Автономный автомобиль учится действовать в неизвестных условиях

Автономный автомобиль учится действовать в неизвестных условияхsrc="/wp-content/uploads/2019/03/0c9e11c5b88338dd1c82b9c16d4eb9fe.jpg" class="aligncenter" />

Исследователи из Стэнфордского университета разрабатывают новый способ управления для автономных машин, который объединяет весь предшествующий опыт вождения. Эта система поможет автомобилям более безопасно действовать в экстремальных и неизвестных условиях.

Испытанная на предельных скоростях на гоночной трассе новая система на Volkswagen GTI и Audi TTS работала также, как и существующая автономная система управления и опытный автогонщик.

«Наша работа мотивирована безопасностью, и мы хотим, чтобы автономные транспортные средства могли эксплуатироваться в различных условиях: от нормального вождения на асфальте с высоким коэффициентом трения до быстрого, с низким коэффициентом трения при вождении по льду и снегу, — сказал Натан Спилберг, аспирант в области машиностроения в Стэнфорде и ведущий автор статьи об этом исследовании. — Мы хотим, чтобы наши алгоритмы были такими же хорошими, как действия лучших опытных водителей, и даже лучше».

В то время, как современные системы автономного управления могут полагаться на мгновенные оценки окружающей среды, новая система, разработанная исследователями из Стенфорда, включает в себя данные о последних маневрах и о прошлом опыте вождения, в том числе о поездках, пройденных по ледяной испытательной трассе у полярного круга. Эта способность извлекать уроки из прошлого может оказаться особенно полезной, учитывая обилие автономных данных об автомобилях, которые исследователи создают в процессе разработки этих транспортных средств.

Чтобы разработать более гибкую, отзывчивую систему управления, исследователи создали нейронную сеть – тип искусственной интеллектуальной вычислительной системы, которая объединяет данные из прошлого опыта вождения на гоночной трассе Thunderhill в Уиллоусе, Калифорния, и зимнюю испытательную базу на основе 200 000 физических траекторий.

В смоделированных тестах система нейронных сетей превзошла физическую систему в сценариях как с высоким, так и с низким коэффициентом трения. Особенно хорошо система показала себя в сценариях, которые смешивали эти два условия. Результаты были обнадеживающими, однако исследователи подчеркивают, что их система нейронных сетей не работает хорошо в условиях, которые она не испытывала.

robogeek.ru