جنرال لواء

النظام الجديد يمكن أن يسمح للسيارات ذاتية القيادة بالتنقل بأمان في الطرق غير المعينة


تعتمد السيارات ذاتية القيادة على معرفة بيئتها من خلال قراءة الخرائط. كان يعتقد أن هذه الخرائط تحتاج إلى أن تكون مفصلة للغاية وأن إنشاء هذه الخرائط المعقدة وتحديثها سيكون أحد العقبات الرئيسية في تطوير مستقبل القيادة الذاتية.

لكن تيدي أورت ، طالب دراسات عليا في علم الروبوتات في مختبر علوم الكمبيوتر والذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا ، لديه طريقة جديدة للنظر في الخرائط التي من شأنها أن تقلل بشكل جذري من تعقيدها وحجمها. "تميل خرائط حتى مدينة صغيرة إلى أن تكون غيغابايت ؛ للتوسع في البلد بأكمله ، ستحتاج إلى اتصالات عالية السرعة وخوادم ضخمة بشكل لا يصدق "، كما يقول أورت.

يمكن أن تناسب الخريطة العالمية المبسطة محرك أقراص فلاش

يقول أورت إن الخرائط التي نقدمها للسيارات ذاتية القيادة لا يجب أن تكون معقدة كما كان يعتقد سابقًا.

"ولكن بالنسبة لمنهجنا ، يمكن أن تناسب الخريطة العالمية محرك أقراص فلاش."

على سبيل المثال ، قد لا تحتاج السيارات ذاتية القيادة إلى جميع المعلومات المتعلقة بالبيئة مثل ارتفاعات الرصيف وميزات جانب الطريق. بدلاً من ذلك ، لا يحتاج نظام GPS للسيارة ذاتية القيادة إلا إلى خريطة بسيطة للغاية وأجهزة استشعار خاصة بها يمكن استخدامها للتنقل إلى الأمام إلى "نقطة مسار".

لذلك بدلاً من فهم كل شيء من حوله ، سيتنقل النظام على طول الطريق في اتجاه عام. يشبه إلى حد كبير الطريقة التي يتنقل بها السائقون البشريون في طريق جديد أو غير مألوف.

اختبر معهد ماساتشوستس للتكنولوجيا التكنولوجيا ، المسماة MapLite ، على الطرق الريفية الهادئة في ولايتها الأصلية في ماساتشوستس. سيحتاج النظام إلى مزيد من الاختبارات المكثفة في بيئات الطرق المعقدة التي تشتمل على مسارات متعددة ، وانعطافات للخلف ، وقواعد أخرى معقدة للطريق.

"لكن هذا يمكن أن ينجح في البيئات العامة" ، تقول الأستاذة دانييلا روس ، التي ترأس المختبر. "إنه نهج عام لبناء أنظمة مستقلة محركًا بسلك لا تعتمد على خرائط ميزات كثيفة."

يتم دعم البحث من قبل معهد أبحاث تويوتا وسيارة اختبار المختبر هي تويوتا بريوس. هناك كميات هائلة من الأبحاث الجارية حول العالم في مجال السيارات ذاتية القيادة والسيارات ذاتية القيادة.

يجب على كل معمل القيادة الذاتية معالجة سؤال الملاحة

يتخذ كل مختبر طريقة مختلفة لرسم الخرائط والتنقل. ركزت بعض المعامل على إنشاء خرائط تفصيلية تستخدم المرحلات الأرضية لزيادة بيانات GPS. حاول آخرون الابتعاد عن الاعتماد على بيانات الخرائط ويستخدمون التعلم الآلي لتطبيق الدروس المكتسبة من الخبرة على طريق واحد إلى المشاكل التي يطرحها طريق آخر.

يقول معهد ماساتشوستس للتكنولوجيا إنهم يتخذون نهجًا فريدًا تجاه المشكلة من خلال عدم الاعتماد فقط على التعلم الآلي القائم على الشبكات العصبية. يقول أورت: "إننا نستخدم التعلم الآلي للعثور على الطريق. "لكن اكتشاف طريقنا كله من نهج قائم على النموذج. إذا لم يعمل كما كنا نعتقد ، فيمكننا الدخول وإصلاحه ".

يعترف الفريق أنه على الرغم من حماسهم للتقدم المحرز حتى الآن ، إلا أن لديهم الكثير من العمل للقيام به. يقول أورت: "العيب المفاهيمي الرئيسي هو التحقق". "الخريطة التفصيلية تعني أن شخصًا ما قد تجاوزها ، وقد أجرى قدرًا لا بأس به من الاختبارات وأظهر أنها آمنة - لم تتغير. ولكن إذا لم تكن قد تجاوزته من قبل ، فهذا ليس كذلك. نحن نعمل على كيفية التحقق من سلامة القيادة على طريق لم نشهده من قبل ".


شاهد الفيديو: نظام ProPilot للسيارات ذاتية القيادة من نيسان (كانون الثاني 2022).