Институт по компютърни науки, изкуствен интелект и технологии – INSAIT, базиран в София, представи DiffSim Trinity — серия от три научни разработки, които обещават да променят начина, по който автономните автомобили се обучават да разбират света и да вземат решения.
Какъв проблем решава DiffSim Trinity
Едно от ключовите предизвикателства пред автономните системи не е само да изпълнят команда, а да разбират последствията от действията си — как леко завиване или ускорение ще промени ситуацията секунди по-късно. Сегашните подходи най-често превръщат данни от камери и сензори директно в действия, без в самото обучение да се включват физическите закони, които управляват движението на автомобила и взаимодействието му със средата.
Новият подход: диференцируеми симулатори
DiffSim Trinity предлага обстоен метод за обучение чрез диференцируеми симулатори — софтуерни среди, в които законите на физиката се моделират по начин, позволяващ системата да се учи от тях. Така автомобилът не само реагира на момента, а предвижда какво вероятно ще се случи след всяко негово действие и коригира поведението си по-интелигентно и безопасно.
Три изследвания, международно признание и български първи автор
Според информацията, инициативата обединява три различни изследвания, представени на водещи международни конференции по изкуствен интелект и роботика. Първи автор на проекта е Асен Начков, докторант в INSAIT, който се завръща в България преди три години след магистратура в Имперския колеж в Лондон, за да продължи научната си работа в София.
Официална позиция
От Министерството на образованието и науката подчертават значимостта на разработките за бъдещето на автономните системи и българската наука. В официалната информация се посочва:
INSAIT представя DiffSim Trinity – серия от три научни разработки, които могат да променят начина, по който автономните автомобили се обучават да разбират света и да вземат решения. DiffSim Trinity въвежда обстоен метод за обучение, който взема под внимание физическите закони чрез диференцируеми симулатори, така че автомобилът не само да реагира, а и да предвижда последствията от всяко действие.
Защо това има значение
Интегрирането на физическите закони в обучението е ключ към по-надеждни и безопасни автономни системи. Подобни подходи намаляват зависимостта от чисто статистически модели и дават възможност за по-добро управление в непредвидими ситуации — от градски трафик до сложни пътни условия. Проектът подчертава и нарастващата роля на българските изследователи в световната научна екосистема.
Обобщение
- INSAIT в София представи DiffSim Trinity — три научни разработки за обучението на автономни автомобили.
- Методът използва диференцируеми симулатори, за да включи физическите закони в процеса на обучение.
- Проектът съчетава три изследвания, представени на водещи международни форуми по ИИ и роботика.
- Асен Начков е първи автор; той се завръща в България преди три години след магистратура в Имперския колеж в Лондон.
- МОН акцентира, че подходът помага системите не само да реагират, но и да предвиждат последствията от действията си.
