Метод за симулиране на пътни ситуации, разработен от изследователи от Университета в Мериленд, се основава на
„С CMetric нашият симулатор можегенерират виртуални шофьори с различни стилове на шофиране за предварително обучение на безпилотни превозни средства“, казва Ангелос Мавроянис, един от разработчиците на модела. — Симулацията на хетерогенно поведение при шофиране е основният елемент от нашата работа. Ние използваме модел на обучение с дълбоко подкрепление, базиран на DQN (Deep Q-Network).“
Разработчиците отбелязват, че през последните годинимного компании работят за създаването на безопасни и надеждни безпилотни превозни средства. Въпреки това, за широка употреба, такива машини трябва да могат да се движат по различни пътища, да не се сблъскват с други превозни средства, пешеходци, велосипеди, животни или други препятствия.
„Въпреки големия интерес към автономнитетранспорт, съвременните методи на изкуствен интелект не отчитат поведението на шофьори-човеци или други дронове на пътя, посочва професор Динеш Маноча, съавтор на работата. „Целта на нашата работа е да създадем надеждни технологии, които да откриват и класифицират поведението на други участници в движението (автомобили, автобуси, камиони, велосипеди, пешеходци) и да използват получените данни при шофиране.
Поведение зад волана, според разработчиците,могат да бъдат разделени на две основни категории: консервативно и агресивно шофиране. Консервативните шофьори са по-внимателни и внимателни, докато агресивните водачи са склонни към опасни маневри и резки движения.
Точното откриване на тези поведения може да бъде много полезно за автономни превозни средства, особено в критични моменти (например при смяна на лентата или навлизане в магистрала).Разбирането на действията на другите водачи позволява на AI да адаптира съответно своята траектория и да предприеме мерки за безопасност.
„Автономните навигационни системи обикновеноса обучени преди полеви изпитания“, каза Рохан Чандра, съавтор на разработката. „В нашата статия представяме нов симулатор, базиран на поведение, който може да симулира голям брой различни поведения, наблюдавани в реални сценарии на трафик. Това означава, че основната навигационна система може да бъде обучена да се справя със сложното поведение на водачите в градска среда.
Прочетете още
„Петият елемент“ съществува: нов експеримент ще потвърди, че информацията е материална
Херпетолозите откриха защо змиите не се задушават, когато се задавят и поглъщат плячката си
Появиха се първите мъжки противозачатъчни хапчета, тяхната ефективност е 99%