Новости из мира высоких технологий

Как автономные автомобили учатся прокладывать себе путь?

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

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

Предупреждение скрытого

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

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 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 процессе этого они совмещали технологии виртуального и реального миров. 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. 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

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

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

Построим тестовый трек

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

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. Это позволило им напрямую сравнить результаты моделирования с реальными попытками навигации по настоящей земле. В конечном итоге они создадут похожие реальные и виртуальные пары других типов ландшафтов, чтобы улучшить возможности автомобилей.

Сбор дополнительных данных

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

Два лидарных датчика, например, закреплены под перекрестными углами на передней части автомобиля, так что их лучи сканируют приближающуюся землю. 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.

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

Тоже ждете? Расскажите в нашем чате в Телеграме.


Источник: Как автономные автомобили учатся прокладывать себе путь?
Опубликовал:
Теги: Авто Автономные автомобили Самоуправляемые автомобили автомобиль Алгоритм внедорожник Воздух

Комментарии (0)

Сортировка: Рейтинг | Дата
Пока комментариев к статье нет, но вы можете стать первым.
Написать комментарий:
Напишите ответ :
Неуважение к себе: 7 признаков, по которым его можно распознать
Неуважение к себе: 7 признаков, по которым его можно распознать
34
Сад огород дача и все самое интересное 10:50 16 июн 2021
5 картинок, по которым можно проверить, готов ли человек управлять автомобилем
5 картинок, по которым можно проверить, готов ли человек управлять автомобилем
23
Человек познаёт мир 08:45 11 июн 2021
Чем почистить от волос слив ванной Чем почистить от волос слив ванной
81-летняя Светличная показала себя без парика и макияжа
81-летняя Светличная показала себя без парика и макияжа
29
Интересный мир 09:11 17 июн 2021
Гороскоп друидов: кто вы и что должны о себе знать
Гороскоп друидов: кто вы и что должны о себе знать
8
Здесь только хорошие новости! 05:58 01 июн 2021
Почему экономить на себе — вредно
Почему экономить на себе — вредно
34
Страничка добра и сплошного жизненного позитива! 12:50 03 июн 2021
6 способов как привлечь к себе удачу
6 способов как привлечь к себе удачу
27
Страничка добра и сплошного жизненного позитива! 13:53 23 фев 2021
Самый короткий путь к счастью — благодарность
Самый короткий путь к счастью — благодарность
14
Страничка добра и сплошного жизненного позитива! 11:25 03 апр 2021
10 отличительных признаков женатого мужчины
10 отличительных признаков женатого мужчины
9
Человек познаёт мир 17:45 Вчера
Я не стала забирать 88-летнюю мать к себе и не переехала к ней и считаю это правильным
Я не стала забирать 88-летнюю мать к себе и не переехала к ней и считаю это правильным
25
Здесь только хорошие новости! 05:55 11 мар 2021
Привычки, которые делают нас несчастными
Привычки, которые делают нас несчастными
2
Сад огород дача и все самое интересное 08:13 20 июн 2021
Из двоечников – в звезды: Знаменитые актеры, которые плохо учились в школе
Из двоечников – в звезды: Знаменитые актеры, которые плохо учились в школе
10
Жизнь прекрасна 13:30 06 май 2021
Жарю (не пеку) целую гору хрустящих кабачков и при этом не стою у плиты (за 15 минут). А плита остаётся чистой
Жарю (не пеку) целую гору хрустящих кабачков и при этом не стою у плиты (за 15 минут). А плита остаётся чистой
13
Страничка добра и сплошного жизненного позитива! 11:01 15 июн 2021

Выберете причину обращения:

Выберите действие

Укажите ваш емейл:

Укажите емейл

Такого емейла у нас нет.

Проверьте ваш емейл:

Укажите емейл

Почему-то мы не можем найти ваши данные. Напишите, пожалуйста, в специальный раздел обратной связи: Не смогли найти емейл. Наш менеджер разберется в сложившейся ситуации.

Ваши данные удалены

Просим прощения за доставленные неудобства