Autonome køretøjer kan følge de Generelle regler på vej ved at genkende trafikskilte og road-mærkning, mærkning af fodgængerovergange og andre velkendte funktioner, til regulering af trafikken. Men hvad gør man uden for godt afmærkede veje, izezzhena op og ned? På mange veje uden for byer, der var en smule slidte maling, skilte er overgroet med vedbend og buske, som ikke usædvanligt, vejkryds, hvor der ikke er markeret på kort.
Hvad skal du gøre følgende regler Autonomt køretøj, når reglerne er uklare eller ikke eksisterer? Det bør gøre sine passagerer, når de opdager, at deres bil ikke kan levere dem, hvor de er på vej hen?
Advarsel skjulte
De fleste af de problemer i udviklingen af avancerede teknologier, der omfatter behandling af sjældne eller usædvanlige situationer eller begivenheder, der kræver ydelse end konventionelle kapacitet af systemet. Det helt fungerer i tilfælde af Autonome køretøjer. Nogle rejser eksempler kan omfatte navigation gennem reparation område, møde-eller hest buggies, eller et møde med graffiti, der ligner en bremse lys. Uden for vejen funktioner omfatter absolut alle manifestationer af den naturlige verden, som træer, blokerede veje, oversvømmelser og store vandpytter — eller endda dyr, der blokerer vejen.
I Centrum af avancerede biler systemer på Mississippi state University forskere, der fik til opgave at træne algoritmer er til at reagere på de omstændigheder, der næsten aldrig forekommer, som det er vanskeligt at forudsige, og vanskeligt at genskabe. De forsøgte at sætte Autonome køretøjer, i den mest komplekse scenarie: kørte bil i området, at han aldrig havde set før, og ikke vidste, uden nogen pålidelig infrastruktur, som vejen maling og vejskilte i et ukendt miljø, hvor der med samme sandsynlighed, du kan møde den kaktus og isbjørn.
I den proces, de har kombineret den teknologi, virtuelle og reelle verdener. De har skabt en avanceret simulering af realistiske scener udendørs, der blev coachet af kunstig intelligens algoritmer til at læse kamera strøm og klassificering af, hvad han så: træer, himmel, offentlig vej, alle mulige forhindringer. Så de har oversat disse algoritmer på specielt designede test-fire-hjulstrækker og sendte det på en dedikeret test-området, hvor han gennemgik derefter de algoritmer, der indsamler data.
Lad os starte med virtuelle
Ingeniører har udviklet en simulator, der kan skabe en bred vifte af realistiske udendørs scener, som du kan flytte transport. Systemet genererer en bred vifte af landskaber med forskellige klimaer, skove og ørkener, viser, hvordan planter, buske og træer vokse over tid. Det kan også simulere vejret, solens og månens lys, samt den nøjagtige position af 9000 stjerner.
Hertil kommer, at systemet simulerer sensormålingerne, der almindeligvis anvendes i Autonome køretøjer, som lidar og kameraer. Disse virtuelle sensorer indsamle data, der er så fed, at det neurale netværk som en værdifuld data for læring.
Vil bygge en test track
Simulering er kun så god, så godt de afspejler den virkelige verden. Mississippi state University, der er erhvervet 50 hektar jord, som forskere er ved at udvikle en test track for førerløse køretøjer. Plottet er velegnet — og det stødte vippes i en vinkel på 60 grader og en masse forskellige planter.
Ingeniører har identificeret nogle af de naturlige funktioner i det land, som de forventer vil være særdeles vanskeligt at klare selvkørende biler, og gengivet dem præcist på simulator. Det gjorde dem i stand til direkte at sammenligne resultaterne af simulationen med de reelle forsøg på at navigere i denne jord. Til sidst vil de skabe lignende virkelige og virtuelle par andre typer af landskaber, for at forbedre mulighederne for biler.
Indsamling af yderligere data
Også skabt teste køretøjer — Halo-Projektet — med el-motor og sensorer med computere, der kan navigere gennem en lang række off-road miljøer. Bil Halo Projekt er udstyret med ekstra sensorer til at indsamle detaljerede data om deres sammenhæng; de bidrager til at opbygge et virtuelt miljø til at køre de nye tests.
To lidar-sensor, for eksempel, er fastsat i henhold til den cross-hjørner på den forreste del af bilen, således at deres bjælker scanning nærmer sig land. Sammen kan de give oplysninger om, hvordan ru eller glat overflade, og til at læse data på græs og andre planter og genstande på vejen.
Generelt, forskere gav nogle interessante resultater. For eksempel, de har vist lovende antyder, at den machine learning algoritmer, der er uddannet i simulerede miljøer, kan være nyttig i den virkelige verden. Som det er tilfældet med de fleste forskning på Autonomt køretøj, der er stadig en lang vej at gå. Måske vil de bidrage til at gøre selvkørende køretøjer er ikke kun mere funktionel på moderne veje, men de mere populære og udbredte metode til transport.
Også venter på? Fortæl os i vores chat i Telegrammet.