드론의 대량 도입을 가로막는 장애물 중 하나는 기존 방식의 비효율성입니다.
주요 문제는사고를 포함하여 관심있는 도로 이벤트는 모두 너무 드뭅니다. 따라서 시스템은 필요한 안전 성능을 입증하기 위해 수억 킬로미터 (때로는 수십억 킬로미터)가 필요할 수 있습니다. 현재까지 Waymo는 150 억 km 만 모델링했습니다. 따라서 Liu 박사와 University of Michigan의 그의 팀이 수행 한 작업은 자연스럽고 경쟁적인 운전 환경 (NADE)을 만드는 것을 목표로합니다.
Liu는 시뮬레이션 된 운전 환경을 구축했습니다.미시간 대학교 교통 연구소 (UMTRI)에서 수집 한 대규모 운전 데이터를 사용합니다. 이 환경에서 "백그라운드"차량 (도로 교통을 시뮬레이션하는 차량)은 드론을 향해 특정 적대적인 기동을 수행하도록 훈련됩니다. 이것은 편견을 제거하고 효율성을 향상시킵니다.
NADE는 평생 학습 방법으로드론과 많은 백그라운드 차량 간의 지속적인 통신을 제공합니다. 예를 들어, 연구원이 도시 환경에서 자신의 차를 테스트하려는 경우이 접근 방식을 통해 드론이 지속적으로 운전하고 더 높은 주파수에서 전원을 켜고 급제동하는 등 적대적인 시나리오를 경험할 수 있습니다. 결과는이 환경이 현재 사용 가능한 옵션의 비 효율성을 엄청나게 제거한다는 것을 보여줍니다. 이러한 접근 방식은 자율 주행 차량의 채택을 가속화 할 것으로 예상됩니다.
“시뮬레이션을 사용하여 1 킬로미터 운전테스트 트랙에 겹쳐진 증강 현실은 공공 도로에서 수백 또는 수천 킬로미터에 해당합니다. 이를 통해 더 안전하고 통제가 가능하며 반복 가능한 테스트 환경에서 드론을 테스트하는 데 드는 전체 비용과 시간을 크게 줄일 수 있습니다.”라고 ACM 사장 겸 CEO 인 Ruben Sarkar가 말했습니다.
참조 :
화성의 8 조 픽셀 이미지를보세요
과학자들은 상대성 이론의 대체물을 개발했습니다. "모든 것의 이론"의 본질은 무엇입니까?
과학자들은 현대 인간과 네안데르탈 인의 이종 교배 증거를 발견했습니다