2015-12-31

Беспилотники будут учиться вождению на краудсорсинге

Беспилотники будут учиться вождению на краудсорсинге

В Стэнфордском  университете была создана система, использование которой дает возможность огромному числу людей принять участие в составлении списка показателей, которые в итоге позволят обучить систему управления беспилотников.

На данный момент  обучение нейросетей происходит за счет использования определенного списка данных. Они формируют алгоритм для выполнения задачи не хуже, чем люди, которые размещают и систематизируют эти показатели. По признанию авторов, подобные  данные могут быть задействованы в различных отраслях — от определения человеческих лиц до  выполнения сложнейших  задач вроде вождения.

Исследователями был разработан  браузерный трехмерный автосимулятор Driveseat. Чтобы создавать трехмерное окружение, он берет показатели с реального авто, который имеет набор датчиков и может путешествовать по калифорнийским дорогам. Управление машиной  в симуляторе производится за счет  инструкции,  которая  воспроизводит на экране оригинальный видеоролик  с трехмерным окружающим миром и демонстрацией  видимых полос. Вначале разработчики взялись за активное решение проблемы распознавания разметки.

В данном случае пользователь исполняет роль учителя и вносит  поправки в алгоритм, если ему удалось определить  место  опознания разметки. Показатели  с поправкой в очередной раз  могут быть использованы в целях обучения нейросети. Это позволяет алгоритму иметь  меньшую зависимость от свежих показаний датчиков, также для него открывается лучшая «видимость» и «понимание» процесса движения по  полосе. Одновременно этот подход обучает алгоритм видению разметки, даже в тот момент, когда  происходят  колебания освещения. Это приводит к тому, что у  нейросети формируется «понимание», будто соседняя полоса все такие присутствует, даже при условии, что в определенный момент ее закрывает какой-то предмет.

В ходе  обучения становится ясна одна уникальная черта:  управляющее ПО хуже видит разметку, когда авто путешествует против солнца. Как оказывается, здесь берется в учет специфика исходных данных: большая часть калифорнийских шоссе тянется  с севера на юг, а не с запада на восток, по этой причине в видеороликах  с тестового кара редко можно встретить  движение лицом к солнцу у горизонта.

Авторы уверены, что такой подход обеспечит создание лучших алгоритмов управления беспилотниками,  приспособленными к разным видам качества покрытия  дорог, а также они смогут осуществлять  движение,  даже когда рассмотреть разметку довольно проблематично.

 

По материалам: nplus1.ru




Присоединяйтесь к сообществу Connected Car!
Будьте в курсе последних новостей индустрии.

Подписаться

Пять направлений развития беспилотных и подключенных автомобилей в 2019 году 2019-02-11

Пять направлений развития беспилотных и подключенных автомобилей в 2019 году

Подключенные автомобили востребованы среди инвесторов – в PwC считают, что к 2021 году мировой рынок таких авто превысит 122 млрд евро. Это позволяет производителям постоянно предлагать новые реш...

Словарь Connected Cars: основные термины 2019-02-05

Словарь Connected Cars: основные термины

Сфера подключенных автомобилей находится на стыке автопрома и Интернета вещей, потому она обзавелась своими специфическими терминами. Вот чем отличается V2V от V2D? И что вообще означают эти «V2»...

Лидеры, тенденции, прогнозы: каким будет рынок беспилотных автомобилей в 2019 году 2019-01-31

Лидеры, тенденции, прогнозы: каким будет рынок беспилотных автомобилей в 2019 году

  Аудиторы PwC считают, что к 2040 году в крупных городах будет абсолютно беспилотная транспортная инфраструктура. При этом машины на двигателях внутреннего сгорания уступят место электромобил...

Купить билет