""

澳门太阳城网站-最新注册

  • 带来更多的类似人类的推理汽车自主导航,澳门太阳城最新网站的研究人员已经创建了一个系统,使无人驾驶汽车,以检查一个简单的地图,并使用可视化数据,按照新的,复杂的环境路线。

    带来更多的类似人类的推理汽车自主导航,澳门太阳城最新网站的研究人员已经创建了一个系统,使无人驾驶汽车,以检查一个简单的地图,并使用可视化数据,按照新的,复杂的环境路线。

    图片:切尔西特纳

    全屏

把类似人类的推理无人驾驶汽车导航

带来更多的类似人类的推理汽车自主导航,澳门太阳城最新网站的研究人员已经创建了一个系统,使无人驾驶汽车,以检查一个简单的地图,并使用可视化数据,按照新的,复杂的环境路线。

自主控制系统“学习”用简单的地图和图像数据的导航新的,复杂的路线。 看视频


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

以带来更多的类似人类的推理自主车的目的,澳门太阳城最新网站的研究人员已经创建了一个使用只有简单的地图和图像数据,以使无人驾驶汽车导航新的,复杂的环境路线的系统。

人类的司机在道路导航他们没有之前驱动,采用观察和简单的工具格外好。我们只是匹配什么我们周围看到什么,我们对我们的GPS设备看到,以确定我们在哪里以及我们需要去。无人驾驶汽车,然而,难以与这个基本道理。在每一个新的领域,汽车必须首先映射和分析所有的新路,这是非常耗费时间。该系统还依赖于复杂的地图 - 通常由3-d的扫描产生的 - 这是计算密集的产生和处理的飞行。

在一份文件中的机器人与自动化本周的国际会议上被提出,澳门太阳城最新网站的研究人员描述了一种自主控制系统可以在浏览在小范围内的道路是“学习”人力驱动的转向模式,利用摄像机仅数据输入和简单的类似GPS的地图。然后,训练有素的系统可以沿着一个全新的领域的计划路线,通过模仿人类驾驶员控制无人驾驶汽车。

人力驱动程序类似,该系统还可以检测它的地图和道路的特征之间的任何不匹配。这有助于系统确定其位置,传感器,或映射是不正确的,以纠正这款车的过程。

最初训练系统,人类操作员控制的自动化丰田普锐斯 - 配有多个摄像头和一个基本的GPS导航系统 - 收集来自当地的郊区街道的数据,包括各种道路结构和障碍。自主部署时,该系统成功地驾驶的车沿着不同的森林面积预规划的路径,指定为自主汽车测试。

“与我们的系统,你不需要每路事先训练上,”第一作者亚历山大·阿米尼,澳门太阳城最新网站的研究生说。 “你可以下载一个新地图对于汽车通过它从未见过的道路进行导航。”

“我们的目标是实现自主导航是稳健的在新的环境中驾驶,补充说:”合着者丹妮拉RUS,计算机科学与人工智能实验室(CSAIL)主任,电气工程和计算机科学的安德鲁和尔娜维特教授。 “例如,如果我们培养的自主车辆在城市环境中驾驶,如剑桥的街道上,系统也应该能够在树林顺利开车,即使是从未见过的环境。”

在纸张上加入RUS和阿米尼的家伙罗斯曼,研究员在丰田研究所,并sertac卡拉曼,在澳门太阳城最新网站航空航天大学副教授。

点至点导航

通过多个模块从传感器传统的导航系统中的过程数据定制任务,如定位,映射,对象检测,运动规划,和转向控制。多年来,RUS的研究小组一直在开发“终端到终端”的导航系统,其处理过程中输入的感觉数据和输出转向的命令,而无需任何专门的模块。

到现在为止,然而,这些模型进行了严格的设计可安全地走的道路,没有考虑任何真正的目的地。在新的论文中,研究者提出他们的终端到终端的系统从目标驶往目的地,在前所未见的环境。为此,研究人员训练他们的系统在任何给定时刻,预测在所有可能的转向命令的全概率分布,而驾驶。

该系统使用一种称为卷积神经网络(CNN)的机器学习模型,通常用于图像识别。培训期间,系统手表和学习如何从一个人的司机驾驶。 CNN的相关方向盘转动到道路曲率它通过观察摄像机和一个输入的地图。最终,它学会了各种驾驶情况,如直路,四路或T形路口,叉和旋转开关最有可能的转向指令。

“最初,在T形路口,有许多不同的方向的车可以转弯,” RUS说。 “该模型通过考虑所有这些方向开始,但是,当它看到什么人做越来越多的数据,它会看到一些人把左,一些右转,但没有人会直。正前方是排除了一个可能的方向,和模型获悉,在T形路口,它只能向左或向右移动。”

是什么地图说?

在测试中,研究人员输入系统与一个随机选择的路线的地图。行驶时,系统提取从摄像头,这使得它能够预测道路结构的视觉特征。例如,它确定一个遥远的停车标志或换行的道路上为即将到来的交叉点的迹象侧。在每一时刻,它使用转向其预测概率分布命令来选择最有可能的一个跟随它的路线。

重要的是,研究人员说,该系统使用,易于存储和处理的地图。自主控制系统通常使用激光雷达扫描,以创造大量的,复杂的地图,采取数据大约4000千兆字节(TB级4)只存储的旧金山市。为每一个新目的地,车子必须创建新的地图,即达万吨的数据处理。通过研究人员的系统中使用的地图,但是,捕获只用40千兆字节的数据整个世界。  

自动驾驶时,该系统也不断的视觉数据相匹配的地图数据,并指出任何不匹配。这样做有助于自主车辆更好地确定它的位置在道路上。并确保汽车保持最安全的路径上,如果它被送入矛盾的输入信息:如果说,车是在没有转直路巡航,以及GPS指示汽车必须右转,车子就会知道保持直线行驶或停止。

“在现实世界中,传感器就失败了,”阿米尼说。 “我们希望确保该系统具有较强的抗不同传感器的不同故障通过构建一个可以接受这些嘈杂的输入和导航仍然正确定位自己在道路上的系统。”


主题: 研究, 计算机科学与技术, 算法, 机器人, 自主车, 汽车, 人工智能, 机器学习, 运输, 技术与社会, 计算机科学和人工智能实验室(CSAIL), Electrical Engineering & Computer Science (eecs), 工程学院, 航空航天工程

回到顶部