцената и прогнозиране на разработването на сценарии в близко бъдеще). За бързото вземане на решения при взаимодействие с УРЕ това е от съществено значение за прилагането на решения, основаващи се на CCAM, и за осигуряването на възможност за разрастване.

В същото време развитието на секторните агностични технологии показва напредък - като например GenAI - който може да бъде от полза за CCAM. Първите проучвателни стъпки могат да се очакват от проект, финансиран по линия на HORIZON-CL5-2023-D6-01-02 [1], по отношение на потенциала във виртуалното генериране на периферни случаи, които биха могли да се използват за разработването, обучението, виртуалното изпитване и валидирането на системите CCAM.

Необходимо е да бъде разработен, обучен и валидиран по-нататъшен напредък в приложенията на GenAI, специално за областта на CCAM [2]. Поради това предложените действия включват подходи за използване на по-нататъшния технологичен напредък за CCAM. Необходими са значителни стъпки, за да се премине към високо усъвършенствани, свръхбезопасни, надеждни и енергийно ефективни системи за възприемане и вземане на решения в реално време за автоматизирани превозни средства, като се обърне специално внимание на мащабируемите решения и експлоатацията на GenAI. Тези подобрения следва да използват системи с ниска латентност или разпределени изчислителни ресурси, за да се улесни обработката в реално време, като по този начин се подобри способността за реагиране и безопасността на системата. По този начин тази тема ще допринесе за плана за действие за континенталния ИИ [3] чрез насърчаване на разработването и внедряването на ИИ в автомобилния сектор.

Очаква се предложените действия да обхванат всички изброени по-долу аспекти:

• Разработване на инструменти и подходи за надеждно възприемане на околната среда и вземане на решения (в периферията, на борда, в инфраструктурата или в бекофиса). Тези подходи са насочени към ускоряване и постигане на напредък в обосновката на вземането на решения, повишаване на равнището на ефективност, (кибер)сигурност и надеждност на приложенията, като планирането на маршрута е първоначалният случай на използване. Това има за цел да подпомогне, наред с другото, възприемането на УРЕ, прогнозирането на тяхното поведение и намерения и включва подходи за обмен на данни за решения на CCAM, за да се създаде по-голям времеви прозорец за действия при сценарии, близки до произшествия. Използването на напреднали GenAI, включително големи езикови модели (LLM), Vision Language Models (VLM) или Vision Language Action (VLA), може значително да подобри тези възможности, като използва техните напреднали контекстуални разсъждения и разпознаване на модели. Освен това GenAI може да допълни съществуващите системи за възприятие чрез подобряване на интерпретацията на сензорния вход и предоставяне на обогатен контекст на околната среда, което подобрява вземането на решения и адаптивността.
• Генериране на сценарии за взаимодействия на превозни средства, използващи CCAM, с други участници в пътното движение, което е от съществено значение за напредъка при валидирането и изпитването, като се разширяват съществуващите набори от данни и сценарии, тъй като въз основа на съществуващите данни GenAI може да доведе до вариации на сценариите (напр. културни различия между участниците в пътното движение и променливост на инфраструктурата).
• Интегриране на технологиите на GenAI в съществуващите подходи (разработване, обучение и валидиране) за по-нататъшното им обогатяване. Разбирането на границите на използването на технологиите на GenAI, както и ползите и разработването на насоки за валидни подходи за тази интеграция (включително отчитане на предубежденията по отношение на пола и справедливостта, за да се гарантира, че системите с ИИ са прозрачни и отговорни) и предоставянето на перспектива за внедряването на разработените инструменти и подходи могат да бъдат направени за различни компоненти и технологии на CCAM, както и за системни приложения като управление на движението и дистанционно управление.
• Насърчаване на сътрудничеството с европейската инициатива за софтуерно дефинирани превозни средства (SDV) чрез приемане на съществуващите интерфейси и градивни елементи и предлагане на нови, разработени в рамките на проекта, за потенциално включване в рамката за SDV.

Предложените действия следва да включват мерки за осигуряване на тясна координация с Европейския алианс за свързани и автономни превозни средства (ECAVA), обявен в Европейския план за действие в областта на автомобилостроенето.

Тази тема е в изпълнение на съвместно програмираното Европейско партньорство за „свързана, съвместна и автоматизирана мобилност“ (CCAM). Като такива от проектите, произтичащи от тази тема, ще се очаква да докладват за резултатите на Европейското партньорство „Свързана, кооперативна и автоматизирана мобилност“ (CCAM) в подкрепа на мониторинга на неговите КПЕ.

Очаква се проектите, финансирани по тази тема, да поддържат връзка с партньорството ADRA [4], за да се проучи и използва взаимното допълване между съответните им дейности и констатации.

Очаква се проектите, произтичащи от тази тема, да прилагат общата европейска методология за оценка (EU-CEM) за CCAM [5].

нищожно

Очаква се дейностите да постигнат РТГ 5—6 до края на проекта — вж. общо приложение Б.

[1] https://cordis.europa.eu/project/id/101146542

[2] Тази тема също така насърчава привеждането в съответствие с националните проекти и инициативи, за да се даде възможност за надграждане на съществуващите усилия и решения.

[3] https://digital-strategy.ec.europa.eu/en/library/ai-continent-action-plan

[4] Асоциация за ИИ, данни и роботика: https://adr-association.eu/

[5] Вж. методологията за оценка тук.