Autonoma fordon kan följa de Allmänna reglerna i vägen genom att identifiera vägmärken och vägmarkeringar, märkning av övergångsställen och andra välkända funktioner för reglering av trafiken. Men vad att göra utanför av väl markerade vägar, izezzhena upp och ner? På många vägar utanför städerna var lite sliten färg, tecken är övervuxna med murgröna och träd, ovanliga korsningar som inte är markerade på kartor.
Vad gör du följande regler för Autonoma fordon när reglerna är otydliga eller inte finns? Det borde göra sina passagerare när de upptäcker att deras bil inte kan leverera dem när de är på väg?
Varning dold
De flesta av de problem i utvecklingen av avancerade teknologier omfattar behandling av sällsynta eller ovanliga situationer eller händelser som kräver prestanda än konventionella funktioner i systemet. Det fungerar definitivt när det gäller Autonoma fordon. Vissa resor som exempel kan nämnas navigering genom reparation område, mötes-och eller häst barnvagnar, eller ett möte med graffiti som liknar ett bromsljus. Utanför vägen funktioner är absolut alla manifestationer av den naturliga världen, som träd blockerade vägen, översvämningar och stora pölar — eller till och med djur som blockerar vägen.
I Centrum av advanced automotive systems vid Mississippi state University forskare tog på sig uppgiften att utbilda algoritmer är att svara på de omständigheter som nästan aldrig inträffar, som är svåra att förutsäga och svårt att återskapa. De försökte sätta Autonoma fordon i de mest komplexa scenariot: körde bil i området som han aldrig hade sett förut och visste inte, utan någon pålitlig infrastruktur som väg måla och vägskyltar i en okänd miljö, där med lika stor sannolikhet att du kan möta de cactus och isbjörn.
I den process som de kombinerade teknik för virtuella och den verkliga världen. De har skapat en avancerad simulering med realistiska scener utomhus, som tränas av artificiell intelligens algoritmer för att läsa kameran ström och klassificering av vad han såg: träd, himmel, allmän väg, eventuella hinder. Då de översatt dessa algoritmer på en speciellt utformad testa fyra-hjulsdrivna fordon och skickade det på en särskild test område, där han sedan granskat algoritmer för att samla in data.
Låt oss börja med virtuella
Ingenjörer har utvecklat en simulator som kan skapa ett brett utbud av realistiska utomhus scener, som kan flytta transporter. Systemet genererar ett varierat landskap med olika klimat, skogar och öknar, visar hur växter, buskar och träd att växa över tid. Det kan också simulera väder förändringar, solens och månens ljus, liksom den exakta positionen för 9000 stjärnor.
Dessutom är systemet simulerar sensoravläsningar, som vanligen används i Autonoma fordon, såsom lidar och kameror. Dessa virtuella sensorer samlar in data som sedan matas till det neurala nätverket som en värdefull data för lärande.
Kommer att bygga en provbana
Simulering är bara så bra som väl speglar den verkliga världen. Mississippi state University förvärvade 50 tunnland mark, som forskare håller på att utveckla en testbana för förarlösa fordon. Tomten är lämplig som hade den lutar med en vinkel på 60 grader och en massa olika växter.
Ingenjörer har identifierat några av de naturliga inslag i det land, som de förväntar sig kommer att vara särskilt svårt att klara av självgående bilar, och återges dem exakt på simulatorn. Detta tillät dem att direkt jämföra simulering resultat med det verkliga försök att navigera på denna jord. Så småningom kommer de att skapa lika verkliga och virtuella par andra typer av landskap, för att förbättra kapaciteten för bilar.
Insamling av ytterligare data
Skapades också testa fordon — Halo-Projekt — med elmotorer och sensorer med datorer som kan navigera genom olika off-road miljöer. Bil Halo Projektet är utrustad med extra sensorer för att samla in detaljerade uppgifter om deras sammanhang, de hjälper till att bygga upp en virtuell miljö för att köra den nya tester.
Två lidar-sensor, till exempel, är fast under korset-hörn på framsidan av bilen så att deras balkar skanning de närmar sig land. Tillsammans kan de ge information om hur grov eller slät yta, och för att läsa data på gräs och andra växter och föremål på vägen.
I Allmänhet, forskare gav en del intressanta resultat. De har till exempel visat lovande tips att maskinlärande algoritmer som är utbildade i simulerade miljöer kan vara användbart i den verkliga världen. Som i fallet med mest forskning om den Autonoma fordon, det är fortfarande en lång väg att gå. Kanske tillsammans kommer de att bidra till att göra själv kör fordon som inte bara är mer funktionellt på moderna vägar, men de mer populära och vanligaste metoden för transport.
Också väntar på? Berätta för oss i vår chatt i Telegram.