ກ້ານໃບ ນັກຄົ້ນຄວ້າພັດທະນາວິທີການວາງແຜນເສັ້ນທາງຂັ້ນສູງສໍາລັບຫຸ່ນຍົນ - Unite.AI
ເຊື່ອມຕໍ່ກັບພວກເຮົາ

ຫຸ່ນຍົນ

ນັກຄົ້ນຄວ້າພັດທະນາວິທີການວາງແຜນເສັ້ນທາງຂັ້ນສູງສໍາລັບຫຸ່ນຍົນ

ຈັດພີມມາ

 on

ນັກຄົ້ນຄວ້າທີ່ມະຫາວິທະຍາໄລ Michigan ໄດ້ພັດທະນາວິທີການວາງແຜນເສັ້ນທາງໃຫມ່ທີ່ເລັ່ງຫຸ່ນຍົນໃນທົ່ວພື້ນທີ່ທີ່ຫຍຸ້ງຍາກ. ສູດການຄິດໄລ່ທີ່ພັດທະນາໃຫມ່ສາມາດຊອກຫາເສັ້ນທາງທີ່ປະສົບຜົນສໍາເລັດສາມເທື່ອເທົ່າກັບ algorithm ມາດຕະຖານ, ແລະມັນຕ້ອງການເວລາປຸງແຕ່ງຫນ້ອຍລົງ. 

ການຄົ້ນຄ້ວາດັ່ງກ່າວໄດ້ລົງພິມໃນ ຫຸ່ນຍົນອັດຕະໂນມັດ

ການ​ພັດ​ທະ​ນາ Algorithm ໃຫມ່​

ສູດການຄິດໄລ່ແມ່ນແນໃສ່ໂດຍສະເພາະຫຸ່ນຍົນທີ່ໃຊ້ appendages ຄ້າຍຄືແຂນເພື່ອຮັກສາຄວາມສົມດູນໃນພື້ນທີ່ rough, ເຊັ່ນ: ເຂດໄພພິບັດແລະສະຖານທີ່ກໍ່ສ້າງ. 

Dmitry Berenson ເປັນຮອງສາດສະດາຈານຂອງວິສະວະກໍາໄຟຟ້າແລະຄອມພິວເຕີແລະຄະນະວິຊາຫຼັກຂອງສະຖາບັນຫຸ່ນຍົນ. 

ທ່ານ Berenson ກ່າວວ່າ "ຢູ່ໃນອາຄານທີ່ພັງລົງຫຼືຢູ່ໃນພື້ນທີ່ທີ່ຫຍຸ້ງຍາກຫຼາຍ, ຫຸ່ນຍົນຈະບໍ່ສາມາດດຸ່ນດ່ຽງຕົວມັນເອງແລະກ້າວໄປຂ້າງຫນ້າດ້ວຍຕີນຂອງມັນ". "ທ່ານຕ້ອງການສູດການຄິດໄລ່ໃຫມ່ເພື່ອຄົ້ນຫາບ່ອນທີ່ຈະວາງຕີນແລະມື. ທ່ານ ຈຳ ເປັນຕ້ອງປະສານງານແຂນຂາທັງ ໝົດ ຮ່ວມກັນເພື່ອຮັກສາຄວາມ ໝັ້ນ ຄົງ, ແລະສິ່ງທີ່ເກີດຂື້ນແມ່ນບັນຫາທີ່ຫຍຸ້ງຍາກຫຼາຍ.”

ການຄົ້ນຄວ້າໃຫມ່ຊ່ວຍໃຫ້ຫຸ່ນຍົນກໍານົດວ່າພື້ນທີ່ມີຄວາມຫຍຸ້ງຍາກແນວໃດກ່ອນທີ່ຈະຄິດໄລ່ເສັ້ນທາງທີ່ດີທີ່ສຸດ.

Yu-Chi Lin ເປັນນັກຫຸ່ນຍົນທີ່ຮຽນຈົບປະລິນຍາເອກ ແລະວິສະວະກອນຊອບແວທີ່ Neuro Inc. 

