Onbemande voertuigen leren "roekeloos" rekenen op de weg

Een wegensimulatiemethode ontwikkeld door onderzoekers van de Universiteit van Maryland is hierop gebaseerd

over de classificatie van het gedrag van andere deelnemersverkeer. Dit model, dat de auteurs CMetric noemen, analyseert de trajecten van andere automobilisten en voetgangers. Op basis van de analyse en gegevens verkregen met behulp van computervisie kan het algoritme de mogelijke acties van weggebruikers voorspellen.

“Met CMetric kan onze simulatorvirtuele automobilisten met verschillende rijstijlen genereren voor vooropleiding van onbemande voertuigen”, zegt Angelos Mavrogiannis, een van de ontwikkelaars van het model. — Simulatie van heterogeen rijgedrag is het belangrijkste element van ons werk. We gebruiken een leermodel voor diepe versterking op basis van DQN (Deep Q-Network).”

Ontwikkelaars merken op dat in de afgelopen jarenveel bedrijven werken aan veilige en betrouwbare onbemande voertuigen. Voor wijdverbreid gebruik moeten dergelijke machines zich echter op verschillende wegen kunnen verplaatsen en mogen ze niet botsen met andere voertuigen, voetgangers, fietsen, dieren of andere obstakels.

“Ondanks de grote interesse in autonoomvervoer, houden moderne kunstmatige-intelligentiemethoden geen rekening met het gedrag van menselijke chauffeurs of andere drones op de weg, benadrukt professor Dinesh Manocha, co-auteur van het werk. "Het doel van ons werk is om betrouwbare technologieën te creëren die het gedrag van andere weggebruikers (auto's, bussen, vrachtwagens, fietsen, voetgangers) detecteren en classificeren en de verkregen gegevens tijdens het rijden gebruiken."

Gedrag achter het stuur, volgens de ontwikkelaars,kan worden onderverdeeld in twee hoofdcategorieën: conservatief en agressief rijgedrag. Conservatieve chauffeurs zijn voorzichtiger en attenter, terwijl agressieve chauffeurs gevoeliger zijn voor gevaarlijke manoeuvres en plotselinge bewegingen.

Het nauwkeurig detecteren van deze gedragspatronen kanzeer nuttig zijn voor autonome voertuigen, vooral tijdens kritieke momenten (zoals bij het wisselen van rijstrook of het oprijden van een snelweg). Door de acties van andere bestuurders te begrijpen, kan de AI zijn traject dienovereenkomstig aanpassen en veiligheidsmaatregelen nemen.

"Autonome navigatiesystemen meestalworden getraind voor veldproeven”, zegt Rohan Chandra, co-auteur van de ontwikkeling. "In ons artikel presenteren we een nieuwe, op gedrag gebaseerde simulator die een groot aantal verschillende gedragingen kan simuleren die in echte verkeersscenario's worden gezien. Dit betekent dat het onderliggende navigatiesysteem kan worden getraind om met het complexe gedrag van automobilisten in een stedelijke omgeving om te gaan.”

Lees verder

Het "vijfde element" bestaat: een nieuw experiment zal bevestigen dat informatie materieel is

Herpetologen hebben ontdekt waarom slangen niet stikken als ze stikken en hun prooi inslikken

De eerste anticonceptiepillen voor mannen verschenen, hun effectiviteit is 99%