ドローンの大量導入を妨げている障害の 1 つは、既存の方法が非効率であることです
主な問題は事故を含む関心のある道路イベントは、すべて非常にまれです。したがって、システムは、必要な安全性能を実証するために数億キロメートル（場合によっては数十億キロメートル）を必要とする可能性があります。現在まで、Waymoはわずか150億kmをモデル化しています。したがって、ミシガン大学で劉博士と彼のチームが実施した作業は、自然で競争力のある運転環境（NADE）を作成することを目的としています。
劉はシミュレートされた運転環境を構築し、ミシガン大学交通研究所（UMTRI）によって収集された大規模な運転データを使用します。この環境では、「バックグラウンド」カー（道路交通をシミュレートするもの）は、ドローンに向かって特定の敵対的な操縦を実行するように訓練されています。これにより、偏りがなくなり、効率が向上します。
NADEは生涯学習方法ですドローンと多くのバックグラウンドビークル間の継続的な通信を提供します。たとえば、研究者が都市環境で自分の車をテストしたい場合、このアプローチにより、ドローンは継続的に運転し、スイッチを入れたり、より高い頻度で急ブレーキをかけたりするなどの敵対的なシナリオを体験できます。結果は、この環境が現在利用可能なオプションの非効率性を桁違いに排除することを示しています。このアプローチにより、自動運転車の採用が加速することが期待されます。
「シミュレーションを使用して1kmを運転するテストトラックに重ねられた拡張現実は、公道では数百キロメートルまたは数千キロメートルに相当します。これにより、より安全で、より制御され、再現性のあるテスト環境でドローンをテストするための全体的なコストと時間が大幅に削減されます」と、ACMの社長兼CEOであるルーベンサーカーは述べています。
また見なさい：
火星の8兆ピクセルの画像を見てください
科学者たちは、相対性の理論に代わるものを開発しました。 「すべての理論」の本質は何ですか？
科学者たちは、現代人とネアンデルタール人の交配の証拠を発見しました