Yksi droonien massakäyttöönoton estävistä esteistä on olemassa olevien menetelmien tehottomuus
Suurin ongelma on sekiinnostavat liikennetapahtumat, onnettomuudet mukaan lukien, ovat aivan liian harvinaisia. Siksi järjestelmät voivat vaatia satoja miljoonia (joskus miljardeja) kilometrejä vaaditun turvallisuustason osoittamiseksi. Tähän mennessä Waymo on mallinnanut vain 15 miljardia km. Siksi tri Liu ja hänen tiiminsä Michiganin yliopistossa tekemän työn tarkoituksena on luoda luonnollinen ja kilpailukykyinen ajoympäristö (NADE).
Liu rakensi simuloidun ajoympäristön,Michiganin yliopiston liikennetutkimuslaitoksen (UMTRI) keräämien laajamittaisten ajo-tietojen avulla. Tässä ympäristössä "taustaautoja" (tieliikennettä jäljitteleviä) koulutetaan suorittamaan tiettyjä vihamielisiä lentoja kohti dronea. Tämä poistaa ennakkoluulot ja parantaa tehokkuutta.
NADE on elinikäinen oppimismenetelmä, jokatarjoaa jatkuvaa yhteydenpitoa droneen ja monien taustaajoneuvojen välillä. Esimerkiksi, jos tutkija haluaa testata autoa kaupunkiympäristössä, tämä lähestymistapa antaisi droneille mahdollisuuden ajaa jatkuvasti ja kokea vastakkaisia skenaarioita, mukaan lukien käynnistyminen ja kovat jarrutukset suuremmalla taajuudella. Tulokset osoittavat, että tämä ympäristö eliminoi nykyisten vaihtoehtojen tehottomuuden suuruusluokittain. Tämän lähestymistavan odotetaan nopeuttavan autonomisten ajoneuvojen käyttöönottoa.
”Kilometrin ajo simulaatiollatestiradalla asetettu lisätyn todellisuuden arvo on satoja tai tuhansia kilometrejä julkisilla teillä. Tämä johtaa dronien testaamisen kokonaiskustannusten ja -ajan huomattavaan vähenemiseen turvallisemmassa, hallitummassa ja toistettavammassa testiympäristössä ”, sanoi ACM: n toimitusjohtaja Ruben Sarkar.
Katso myös:
Katsokaa 8 biljoonan pikselin kuvaa Marsista
Tutkijat ovat kehittäneet suhteellisuusteorian korvikkeen. Mikä on "kaiken teorian" ydin?
Tutkijat ovat löytäneet todisteita nykyaikaisen ihmisen sekoittumisesta neandertalilaisten kanssa