Jedną z przeszkód uniemożliwiających masowe przyjęcie dronów jest nieskuteczność istniejących metod
Głównym problemem jest toInteresujące zdarzenia drogowe, w tym wypadki, są zbyt rzadkie. Dlatego systemy mogą wymagać setek milionów (czasem miliardów) kilometrów, aby zademonstrować wymagany poziom bezpieczeństwa. Do tej pory Waymo wymodelował tylko 15 miliardów km. Dlatego prace prowadzone przez dr Liu i jego zespół na Uniwersytecie Michigan mają na celu stworzenie naturalnego i konkurencyjnego środowiska jazdy (NADE).
Liu stworzył symulowane środowisko jazdy,wykorzystując dane dotyczące jazdy na dużą skalę, zebrane przez Instytut Badań nad Transportem Uniwersytetu Michigan (UMTRI). W tym środowisku samochody „w tle” (te, które symulują ruch drogowy) są szkolone do wykonywania pewnych wrogich manewrów w kierunku drona. Eliminuje to uprzedzenia i poprawia wydajność.
NADE to metoda uczenia się przez całe życiezapewnia ciągłą komunikację między dronem a wieloma pojazdami w tle. Na przykład, jeśli badacz chce przetestować swój samochód w środowisku miejskim, takie podejście pozwoliłoby dronowi na ciągłą jazdę i doświadczanie przeciwstawnych scenariuszy, w tym włączania i gwałtownego hamowania z większą częstotliwością. Wyniki pokazują, że to środowisko eliminuje nieefektywność obecnie dostępnych opcji o rzędy wielkości. Oczekuje się, że takie podejście przyspieszy wdrażanie pojazdów autonomicznych.
„Przejechanie kilometra z wykorzystaniem symulacjirzeczywistość rozszerzona nałożona na tor testowy to setki lub tysiące kilometrów na drogach publicznych. Doprowadzi to do znacznego zmniejszenia całkowitych kosztów i czasu testowania dronów w bezpieczniejszym, bardziej kontrolowanym i powtarzalnym środowisku testowym ”- powiedział prezes i dyrektor generalny ACM Ruben Sarkar.
Zobacz także:
Spójrz na 8 bilionów pikseli obrazu Marsa
Naukowcy opracowali substytut teorii względności. Jaka jest istota „teorii wszystkiego”?
Naukowcy znaleźli dowody na krzyżowanie się współczesnych ludzi z neandertalczykami