Ubemandede køretøjer vil lære at regne "hensynsløst" på vejene

En vejsimuleringsmetode udviklet af forskere ved University of Maryland er baseret på

om klassificering af andre deltageres adfærdTrafik. Denne model, som forfatterne kalder CMetric, analyserer andre bilisters og fodgængeres baner. Baseret på analysen og data opnået ved hjælp af computervision kan algoritmen forudsige trafikanternes mulige handlinger.

“Med CMetric kan vores simulatorgenerere virtuelle bilister med forskellige kørestile til fortræning af ubemandede køretøjer,” siger Angelos Mavrogiannis, en af ​​udviklerne af modellen. — Simulering af heterogen køreadfærd er hovedelementet i vores arbejde. Vi bruger en dyb forstærkende læringsmodel baseret på DQN (Deep Q-Network).

Udviklere bemærker, at i de seneste årmange virksomheder arbejder på at skabe sikre og pålidelige ubemandede køretøjer. Men for udbredt brug skal sådanne maskiner være i stand til at bevæge sig på en række forskellige veje, ikke kollidere med andre køretøjer, fodgængere, cykler, dyr eller andre forhindringer.

“På trods af den store interesse for autonomtransport, tager moderne kunstig intelligens-metoder ikke højde for menneskelige chaufførers eller andre droners adfærd på vejen, påpeger professor Dinesh Manocha, medforfatter til værket. "Målet med vores arbejde er at skabe pålidelige teknologier, der vil opdage og klassificere adfærd hos andre trafikanter (biler, busser, lastbiler, cykler, fodgængere) og bruge de opnåede data, når de kører."

Adfærd bag rattet, ifølge udviklerne,kan opdeles i to hovedkategorier: konservativ og aggressiv kørsel. Konservative bilister er mere forsigtige og opmærksomme, mens aggressive bilister er tilbøjelige til farlige manøvrer og pludselige bevægelser.

Nøjagtig detektering af disse adfærdsmønstre kanvære meget nyttig for autonome køretøjer, især i kritiske øjeblikke (såsom når du skifter vognbane eller kører ind på en motorvej). At forstå andre chaufførers handlinger gør det muligt for AI at tilpasse sin bane i overensstemmelse hermed og tage sikkerhedsforanstaltninger.

"Autonome navigationssystemer normalter trænet før feltforsøg,” sagde Rohan Chandra, medforfatter til udviklingen. "I vores artikel præsenterer vi en ny adfærdsbaseret simulator, der kan simulere en lang række forskellige adfærd set i virkelige trafikscenarier. Det betyder, at det underliggende navigationssystem kan trænes til at håndtere chaufførers komplekse adfærd i et bymiljø."

Læs mere

Det "femte element" eksisterer: et nyt eksperiment vil bekræfte, at information er væsentlig

Herpetologer har opdaget, hvorfor slanger ikke kvæles, når de kvæles og sluger deres bytte

De første mandlige p-piller dukkede op, deres effektivitet er 99%