Yapay zeka modelleri ve platformları
Otonom ATV’ler Geliyor

Öne çıkan noktalarCMU'nun TartanDrive veri seti, agresif ATV sürüşlerinden elde edilen 200.000 gerçek…
Daha fazla göster
- CMU'nun TartanDrive veri seti, agresif ATV sürüşlerinden elde edilen 200.000 gerçek dünya arazi etkileşimini içeriyor.
- Arazi özerkliği, statik etiketlere sahip daha basit sokak sürüşünün aksine, arazi dinamiklerinin anlaşılmasını gerektiriyor.
- İlk özerk araç uygulamalarının, çarpışma riskini en aza indirmek için muhtemelen kontrollü arazi alanlarında olması bekleniyor.
Carnegie Mellon Üniversitesi’ndeki (CMU) bir araştırma ekibi, otonom arazi araçlarını (ATV) gerçekleştirmeye bizi bir adım daha yaklaştırıyor. Ekibin ATV’si, çeşitli ortamlarda, uzun çimen, gevşek çakıl ve çamur gibi, veri toplamak için kullanıldı.
TartanDrive Veri Setinin Oluşturulması
ATV, 30 mil/saat hıza kadar agresif bir şekilde sürüldü. Dönüşlerde kaydı, tepelere çıkıp indi ve çamura saplandı ve yedi tür sensörden video, her tekerleğin hızı ve süspansiyon amortisörlerinin hareket mesafesi gibi önemli verileri topladı.
Tüm verileri topladıktan sonra, TartanDrive adlı bir veri setine derlendi. Yaklaşık 200.000 gerçek dünya etkileşimini içerir ve ekip, bunun en büyük gerçek dünya, çok modlu, off-road sürüş veri seti olduğuna inanmaktadır. Veriler daha sonra otonom bir aracı off-road navigasyon için eğitmek için kullanılabilir.
Wenshan Wang, Robotik Enstitüsü’nde (RI) bir proje bilim adamıdır.
“Otonom sokak sürüşünün aksine, off-road sürüşü daha zorlu çünkü güvenli ve hızlı sürmek için arazinin dinamiklerini anlamak zorundasınız” dedi Wang.
Bu alanda bazı önceki çalışmalar yapılmıştı, ancak bunlar genellikle çamur, çimen, bitki örtüsü ve su gibi etiketler içeren açıklamalı haritalar kullanılıyordu. Bu etiketler, robotun navigasyon yaptığı araziyi anlamasına yardımcı oldu, ancak sorun, bu tür bilginin genellikle toplamak zor olmasıdır. Ayrıca, bu bilgi oldukça geneldir. Örneğin, “çamur” sürülebilir veya sürülemez bir ortamı ifade edebilir.
Tahmin Modellerinin Oluşturulması
Ekibin topladığı çok modlu sensör verilerini kullanarak, basit ve dinamik olmayan verilerle geliştirilen modellere göre daha üstün tahmin modelleri oluşturabilirler. ATV’yi agresif bir şekilde sürmek, performansının dinamiklerini anlamak için çok önemli oldu.
Samuel Triest, robotik alanında ikinci sınıf yüksek lisans öğrencisi ve araştırma makalesinin baş yazarıdır.
“Bu sistemlerin dinamikleri, daha fazla hız eklediğinizde daha zorlu hale gelir” dedi Triest. “Daha hızlı sürüyorsunuz, daha fazla engele çarpıp sıçrıyorsunuz. İlgi duyduğumuz veriler, daha agresif sürüş, daha zorlu eğimler ve daha kalın bitki örtüsüydü, çünkü bu, bazı daha basit kuralların bozulmaya başladığı yerdir.”
Aslında, otonom araçlar etrafındaki çoğu araştırma ve çalışma, sokak sürüşüne yöneliktir, ancak araştırmacılar, ilk uygulamaların muhtemelen kontrol edilen, off-road alanlarda olacağını söylüyorlar. Bu, çarpışma riskini azaltmaya izin veriyor.
Ekibin tüm testlerini, Pittsburgh yakınlarında bulunan ve CMU’nun Ulusal Robotik Mühendisliği Merkezi’nin otonom off-road araçlarını test ettiği kontrollü bir test sahasında gerçekleştirdiler.
ATV, bir insan tarafından, direksiyon ve hız kontrolü için elektronik drive-by-wire kontrol sistemi kullanarak sürüldü.
“İnsanı, robotun kullanacağı aynı kontrol arayüzünden geçirmeye zorluyorduk” dedi Wang. “Bu şekilde, insanın gerçekleştirdiği eylemler, robotun nasıl davranması gerektiğini doğrudan girdi olarak kullanılabilir.”
Araştırma, Philadelphia’da yapılacak Uluslararası Robotik ve Otomasyon Konferansı’nda (ICRA) sunulacak.












