Ретінде дербес автомобиль үйренеді төсеуге өзіне жолды?

Автономды көлік жүре алады жалпы ережелері мен жолдарын распознавая жол белгілері және жол сызбаларын атай отырып, жаяу жүргіншілер өткелдері және басқа да жақсы танымал ерекшеліктері, жол жүрісін реттеу. Бірақ бұл тыс жақсы белгіленген жолдардың изъезженных бойлай және кесе-көлденең болады? Көптеген жолдарында тыс қалалар поистерлась бояу, белгілері өскіндерін плющом және ағаштар пайда болды ерекше жол қиылыстары, белгіленген карталарда.

Бұл ретте, " мемлекеттік қызмет келесі қағидаларға дербес автомобиль, қашан ережесі түсініксіз немесе жоқ? Сондықтан оны жолаушылар, қашан табу, олардың автомобиль алмайды жеткізіп, оларды сонда, қайда жіберіледі?

Ескерту жасырын

Көптеген мәселелерді әзірлеу кезінде озық технологияларды қамтиды өңдеуді, сирек кездесетін немесе ерекше жағдайларды немесе оқиғаларды талап ететін өнімділігі шеңберінен тыс әдеттегі жүйесінің мүмкіндіктерін. Бұл белгілі жұмыс жағдайында дербес автомобильдермен. Кейбір жол мысалдары қамтуы мүмкін шарлау арқылы жөндеу аймағы, кездесу, жылқы немесе багги немесе " граффити, напоминающим стоп-сигнал. Жолдан тысқары жерде мүмкіндігін қамтиды мүлдем барлық көріністері табиғи әлем, жап-ағаш, перегородивших жолды потопов және үлкен луж — немесе тіпті жан-жануарларды да, блоктау жолы.

Орталықта жетілдірілген автомобиль жүйелердің Миссисипи штатының Университетінде ғалымдар өздеріне міндет оқыту алгоритмдерін ден қою мән-жайлар, олар ешқашан дерлік кездеседі, олар қиын болжау және жаңадан жасауға оңай емес. Олар тырысты орналастыру дербес автомобиль, неғұрлым күрделі сценарий: өзенінен автокөлік область, ол бұрын көрген жоқ және білмеген, қандай да бір сенімді инфрақұрылым сияқты жол бояулар мен жол белгілерін, белгісіз ортаға, онда бірдей ықтималдықпен кездестіруге болады кактус "және" ақ аю.

процесінде олар совмещали технологиялар виртуалды және нақты әлемнің. Олар жаратқан кеңейтілген симуляциялар шынайы сцен ашық ауада, олардың көмегімен тренировали алгоритмдер жасанды интеллект оқуға ағыны камералар және жіктеуге көргендері: ағаштар, аспан ашық, жолдары, мүмкін болатын кедергілер. Содан кейін олар переводили бұл алгоритмдер арнайы құрылған сынақ полноприводный көлікті жіберіп, оны арнайы бөлінген сынақ алаңын тексеріп, содан кейін жұмыс алгоритмдерін, собирающих деректер.

Бастаймыз виртуалды

Инженерлер әзірледі симулятор қабілетті құруға кең диапазоны шынайы сыртқы сахналар арқылы олар еді жылжуы көлігі. Жүйесі генерациялайтын әр түрлі ландшафтары әртүрлі климатами, орман және пустынями көрсетеді өсімдіктер, бұталар мен ағаштар өсіп келеді уақыт өте келе. Ол сондай-ақ мүмкін имитировать ауа-райы өзгерістеріне, солнечный және лунный свет, сондай-ақ нақты ереже 9000 жұлдыздар.

Сонымен қатар, жүйе имитирует көрсеткіштері датчиктер, әдетте пайдаланылатын, автономды көлік құралдары сияқты лидары мен камералар. Бұл виртуалды датчиктер деректер жинайды, кейін олар қомақты нейросети ретінде құнды деректер бар.

Саламыз тестілік тректі

Симуляциялар жақсы, тура соншама, қаншалықты жақсы, олар көрсетеді нақты әлем. Университет штатының Миссисипи иемденіп, 50 гектар жер, ғалымдар әзірлейді сынақ трек үшін самоуправляемых жол таңдамайтын. Учаскесі тамаша — онда кездеседі көлбеуі 60 градус бұрышпен және көптеген әртүрлі өсімдіктер.

Инженерлер бөлдік, кейбір табиғи ерекшеліктері, осы жердің, олармен, олар күтеді, әсіресе қиын совладать өзін-өзі басқарушы автомобильдерге және оларларды " дәлдік симуляторе. Осының арқасында тікелей салыстыру нәтижелері модельдеу нақты бірлескен хаттамаға шарлау осы жер. Сайып келгенде, олар құрылады табу нақты және виртуалды жұп басқа типтегі ландшафтарды жақсарту үшін мүмкіндіктер автомобильдер.

Жинау, қосымша мәліметтер

Сондай-ақ, құрылды сынақ көлік — Halo Project — электромотором және датчиктермен компьютерлермен, мүмкін жүзеге асыру бойынша навигацияны түрлі внедорожным сәрсенбі күндері. Автомобиль Halo Project жабдықталған қосымша датчиктер жинау үшін егжей-тегжейлі деректерді, оның нақты ортада; олар көмектеседі салып, виртуалды ортасын іске қосу үшін жаңа тесттер.

Екі лидарных датчик, мысалы, бекітілген астында перекрестными бұрыштары алдыңғы бөліктері, автомобильдің, сондықтан олардың сәулелері сканируют приближающуюся жерге. Екеуміз олар туралы ақпарат беруге қаншалықты дөрекі немесе тегіс беті, сондай-ақ деп санауға туралы деректер көгалдағы және басқа да өсімдіктер мен заттар жолда.

жалпы, зерттеу ғалымдардың берді бірнеше қызықты нәтижелер. Мысалы, олар көрсетті, онда көп үміт күтілетін осы анықтамаға болса, бұл алгоритмдер машиналық оқыту жаттығады үлгіленетін орталарда, пайдалы болуы мүмкін нақты әлемде. Сондықтан да көпшілік зерттеулер " атты автономды көлік, алда әлі ұзақ жол. Мүмкін, олар бірлесіп жасауға көмектеседі самоуправляемые көлік құралдары ғана емес, көп функционалдық, қазіргі заманғы жолдар, бірақ және одан астам танымал және кең тараған әдісі қозғалыс.

Да не үшін күтіп тұр? Айтыңызшы, біздің