Comme les voitures autonomes apprennent à se frayer un chemin?

Autonome de transport peut suivre les règles générales de routes, de discerner les panneaux de signalisation et des marquages au sol, tout en notant les passages pour piétons et d'autres bien connus des caractéristiques de circulation. Mais que faire à l'extérieur bien espacées les routes, изъезженных en long et en large? Sur de nombreuses routes en dehors des villes поистерлась la peinture, les signes sont envahis par le lierre et les arbres, glissé carrefours, ne sont pas marqués sur les cartes.

Que doit faire suivant les règles de la voiture autonome, lorsque les règles ne sont pas claires ou sont absents? Que doivent faire ses passagers, quand découvrent que leur voiture ne peut pas les livrer à l'endroit où vont-ils?

Avertissement caché

La Plupart des problèmes lors de la conception de la technologie de pointe comprennent le traitement de rares ou insolites de situations ou d'événements nécessitant des performances allant au-delà des possibilités du système. C'est certainement en cours d'exécution dans le cas des voitures autonomes. Certains routiers exemples peuvent inclure la navigation à travers la réparation de la zone, le rendez-vous du cheval ou en buggy, ou rencontre avec des graffitis, ressemblant à un signal d'arrêt. En dehors de la route fonctionnalités comprennent absolument toutes les manifestations du monde naturel, comme les arbres, перегородивших la route, потопов et de grandes flaques ou même des animaux qui bloquent le chemin.

Dans le Centre de avancés les systèmes de l'Université de l'état du Mississippi, les scientifiques ont pris en charge la tâche de l'apprentissage des algorithmes d'intervention sur les circonstances qui presque jamais ne se rencontrent pas, qui sont difficiles à prévoir et il est difficile de recréer. Ils ont essayé de placer les voitures autonomes dans la plus compliquée scénario: conduit la voiture dans une zone, qu'il n'avait jamais vu auparavant et ne savait, sans aucune infrastructure fiable comme la feuille de la peinture et des panneaux de signalisation, dans un environnement inconnu, où avec la même probabilité de rencontrer des cactus et des ours blancs.

Dans le processus de cela, ils ont combiné la technologie virtuel et le monde réel. Ils ont créé des avancées de la simulation réaliste des scènes en plein air, avec l'aide de qui ont formé des algorithmes d'intelligence artificielle de lire le flux de la caméra et de classer ce qu'il a vu: les arbres, le ciel, ouvert la voie, les obstacles possibles. Ensuite, ils ont traduit ces algorithmes spécialement conçu à la période d'essai de traction automobile et de l'expédier sur le spécialement dédié essai d'une plate-forme où puis vérifié le travail des algorithmes de convergence de données.

Commençons par le virtuel

Les Ingénieurs ont développé un simulateur capable de créer une large gamme de réalistes, les scènes en extérieur, à travers qui puisse aller de transport. Le système génère une variété de paysages avec différents climats, forêts et déserts, montre que les plantes, les arbustes et les arbres qui poussent au fil du temps. Elle peut également simuler un changement de la météo, le solaire et la lumière de la lune, ainsi que la position exacte de 9000 étoiles.

En outre, le système simule les capteurs, généralement utilisés dans des véhicules, tels que лидары et de la caméra. Ces capteurs virtuels de recueillir des données qui sont ensuite скармливаются les réseaux de neurones que de précieuses données pour l'apprentissage.

Construirons une piste d'essai

La Simulation sont réellement efficaces que s'ils reflètent le monde réel. L'université du Mississippi a acquis 50 acres de terre, dont les scientifiques développent la piste d'essai pour les ballons de vus. Site idéal — sur lui dans les pentes sous un angle de 60 degrés et une très grande variété de plantes.

Les Ingénieurs ont identifié certaines caractéristiques naturelles de cette terre, qui, comme ils s'attendent, il sera particulièrement difficile de faire face самоуправляемым voitures, et ont exactement sur le simulateur. Cela leur a permis de comparer directement les résultats de la simulation avec de vraies tentatives de la navigation par la terre. Finalement ils vont créer similaires réel et virtuel couple d'autres types de paysages, afin d'améliorer la capacité de voitures.

la Collecte de données supplémentaires

A Également été créé période d'essai de transport — Halo Project — avec le moteur et les capteurs avec des ordinateurs qui peuvent naviguer sur une grande variété de aller hors route mercredi. La voiture de Halo Project dotée d'un des capteurs pour recueillir des données détaillées sur son environnement réel; ils aident à construire des environnements virtuels pour le lancement de nouveaux tests.

Deux lidar du capteur, par exemple, sont fixés sous croisés angles sur l'avant de la voiture, de sorte que les rayons de balayage s'approchant de la terre. Ensemble, ils peuvent fournir des informations sur le fait de savoir rugueux ou lisse en surface, ainsi que de lire des données sur l'herbe et les autres plantes et les objets sur la route.

En général, les études scientifiques ont donné quelques résultats intéressants. Par exemple, ils ont montré prometteurs des conseils sur ce que les algorithmes d'apprentissage automatique, qui s'entraînent dans des environnements simulés, peuvent être utiles dans le monde réel. Comme dans le cas de la plupart des études sur le sujet autonome des transports, il reste encore un long chemin. Peut-être, ensemble, ils vous aideront à rendre autonomes les véhicules ne sont pas seulement plus fonctionnels avancés sur les routes, mais aussi de plus en plus populaire et le courant de déplacement.

Aussi, attendez? Dites-nous dans notre