Manapság egyre több szó esik az önvezető autókról. A technológia egyre jobb lesz, és egyre közelebb kerülünk a mindennapi felhasználásához.
Az alapvető megközelítése az önvezető járműveknek, hogy az emberek kényelmesen - és főként biztonságosan - eljuthassanak A-ból B-be. Ha a technológia széles körben elérhető lesz, és már teljes mértékben rábízhatjuk magunkat az önvezetésre, rengeteg balesetet előzhetnénk meg - például a fáradt sofőr nem térne át a szembeforgalomba.
De ez még mindig csak a jéghegy csúcsa. A technológia további potenciált rejt magában. A mesterséges intelligenciának fejlődésének köszönhetően már használhatunk közösségi navigációs applikációkat, hogy megkönnyítsük a közlekedést. Az app figyelmeztet minket - a többi felhasználótól gyűjtött adatok alapján - ha valahol dugó, vagy baleset van. Ezt tovább gondolva - vagy lehetséges, hogy már fejlesztik is - nem is olyan elképzelhetetlen, hogy az AI kiszámolja, ha X darabszámú autót elvezet egy kerülőútra, elosztva a terhelést, a főút nem lesz járhatatlan, és nem egyszerre érkezik a terhelés az elkerülőutakra.
Innen már nem is tűnik olyan távolinak, ha az önvezető autók is összekapcsolódnak, egy nagy rajt alkotva. Ahol az autók tudnak egymásról, így lényegében a kereszteződések lámpáit el is felejthetjük, mert az AI pontosan ki tudja számolni, hogy ki - mikor - mennyivel mehet, hogy elkerülje az ütközést, és sokkal folyamatosabbá, gyorsabbá válna a közlekedés. Ebben a közlekedési formában, lényegében a "lökéshullám" dugó effektus nem alakulhat ki (erről bővebben itt lehet olvasni).
Ez még csak a jövőkép, de a fejlődés ebbe az irányba már látható.
A Pennsylvaniai Egyetem - Mérnöki és Alkalmazott tudományok Gépészmérnöki és Alkalmazott matematikai karján jelenleg folyik egy kísérlet, mely a Scalable sWarms of Autonomous Robots and Mobile Sensors (SWARMS) - "skálázható rajzása az önvezető robotoknak és mobil szenzoroknak" - nevet kapta. A SWARMS a való világ rajzásainak elemzésével próbálja megoldani a mesterséges intelligencia tanítását, hogy képes legyen a sok kis részegységet egy nagyként irányítani.
A kutatás az alábbi kérdésekre keresi a választ:
Nagy számú önvezető jármű bevethető e egy "rajként", hogy végrehajtsanak egy előírt feladatot és a magasszintű irányítási parancsokra csoportosan képesek eljárni?
Sikeresen működhet-e egy ilyen csoport egy potenciálisan "ellenséges" környezetben, kijelölt vezető nélkül, korlátozott kommunikációval a tagjai között, és / vagy különböző és potenciálisan dinamikusan változó „szerepekkel” a tagjai számára?
Mit tanulhatunk a biológiai csoportoktól - mint például a rovarok, madárak és halak rajzása - és ezek miben segíthetnek a mesterséges rajok organizációjában?
Van-e a rajzáshoz megfelelő „kompatibilis” modellek hierarchiája, amely eléggé gazdag ahhoz, hogy ezeket a viselkedéseket különféle „felbontásokkal” megmagyarázza, a kezdeti viselkedés összesített jellemzésétől az egyes járműdinamikát modellező részletes leírásokig?
Az alábbi videóban (magyar felirat is elérhető) betekintést nyerhetünk a kutatásba Vijay Kumar - a kutatás vezetője - előadásában: