Μοντέλα και πλατφόρμες AI

Αυτόνομα ATV Ερχονται

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια ομάδα ερευνητών στο Πανεπιστήμιο Carnegie Mellon (CMU) μας φέρνει ένα βήμα πιο κοντά στην επίτευξη αυτόνομων οχημάτων mọi τερέν (ATV). Η ομάδα οδήγησε ένα ATV μέσω διαφόρων περιβαλλόντων, συμπεριλαμβανομένων ψηλών χόρτων, χαλικιών και λάσπης, για να συλλέξει δεδομένα σχετικά με το πώς το ATV αλληλεπιδρά με αυτά τα είδη περιβαλλόντων εκτός δρόμου. 

Δημιουργία του συνόλου δεδομένων TartanDrive

Το ATV οδηγήθηκε επιθετικά σε ταχύτητες μέχρι 30 μίλια την ώρα. Γλιστρούσε στις στροφές, ανέβαινε και κατέβαινε λόφους και κολλήθηκε στη λάσπη, συλλέγοντας σημαντικά δεδομένα όπως βίντεο, την ταχύτητα κάθε τροχού και την ταλάντωση του αμαξώματος από επτά τύπους αισθητήρων. 

Μετά τη συλλογή όλων των δεδομένων, αυτά συνδυάστηκαν σε ένα σύνολο δεδομένων που ονομάζεται TartanDrive. Περιλαμβάνει περίπου 200.000 πραγματικές αλληλεπιδράσεις και η ομάδα πιστεύει ότι είναι το μεγαλύτερο σύνολο δεδομένων εκτός δρόμου, πολλαπλών модαλιτών. Τα δεδομένα αυτά θα μπορούσαν να χρησιμοποιηθούν αργότερα για την εκπαίδευση ενός αυτόνομου οχήματος για πλοήγηση εκτός δρόμου. 

Ο Wenshan Wang είναι επιστήμονας του έργου στο Ινστιτούτο Ρομποτικής (RI).

“Σε αντίθεση με την αυτόνομη οδήγηση στο δρόμο, η οδήγηση εκτός δρόμου είναι πιο απαιτητική, επειδή πρέπει να κατανοήσετε τη δυναμική του εδάφους για να οδηγήσετε με ασφάλεια και να οδηγήσετε πιο γρήγορα”, είπε ο Wang. 

Υπήρχε κάποια προηγούμενη εργασία σε αυτήν την περιοχή, αλλά συχνά περιελάμβανε αναγνωρισμένα χάρτες που παρείχαν ετικέτες όπως λάσπη, χόρτος, βλάστηση και νερό. Αυτές οι ετικέτες βοήθησαν το ρομπότ να κατανοήσει το έδαφος που διέσχιζε, αλλά το πρόβλημα είναι ότι αυτού του είδους οι πληροφορίες είναι συχνά δύσκολο να συλλεγούν. Είναι επίσης αρκετά γενικές πληροφορίες. Για παράδειγμα, “λάσπη” θα μπορούσε να σημαίνει ένα περιβάλλον που είναι είτε οδηγίσιμο είτε όχι. 

 

Κατασκευή μοντέλων προβλέψεων

Με τα δεδομένα αισθητήρων που συλλέχθηκαν, η ομάδα θα μπορούσε να κατασκευάσει μοντέλα προβλέψεων που είναι ανώτερα από τα μοντέλα που αναπτύχθηκαν με απλά και μη δυναμικά δεδομένα. Οδηγώντας το ATV επιθετικά, έγινε κρίσιμο να κατανοηθεί η δυναμική της απόδοσής του. 

Ο Samuel Triest είναι φοιτητής δεύτερου έτους στο τμήμα ρομποτικής και αρχικός συγγραφέας του ερευνητικού έργου. 

“Η δυναμική αυτών των συστημάτων γίνεται πιο απαιτητική καθώς προστίθεται περισσότερη ταχύτητα”, είπε ο Triest. “Οδηγείς πιο γρήγορα, αναπηδάς από περισσότερα πράγματα. Πολλά από τα δεδομένα που μας ενδιέφεραν να συλλέξουμε ήταν αυτή η πιο επιθετική οδήγηση, πιο απαιτητικές κλίσεις και πυκνότερη βλάστηση, επειδή εκεί είναι που κάποιες από τις απλές κανόνες αρχίζουν να καταρρέουν.”

Ενώ είναι αλήθεια ότι η περισσότερη έρευνα και εργασία γύρω από τα αυτόνομα οχήματα στοχεύει στην οδήγηση στο δρόμο, οι ερευνητές λένε ότι οι πρώτες εφαρμογές θα είναι πιθανότατα ελεγχόμενα, εκτός δρόμου περιοχές. Αυτό επιτρέπει λιγότερο κίνδυνο συγκρούσεων. 

Η ομάδα πραγματοποίησε tous τους тестς σε ένα ελεγχόμενο χώρο κοντά στο Πίτσμπουργκ, όπου το Εθνικό Κέντρο Ρομποτικής Μηχανικής του CMU δοκιμάζει αυτόνομα οχήματα εκτός δρόμου. 

Το ATV οδηγήθηκε από ανθρώπους χρησιμοποιώντας ένα σύστημα οδήγησης με καλώδιο για τον έλεγχο της διεύθυνσης και της ταχύτητας. 

“Επιβάλλουμε στον άνθρωπο να περάσει από την ίδια διεπαφή ελέγχου όπως το ρομπότ θα έκανε”, είπε ο Wang. “Με αυτόν τον τρόπο, οι ενέργειες που λαμβάνει ο άνθρωπος μπορούν να χρησιμοποιηθούν απευθείας ως είσοδος για το πώς το ρομπότ πρέπει να ενεργήσει.”

Η έρευνα είναι προγραμματισμένη να παρουσιαστεί στη Διεθνή Διάσκεψη Ρομποτικής και Αυτομάτου (ICRA) στη Φιλαδέλφεια.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.