ระบบฝึกโดรนใหม่จะ "ช่วย" ผู้สร้างของพวกเขาได้หลายพันกิโลเมตร

อุปสรรคอย่างหนึ่งที่ขัดขวางการนําโดรนมาใช้จํานวนมากคือความไร้ประสิทธิภาพของวิธีการที่มีอยู่

จนถึงปัจจุบันยังไม่มีการทดสอบและประเมินยานพาหนะดังกล่าวมาตรฐานเดียวสําหรับการประเมินความพร้อมของยานพาหนะไร้คนขับในการขับขี่บนถนนสาธารณะการทดสอบที่ล้ําสมัยรวมการจําลองซอฟต์แวร์การทดสอบแบบปิดและการทดสอบบนถนนจริง

ปัญหาหลักคือเหตุการณ์บนท้องถนนที่น่าสนใจรวมถึงอุบัติเหตุล้วนเกิดขึ้นได้ยากเช่นกัน ดังนั้นระบบอาจต้องใช้หลายร้อยล้าน (บางครั้งเป็นพันล้านกิโลเมตร) เพื่อแสดงให้เห็นถึงประสิทธิภาพด้านความปลอดภัยที่ต้องการ จนถึงปัจจุบัน Waymo ได้สร้างแบบจำลองเพียง 15 พันล้านกม. Liu และทีมงานของเขาที่มหาวิทยาลัยมิชิแกนจึงมุ่งเป้าไปที่การสร้างสภาพแวดล้อมการขับขี่ที่เป็นธรรมชาติและแข่งขันได้ (NADE)

Liu สร้างสภาพแวดล้อมการขับขี่จำลองโดยใช้ข้อมูลการขับขี่ขนาดใหญ่ที่รวบรวมโดยสถาบันวิจัยการขนส่งแห่งมหาวิทยาลัยมิชิแกน (UMTRI) ในสภาพแวดล้อมนี้รถยนต์ "พื้นหลัง" (ที่จำลองการจราจรบนท้องถนน) ได้รับการฝึกฝนให้ทำการซ้อมรบที่ไม่เป็นมิตรต่อโดรน สิ่งนี้จะขจัดอคติและปรับปรุงประสิทธิภาพ

NADE เป็นวิธีการเรียนรู้ตลอดชีวิตที่ให้การสื่อสารอย่างต่อเนื่องระหว่างโดรนและยานพาหนะพื้นหลังจำนวนมาก ตัวอย่างเช่นหากนักวิจัยต้องการทดสอบรถของเขาในสภาพแวดล้อมในเมืองวิธีนี้จะช่วยให้โดรนสามารถขับได้อย่างต่อเนื่องและพบกับสถานการณ์ที่ตรงกันข้ามรวมถึงการเปิดเครื่องและการเบรกอย่างหนักด้วยความถี่ที่สูงขึ้น ผลลัพธ์แสดงให้เห็นว่าสภาพแวดล้อมนี้ช่วยขจัดความไม่มีประสิทธิภาพของตัวเลือกที่มีอยู่ในปัจจุบันตามลำดับขนาด แนวทางนี้คาดว่าจะช่วยเร่งการนำรถยนต์ที่ขับเคลื่อนด้วยตนเองมาใช้

“ การขับรถหนึ่งกิโลเมตรโดยใช้การจำลองความเป็นจริงเสริมที่ซ้อนทับบนสนามทดสอบมีค่าเท่ากับหลายร้อยหรือหลายพันกิโลเมตรบนถนนสาธารณะ ซึ่งจะนำไปสู่การลดต้นทุนและเวลาโดยรวมในการทดสอบโดรนในสภาพแวดล้อมการทดสอบที่ปลอดภัยควบคุมและทำซ้ำได้มากขึ้น” รูเบนซาร์การ์ประธานและซีอีโอของ ACM กล่าว

ดูเพิ่มเติมที่:

ดูภาพดาวอังคาร 8 ล้านล้านพิกเซล

นักวิทยาศาสตร์ได้พัฒนาทดแทนทฤษฎีสัมพัทธภาพ อะไรคือสาระสำคัญของ "ทฤษฎีของทุกสิ่ง"?

นักวิทยาศาสตร์พบหลักฐานการผสมพันธ์ของมนุษย์ยุคใหม่กับมนุษย์ยุคหิน