"ທໍາອິດ, ພວກເຮົາໄດ້ນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອຝຶກຫຸ່ນຍົນໃນວິທີທີ່ແຕກຕ່າງກັນທີ່ມັນສາມາດວາງມືແລະຕີນຂອງຕົນເພື່ອຮັກສາຄວາມສົມດູນແລະຄວາມກ້າວຫນ້າ," Lin ເວົ້າ. "ຫຼັງຈາກນັ້ນ, ເມື່ອຖືກຈັດໃສ່ໃນສະພາບແວດລ້ອມໃຫມ່, ສະລັບສັບຊ້ອນ, ຫຸ່ນຍົນສາມາດນໍາໃຊ້ສິ່ງທີ່ມັນໄດ້ຮຽນຮູ້ເພື່ອກໍານົດວ່າເສັ້ນທາງສາມາດຜ່ານໄດ້, ເຮັດໃຫ້ມັນສາມາດຊອກຫາເສັ້ນທາງໄປສູ່ເປົ້າຫມາຍໄດ້ໄວຂຶ້ນ."

ເຖິງວ່າຈະມີວິທີການໃຫມ່ແລະການປັບປຸງ, ມັນຍັງໃຊ້ເວລາດົນໃນການວາງແຜນເສັ້ນທາງທີ່ຍາວນານທີ່ປະສົບຜົນສໍາເລັດໃນຂະນະທີ່ນໍາໃຊ້ສູດການວາງແຜນແບບດັ້ງເດີມ.

ທ່ານ Berenson ກ່າວວ່າ "ຖ້າພວກເຮົາພະຍາຍາມຊອກຫາສະຖານທີ່ທັງມືແລະຕີນໃນເສັ້ນທາງຍາວ, ມັນຈະໃຊ້ເວລາດົນຫຼາຍ,"

ການວາງແຜນການນຳທາງຂອງມະນຸດໃນຂອບເຂດໄລຍະຍາວໂດຍໃຊ້ການຄາດຄະເນການຂ້າມຜ່ານ ແລະປະສົບການທີ່ຜ່ານມາ

ການແບ່ງແຍກ ແລະ ເອົາຊະນະ

ເພື່ອໃຫ້ໄດ້ຮັບປະມານນີ້, ທີມງານໄດ້ອີງໃສ່ວິທີການ "ແບ່ງອອກແລະເອົາຊະນະ". ເຂົາເຈົ້າແຍກເສັ້ນທາງອອກເປັນພາກສ່ວນທີ່ເຄັ່ງຄັດກັບທາງຜ່ານ ແລະພາກສ່ວນທີ່ງ່າຍກວ່າທີ່ຈະຜ່ານໄດ້. ກັບອະດີດ, ຫຸ່ນຍົນໃຊ້ວິທີການຮຽນຮູ້ຂອງເຂົາເຈົ້າ, ແລະກັບອັນສຸດທ້າຍ, ພວກເຂົາເຈົ້າໃຊ້ການວາງແຜນເສັ້ນທາງທີ່ງ່າຍດາຍ. 

ທ່ານ Lin ກ່າວ​ວ່າ “ມັນ​ເບິ່ງ​ຄື​ວ່າ​ງ່າຍ​ດາຍ, ແຕ່​ມັນ​ເປັນ​ການ​ຍາກ​ແທ້ໆທີ່​ຈະ​ຮູ້​ວິ​ທີ​ແບ່ງ​ປັນ​ບັນ​ຫາ​ນັ້ນ​ໃຫ້​ຖືກ​ຕ້ອງ, ແລະ​ວິ​ທີ​ການ​ວາງ​ແຜນ​ທີ່​ຈະ​ໃຊ້​ສຳ​ລັບ​ແຕ່​ລະ​ພາກ​ສ່ວນ,” Lin ເວົ້າ.

