AI-mallit ja alustat
Itseohjautuvat mönkijät ovat tulossa

Keskeiset kohdatCMU:n TartanDrive-tietoaineisto sisältää 200 000 todellista maastovuorovaikutusta…
Näytä lisää
- CMU:n TartanDrive-tietoaineisto sisältää 200 000 todellista maastovuorovaikutusta aggressiivisesta mönkijäajosta.
- Maastoautonomia vaatii maaston dynamiikan ymmärtämistä, toisin kuin yksinkertaisempi katuliikenne staattisine merkintöineen.
- Ensimmäiset autonomiset ajoneuvosovellukset tulevat todennäköisesti olemaan valvottuja maastoalueita törmäysriskin minimoimiseksi.
Carnegie Mellon Universityn (CMU) tutkijaryhmä on tuonut meidät yhden askeleen lähemmäs itseohjautuvien maastoajoneuvojen (ATV) saavuttamista. Ryhmä ajoi mönkijällä erilaisissa ympäristöissä, kuten korkeassa heinässä, irtonaisella soralla ja mudassa, kerätäkseen tietoa siitä, miten mönkijä vuorovaikuttaa näiden kaltaisten maasto-olosuhteiden kanssa.
TartanDrive-aineiston luominen
Mönkijää ajettiin aggressiivisesti jopa 30 mailin tuntinopeudella. Se liukui kaarteissa, meni ylös ja alas mäissä ja jumiutui mutaan kerätessään tärkeitä tietoja, kuten videota, jokaisen pyörän nopeutta ja jousituksen joustomatkaa seitsemäntyyppisistä antureista.
Kun kaikki tiedot oli kerätty, ne koottiin aineistoksi nimeltä TartanDrive. Se sisältää noin 200 000 todellista vuorovaikutusta, ja ryhmä uskoo, että se on suurin todellinen, monimodaalinen, maastoajoaineisto. Tietoja voidaan myöhemmin käyttää itseohjautuvan ajoneuvon kouluttamiseen maastoajoa varten.
Wenshan Wang on projektin tutkija Robotics Institute (RI):ssä.
“Toisin kuin autonominen katuajo, maastossa ajaminen on haastavampaa, koska on ymmärrettävä maaston dynamiikkaa voidakseen ajaa turvallisesti ja nopeammin”, Wang sanoi.
Tässä aihealueessa on tehty joitakin aikaisempia tutkimuksia, mutta ne ovat usein käyttäneet merkittyjä karttoja, jotka tarjoavat merkinnät kuten muta, heinä, kasvillisuus ja vesi. Nämä merkinnät auttoivat robottia ymmärtämään maastoa, jossa se navigoi, mutta ongelma on, että tällaista tietoa on usein vaikea kerätä. Se on myös melko yleistä tietoa. Esimerkiksi “muta” voi tarkoittaa ympäristöä, joka on joko ajokelpoinen tai ei.
Ennustemallien rakentaminen
Ryhmän keräämän monimodaalisen anturidatan avulla he voivat rakentaa ennustemalleja, jotka ovat parempia kuin yksinkertaiseen ja staattiseen dataan perustuvat mallit. Mönkijän aggressiivinen ajaminen teki sen suorituskyvyn dynamiikan ymmärtämisestä ratkaisevan tärkeää.
Samuel Triest on toisen vuoden maisteriopiskelija robottiikassa ja tutkimuspaperin ensisijainen kirjoittaja.
“Näiden järjestelmien dynamiikka muuttuu haastavammaksi, kun lisätään nopeutta”, Triest sanoi. “Aja nopeammin, pomppaa enemmän. Me olimme kiinnostuneita keräämään tällaista aggressiivisempaa ajoa, haastavampia rinteitä ja tiheämpää kasvillisuutta, koska siinä vaiheessa yksinkertaiset säännöt alkavat murtua.”
Vaikka suurin osa autonomisten ajoneuvojen tutkimuksesta ja työstä on kohdistunut kadulla ajoon, tutkijat sanovat, että ensimmäiset sovellukset ovat todennäköisesti hallitut, maastossa olevat alueet. Tämä mahdollistaa vähemmän riskejä törmäyksille.
Ryhmä suoritti kaikki testit hallitussa paikassa lähellä Pittsburghia, jossa CMU:n National Robotics Engineering Center testaa autonomisia maastoajoneuvoja.
Mönkijää ohjattiin ihmisten toimesta sähköisellä drive-by-wire-järjestelmällä, jolla hallittiin ohjausta ja nopeutta.
“Me pakotimme ihmisen käymään läpi saman ohjausliittymän kuin robotti, ja siten ihmisen tekemät toimet voidaan käyttää suoraan syötteenä siitä, miten robotin pitäisi toimia”, Wang sanoi.
Tutkimus on tarkoitus esittää International Conference on Robotics and Automation (ICRA) -konferenssissa Philadelphiassa.












