نماذج ومنصات الذكاء الاصطناعي

مركبات ATV ذاتية القيادة قادمة

Alex McFarland
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتتضمن مجموعة بيانات TartanDrive من جامعة كارنيجي ميلون 200,000 تفاعل حقيقي على الطرق…
عرض المزيد
  • تتضمن مجموعة بيانات TartanDrive من جامعة كارنيجي ميلون 200,000 تفاعل حقيقي على الطرق الوعرة من قيادة مركبات الدفع الرباعي العنيفة.
  • تتطلب القيادة الذاتية على الطرق الوعرة فهم ديناميكيات التضاريس، على عكس القيادة الأبسط في الشوارع ذات التصنيفات الثابتة.
  • من المرجح أن تكون أول تطبيقات المركبات ذاتية القيادة في المناطق الوعرة الخاضعة للرقابة لتقليل خطر الاصطدام.

فريق من الباحثين في جامعة كارنيجي ميلون (CMU) يقدم خطوة واحدة أقرب إلى تحقيق مركبات ATV ذاتية القيادة. قاد الفريق مركبة ATV عبر مختلف البيئات بما في ذلك الأعشاب الطويلة والحصى الرخو والطين لجمع البيانات حول كيفية تفاعل مركبة ATV مع هذه الأنواع من البيئات الوعرة.

إنشاء مجموعة بيانات TartanDrive

تم تشغيل مركبة ATV بشكل عدواني بسرعات تصل إلى 30 ميلًا في الساعة. انزلقت عبر المنحنيات وصعدت التلال ونزلتها وعلقت في الطين أثناء جمع بيانات مهمة مثل الفيديو وسرعة كل عجلة ومدى حركة ممتصات الصدمات في نظام التعليق من سبعة أنواع من المستشعرات.

بعد جمع جميع البيانات ، تم تجميعها في مجموعة بيانات تسمى TartanDrive. وهي تشمل حوالي 200000 تفاعل حقيقي ، ويعتقد الفريق أنها أكبر مجموعة بيانات حقيقية متعددة الوسائط لقيادة الطرق الوعرة. ويمكن استخدام هذه البيانات لاحقًا لتدريب مركبة ذاتية القيادة على الملاحة في الطرق الوعرة.

وينشان وانغ هو عالم مشروع في معهد الروبوتات (RI).

“على عكس القيادة الذاتية في الشارع ، فإن القيادة في الطرق الوعرة أكثر تحديًا لأنك يجب أن تفهم ديناميكيات التضاريس من أجل القيادة بأمان وأسرع ،” قال وانغ.

هناك بعض الأعمال السابقة التي أجريت في هذا المجال ، ولكنها غالبًا ما تضمنت خرائط مشروحة توفر تسميات مثل الطين والاعشاب والنباتات والماء. هذه التسميات ساعدت الروبوت على فهم التضاريس التي كان يتنقل فيها ، ولكن المشكلة هي أن هذا النوع من المعلومات غالبًا ما يكون صعب الجمع. كما أن هذه المعلومات عامة إلى حد كبير؛ فعلى سبيل المثال، قد يشير وصف «الطين» إلى بيئة يمكن القيادة فيها أو بيئة لا يمكن القيادة فيها.

 

بناء نماذج التنبؤ

مع بيانات المستشعرات متعددة الوسائط التي جمعها الفريق ، يمكنهم بناء نماذج تنبؤية تفوق النماذج التي طورت مع بيانات بسيطة وثابتة. من خلال تشغيل مركبة ATV بشكل عدواني ، أصبح من الضروري فهم ديناميكيات أدائها.

سامويل تريست هو طالب دراسات عليا في السنة الثانية في الروبوتات وهو المؤلف الرئيسي للورقة البحثية.

“ديناميكيات هذه الأنظمة تميل إلى أن تصبح أكثر تحديًا مع زيادة السرعة ،” قال تريست. “كلما زادت السرعة ، زادت القفزات. كان الكثير من البيانات التي كنا مهتمين بجمعها هو القيادة العدوانية أكثر ، المنحدرات أكثر تحديًا والنباتات أكثر كثافة لأن ذلك هو المكان الذي تبدأ فيه بعض القواعد البسيطة في التدهور.”

في حين أن معظم الأبحاث والعمل المحيط بالمركبات الذاتية القيادة يستهدف القيادة في الشوارع ، يقول الباحثون أن التطبيقات الأولى من المرجح أن تكون في مناطق وعرة خاضعة للرقابة. هذا يسمح بقليل من مخاطر الاصطدامات.

أجرى الفريق جميع اختباراتهم في موقع خاضع للرقابة بالقرب من بيتسبرغ حيث يجري مركز الهندسة الروبوتية الوطني التابع لجامعة CMU اختبارات المركبات الذاتية القيادة في الطرق الوعرة.

تم تشغيل مركبة ATV بواسطة بشر باستخدام نظام تحكم إلكتروني drive-by-wire للتحكم في التوجيه والسرعة.

“كنا نضطر البشر إلى المرور بنفس واجهة التحكم مثل الروبوت ،” قال وانغ. “بهذه الطريقة ، يمكن استخدام الإجراءات التي يتخذها الإنسان مباشرة كمدخل لطريقة عمل الروبوت.”

البحث سيتم تقديمه في المؤتمر الدولي للروبوتات والأتمتة (ICRA) في فيلادلفيا.

يقود أليكس عمليات الأخبار المدعومة بالذكاء الاصطناعي في Unite.AI، حيث يجمع بين الصحافة والبحث والأتمتة لدعم تغطية سريعة وقابلة للتوسع للذكاء الاصطناعي. يساعد عمله في ضمان ظهور التطورات الناشئة في مجال الذكاء الاصطناعي بشكل فعال مع الحفاظ على معايير التحرير في النشرة.