ສໍາລັບການນີ້ເກີດຂຶ້ນ, ນັກຄົ້ນຄວ້າຕ້ອງການຮູບແບບເລຂາຄະນິດຂອງສະພາບແວດລ້ອມທັງຫມົດ, ທີ່ເຂົາເຈົ້າສາມາດໄດ້ຮັບໂດຍການບິນ drone ທີ່ scout ລ່ວງຫນ້າຂອງຫຸ່ນຍົນ.

ທີມງານໄດ້ສ້າງການທົດລອງ virtual ກັບຫຸ່ນຍົນ humanoid ໃນແລວເສດຖະກິດຂອງຊາກຫັກພັງ, ແລະຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່າວິທີການຂອງທີມງານໄດ້ດີກວ່າວິທີການທີ່ຜ່ານມາໃນຄວາມສໍາເລັດແລະເວລາທັງຫມົດທີ່ຈະວາງແຜນ. ນີ້ແມ່ນສໍາຄັນໃນໄລຍະສະຖານະການໄພພິບັດ. 

ອອກຈາກ 50 ການທົດລອງ, ວິທີການຂອງທີມງານບັນລຸເປົ້າຫມາຍ 84% ຂອງເວລາທຽບກັບ 26% ສໍາລັບຜູ້ວາງແຜນເສັ້ນທາງພື້ນຖານ. ມັນໃຊ້ເວລາພຽງແຕ່ສອງນາທີເທົ່ານັ້ນໃນການວາງແຜນທຽບກັບຫຼາຍກວ່າສາມນາທີສໍາລັບການວາງແຜນເສັ້ນທາງພື້ນຖານ. 

ນອກຈາກນັ້ນ, ທີມງານຍັງໄດ້ສະແດງໃຫ້ເຫັນວິທີການຂອງພວກເຂົາສາມາດເຮັດວຽກຢູ່ໃນໂລກທີ່ແທ້ຈິງດ້ວຍຫຸ່ນຍົນລໍ້ທີ່ມີ torso ແລະສອງແຂນ. ພື້ນຖານຂອງຫຸ່ນຍົນໄດ້ຖືກວາງຢູ່ເທິງທາງເນີນທີ່ສູງຊັນ, ແລະມັນໃຊ້ "ມື" ຂອງມັນເພື່ອຍຶດເອົາຕົວມັນເອງໃນຂະນະທີ່ຫນ້າດິນທີ່ບໍ່ສະເຫມີກັນ. ວິທີການຂອງທີມງານເຮັດໃຫ້ຫຸ່ນຍົນສາມາດວາງແຜນເສັ້ນທາງໃນພຽງແຕ່ຫຼາຍກວ່າຫນຶ່ງສ່ວນສິບຂອງວິນາທີ, ເມື່ອທຽບກັບພຽງແຕ່ຫຼາຍກວ່າ 3.5 ວິນາທີກັບຕົວວາງແຜນເສັ້ນທາງພື້ນຖານ. 

ຕອນນີ້ທີມງານຈະເບິ່ງໄປສູ່ການລວມເອົາການເຄື່ອນໄຫວທີ່ຫມັ້ນຄົງແບບເຄື່ອນໄຫວ, ເຊິ່ງຄ້າຍຄືກັບການເຄື່ອນໄຫວທໍາມະຊາດຂອງມະນຸດແລະສັດ. ນີ້ຈະປັບປຸງຄວາມໄວໃນການເຄື່ອນໄຫວຂອງຫຸ່ນຍົນ, ເນື່ອງຈາກວ່າມັນບໍ່ຈໍາເປັນຕ້ອງມີຄວາມສົມດູນຢ່າງຕໍ່ເນື່ອງ.

Alex McFarland ເປັນນັກຂ່າວ AI ແລະນັກຂຽນທີ່ຄົ້ນຫາການພັດທະນາຫລ້າສຸດໃນປັນຍາປະດິດ. ລາວໄດ້ຮ່ວມມືກັບ AI startups ແລະສິ່ງພິມຕ່າງໆໃນທົ່ວໂລກ.