Modelli e piattaforme di IA

I Veicoli ATV a Guida Autonoma Stanno Arrivando

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Un team di ricercatori dell’Università di Carnegie Mellon (CMU) sta portando un passo più vicino alla realizzazione di veicoli tout-terrain (ATV) a guida autonoma. Il team ha guidato un ATV attraverso ambienti diversi, tra cui erba alta, ghiaia e fango, per raccogliere dati su come l’ATV interagiva con questi tipi di ambienti fuoristrada.

Creazione del Set di Dati TartanDrive

L’ATV è stato guidato in modo aggressivo a velocità fino a 30 miglia all’ora. Ha slittato nelle curve, è salito e sceso dalle colline e si è bloccato nel fango mentre raccoglieva dati importanti come video, la velocità di ogni ruota e il viaggio dello shock dell’amortizzatore da sette tipi di sensori.

Dopo aver raccolto tutti i dati, sono stati compilati in un set di dati chiamato TartanDrive. Include circa 200.000 interazioni nel mondo reale e il team ritiene che sia il più grande set di dati di guida fuoristrada multimodale nel mondo reale. I dati potrebbero essere utilizzati in seguito per addestrare un veicolo a guida autonoma per la navigazione fuoristrada.

Wenshan Wang è uno scienziato del progetto presso l’Istituto di Robotica (RI).

“A differenza della guida autonoma in strada, la guida fuoristrada è più impegnativa perché è necessario capire la dinamica del terreno per guidare in sicurezza e per guidare più velocemente”, ha detto Wang.

È stato svolto alcuni lavori precedenti in questo settore, ma spesso coinvolgevano mappe annotate che fornivano etichette come fango, erba, vegetazione e acqua. Queste etichette aiutavano il robot a capire il terreno che stava navigando, ma il problema è che questo tipo di informazione è spesso difficile da raccogliere. È anche abbastanza generico. Ad esempio, “fango” potrebbe significare un ambiente che è sia guidabile che non guidabile.

 

Creazione di Modelli di Predizione

Con i dati dei sensori multimodali raccolti dal team, è possibile costruire modelli di predizione superiori ai modelli sviluppati con dati semplici e non dinamici. Guidando l’ATV in modo aggressivo, è diventato cruciale capire la dinamica delle sue prestazioni.

Samuel Triest è uno studente di master di secondo anno in robotica e autore principale della ricerca.

“La dinamica di questi sistemi tende a diventare più impegnativa quando si aggiunge più velocità”, ha detto Triest. “Si guida più velocemente, si rimbalza su più cose. Gran parte dei dati che eravamo interessati a raccogliere era questa guida più aggressiva, pendii più impegnativi e vegetazione più fitta perché è lì che alcune delle regole più semplici iniziano a rompersi”.

Sebbene sia vero che la maggior parte della ricerca e del lavoro sui veicoli autonomi sia rivolta alla guida in strada, i ricercatori affermano che le prime applicazioni saranno probabilmente aree fuoristrada controllate. Ciò consente un minor rischio di collisioni.

Il team ha eseguito tutti i test in un sito controllato vicino a Pittsburgh dove il Centro di Ingegneria Robotica Nazionale di CMU testa veicoli fuoristrada autonomi.

L’ATV è stato guidato da esseri umani utilizzando un sistema di guida a filo per controllare la direzione e la velocità.

“Stavamo costringendo l’essere umano a passare attraverso la stessa interfaccia di controllo come il robot avrebbe fatto”, ha detto Wang. “In questo modo, le azioni che l’essere umano compie possono essere utilizzate direttamente come input per come il robot dovrebbe agire”.

La ricerca sarà presentata alla Conferenza Internazionale su Robotica e Automazione (ICRA) a Filadelfia.

Alex McFarland è un giornalista e scrittore di intelligenza artificiale che esplora gli ultimi sviluppi nel campo dell'intelligenza artificiale. Ha collaborato con numerose startup di intelligenza artificiale e pubblicazioni in tutto il mondo.