Главная » Hi-Tech » Как автономные автомобили учатся прокладывать себе путь?

Как автономные автомобили учатся прокладывать себе путь?

Но что делать за пределами хорошо размеченных дорог, изъезженных вдоль и поперек? Автономный транспорт может следовать общим правилам дорог, распознавая дорожные знаки и дорожную разметку, отмечая пешеходные переходы и другие хорошо известные особенности регулировки дорожного движения. На многих дорогах за пределами городов поистерлась краска, знаки поросли плющом и деревьями, появились необычные перекрестки, не отмеченные на картах.

Что должны делать его пассажиры, когда обнаруживают, что их автомобиль не может доставить их туда, куда они направляются? Что должен делать следующий правилам автономный автомобиль, когда правила непонятны или отсутствуют?

Предупреждение скрытого

Это определенно работает и в случае с автономными автомобилями. Большинство проблем при разработке передовых технологий включают обработку редких или необычных ситуаций или событий, требующих производительности, выходящей за рамки обычных возможностей системы. За пределами дороги возможности включают абсолютно все проявления естественного мира, вроде деревьев, перегородивших дорогу, потопов и больших луж — или даже животных, блокирующих путь. Некоторые дорожные примеры могут включать навигацию через ремонтные зоны, встречу лошади или багги, или же встреча с граффити, напоминающим стоп-сигнал.

Они пытались поместить автономные автомобили в наиболее сложный сценарий: возили автомобиль в область, которую он прежде не видел и не знал, без какой-либо надежной инфраструктуры вроде дорожной краски и дорожных знаков, в неизвестной среде, где с одинаковой вероятностью можно встретить кактус и белого медведя. В Центре усовершенствованных автомобильных систем при Университете штата Миссисипи ученые взяли на себя задачу обучения алгоритмов реагированию на обстоятельства, которые почти никогда не встречаются, которые сложно предсказать и непросто воссоздать.

Они создавали расширенные симуляции реалистичных сцен на открытом воздухе, с помощью которых тренировали алгоритмы искусственного интеллекта считывать поток с камеры и классифицировать увиденное: деревья, небо, открытые пути, возможные препятствия. В процессе этого они совмещали технологии виртуального и реального миров. Затем они переводили эти алгоритмы на специально созданный испытательный полноприводный автомобиль и отправляли его на специально выделенную испытательную площадку, где затем проверяли работу алгоритмов, собирающих данные.

Начнем с виртуального

Система генерирует самые разные ландшафты с разными климатами, лесами и пустынями, показывает, как растения, кустарники и деревья растут с течением времени. Инженеры разработали симулятор, способный создавать широкий диапазон реалистичных наружных сцен, сквозь которые мог продвигаться транспорт. Она также может имитировать изменения погоды, солнечный и лунный свет, а также точное положение 9000 звезд.

Эти виртуальные датчики собирают данные, которые затем скармливаются нейросети как ценные данные для обучения. Кроме того, система имитирует показания датчиков, обычно используемых в автономных транспортных средствах, таких как лидары и камеры.

Построим тестовый трек

Университет штата Миссисипи приобрел 50 акров земли, на которых ученые разрабатывают испытательный трек для самоуправляемых внедорожников. Симуляции хороши ровно настолько, насколько хорошо они отражают реальный мир. Участок отлично подходит — на нем встречаются наклоны под углом 60 градусов и очень много разнообразных растений.

Это позволило им напрямую сравнить результаты моделирования с реальными попытками навигации по настоящей земле. Инженеры выделили некоторые природные особенности этой земли, с которыми, как они ожидают, будет особенно сложно совладать самоуправляемым автомобилям, и воспроизвели их в точности на симуляторе. В конечном итоге они создадут похожие реальные и виртуальные пары других типов ландшафтов, чтобы улучшить возможности автомобилей.

Сбор дополнительных данных

Автомобиль Halo Project оснащен дополнительными датчиками для сбора подробных данных о его реальном окружении; они помогают строить виртуальные среды для запуска новых тестов. Также был создан испытательный транспорт — Halo Project — с электромотором и датчиками с компьютерами, которые могут осуществлять навигацию по разнообразным внедорожным средам.

Вдвоем они могут предоставить информацию о том, насколько грубая или гладкая поверхность, а также считать данные о траве и других растениях и предметах на дороге. Два лидарных датчика, например, закреплены под перекрестными углами на передней части автомобиля, так что их лучи сканируют приближающуюся землю.

Например, они показали многообещающие намеки на то, что алгоритмы машинного обучения, которые тренируются в моделируемых средах, могут быть полезны в реальном мире. В общем, исследования ученых дали несколько интересных результатов. Возможно, сообща они помогут сделать самоуправляемые транспортные средства  не только более функциональными на современных дорогах, но и более популярным и распространенным методом передвижения. Как и в случае с большинством исследований на тему автономного транспорта, впереди еще длинный путь.

Расскажите в нашем чате в Телеграме. Тоже ждете?


Оставить комментарий

Ваш email нигде не будет показан
Обязательные для заполнения поля помечены *

*

x

Ещё Hi-Tech Интересное!

Обнаружена новая связь кишечника с мозгом. И снова виновата соль

Но за последнее десятилетие исследования, проводимые среди населения, показали, что между потреблением соли и инсультом существует связь вне зависимости от повышенного кровяного давления и риска развития сердечно-сосудистых заболеваний. Хорошо известно, что диета с высоким содержанием соли приводит к повышенному кровяному ...

Из клеток кожи сделали клетки иммунитета. И это поможет в лечении рака

Если попытаться объяснить без сложных научных терминов, то в ходе этого процесса из клеток одного вида можно получить другие, что может быть полезно в целом ряде случаев. Ученые уже давно нашли способ «перепрограммировать» клетки. И этот процесс вполне может стать ...