" 一个自主车司机的ED去|申博体育开户斯坦福

      <kbd id="68u6v9jg"></kbd><address id="ldr8vvpb"><style id="43j9nidx"></style></address><button id="qlzheeo8"></button>

          跳到内容 跳到导航

          Research & Ideas

          站内搜索

          一个自主车司机的ED去

          新的控制系统会教自动驾驶汽车如何定位困难的条件 - 就像结冰的道路 - 更安全。

          shelley

          雪莱,申博体育的自主奥迪TTS,在执行滚道thunderhill公园。 |图片来源:库尔特·希克曼

          申博体育研究人员已经开发出控制自动驾驶汽车,集成了之前的驾驶体验的新方式 - 一个系统,这将有助于汽车在极端的和未知的情况下更安全地进行。

          在摩擦的上跑道使用尼基,申博体育的自主大众GTI,和雪莱,申博体育的自主奥迪TTS,大约为现有的自主控制系统和一个有经验的赛车驾驶员执行以及系统中的限制测试。

          “我们的工作是安全的动机,我们希望自主车在很多情况下工作,从高摩擦沥青正常行驶快速,低摩擦的驱动冰雪,”内森·斯皮尔伯格,一名研究生在机械工程说在申博体育和这个研究论文的第一作者,科学机器人公布3月27日。 “我们希望我们的算法是作为最好的熟练司机一样好 - ,并希望更好。”

          而目前的自主汽车可能依赖于在矩他们的环境评估,控制系统,这些研究人员设计结合了最近演习和过去的驾驶体验的数据 - 包括前往尼基前后花了一个冰冷的测试轨道靠近北极圈。它的学习从过去被证明特别强大给出丰自主轿车的数据研究能力,正在生产开发这些车辆的过程。

          物理学和学习

          自主汽车控制系统需要对现有的路面与轮胎摩擦获取信息。此信息决定如何硬车可以制动,加速,为了留在关键的紧急情况下的道路上驾驶的限制。如果工程师希望安全地推一个自主车到了极限,比如有它计划在冰应急演习,他们必须向它提供详细信息,如路面与轮胎摩擦,提前。这是很难在现实世界里,摩擦是可变的,往往是难以预料的。

          开发更灵活,反应控制系统,研究人员建立了一个神经网络 - 一种人工智能的计算系统 - 即数据从过去的驾驶经验,在thunderhill滚道柳树集成,加利福尼亚州和冬季试车设施与基础知识提供200000基于物理的轨迹。

          “当今可用的技术,你经常有数据驱动型方法之间做出选择,并在基础物理办法接地,”说 学家基督教杰兹,机械工程和纸张的资深作者教授。 “我们认为前进的道路是为了利用他们的个人优势,这些方法融为一体。物理学可以提供洞察结构和验证的神经网络模型,反过来,可以利用大量的数据“。

          组跑对比测试在thunderhill滚道他们的新系统。第一,加快雪莱通过周围的物理为基础的自治系统控制的,预装了有关课程和条件设置信息。上在连续10次试验,Shelley和熟练的业余驾驶员相同的过程进行比较时产生的可比单圈用时。然后,研究人员装载周丽淇与他们的新的神经网络系统。执行同样的车同时运行的教训和物理为基础的系统,即使神经网络缺乏有关道路摩擦的明确信息。

          在模拟测试中,神经网络系统优于基于物理学的系统在高摩擦和低摩擦的情况。它在场景是混合这两个条件时表现尤为突出。

          数据丰盈

          结果是令人鼓舞的,但研究人员强调,他们的神经网络系统并没有在它经历的那些外在条件表现良好。他们说,作为自主汽车产生更多的数据来训练他们的网络时,汽车应该能够处理更广泛的条件。

          “对道路和发展这么多的自动驾驶汽车,有来自各种行驶条件下的生成数据的丰富,”斯皮尔伯格说。 “我们想建立一个神经网络,因为应该有某种方式来利用这些数据的。如果我们能够开发已经看到了数千次的车辆更多的互动比我们有,我们希望能够让他们更安全“。

          论文的共同作者是研究生马修棕色和约翰·C·。 kegelman和博士后学者尼廷河kapania,所有的申博体育。杰兹也是在高级研究员 普雷科特能源研究所.