Από τον John P. Desmond, AI Trends Editor
Για να βοηθήσουν τα αυτόνομα αυτοκίνητα να περιηγηθούν με ασφάλεια στη βροχή και σε άλλες καιρικές συνθήκες, οι ερευνητές αναζητούν ένα νέο είδος ραντάρ.
Τα αυτοκινούμενα οχήματα μπορεί να έχουν πρόβλημα να «βλέπουν» στη βροχή ή την ομίχλη, με τους αισθητήρες του αυτοκινήτου να είναι πιθανώς μπλοκαρισμένοι από χιόνι, πάγο ή καταρρακτώδεις βροχοπτώσεις και η ικανότητά τους να «διαβάζουν» οδικές πινακίδες και σημάδια στο δρόμο.
Πολλά αυτόνομα οχήματα βασίζονται στην τεχνολογία ραντάρ lidar, η οποία λειτουργεί αναπηδώντας τις δέσμες λέιζερ από τα γύρω αντικείμενα για να δώσει μια τρισδιάστατη εικόνα υψηλής ευκρίνειας σε μια καθαρή μέρα, αλλά δεν τα πάει τόσο καλά στην ομίχλη, τη σκόνη, τη βροχή ή το χιόνι, σύμφωνα με μια πρόσφατη αναφορά από Abc10 του Σακραμέντο, Καλιφόρνια.
"Πολλά αυτόματα οχήματα αυτές τις μέρες χρησιμοποιούν το lidar και αυτά είναι βασικά λέιζερ που εκτοξεύονται και συνεχίζουν να περιστρέφονται για να δημιουργήσουν σημεία για ένα συγκεκριμένο αντικείμενο", δήλωσε ο Kshitiz Bansal, διδάκτορας επιστήμης υπολογιστών και μηχανικής. φοιτητής στο Πανεπιστήμιο της Καλιφόρνιας Σαν Ντιέγκο, σε μια συνέντευξη.
Η ερευνητική ομάδα αυτόνομης οδήγησης του πανεπιστημίου εργάζεται σε έναν νέο τρόπο βελτίωσης της ικανότητας απεικόνισης των υπαρχόντων αισθητήρων ραντάρ, έτσι ώστε να προβλέπουν με μεγαλύτερη ακρίβεια το σχήμα και το μέγεθος των αντικειμένων σε αυτόνομο αυτοκίνητο.
«Είναι ένα ραντάρ που μοιάζει με lidar,» δήλωσε ο Dinesh Bharadia, καθηγητής ηλεκτρικής και μηχανικής υπολογιστών στο UC San Diego Jacobs School of Engineering, προσθέτοντας ότι είναι μια φθηνή προσέγγιση. «Η συγχώνευση του lidar και του ραντάρ μπορεί επίσης να γίνει με τις τεχνικές μας, αλλά τα ραντάρ είναι φθηνά. Με αυτόν τον τρόπο, δεν χρειάζεται να χρησιμοποιούμε ακριβά λιντάρ ».
Η ομάδα τοποθετεί δύο αισθητήρες ραντάρ στο καπό του αυτοκινήτου, επιτρέποντας στο σύστημα να βλέπει περισσότερο χώρο και λεπτομέρειες από έναν μόνο αισθητήρα ραντάρ. Η ομάδα πραγματοποίησε δοκιμές για να συγκρίνει την απόδοση του συστήματός του σε καθαρές μέρες και νύχτες, και στη συνέχεια με προσομοίωση ομίχλης καιρού, με ένα σύστημα που βασίζεται στο lidar. Το αποτέλεσμα ήταν το σύστημα ραντάρ συν lidar να αποδίδει καλύτερα από το σύστημα μόνο του lidar.
"Έτσι, για παράδειγμα, ένα αυτοκίνητο που έχει lidar, εάν πηγαίνει σε περιβάλλον όπου υπάρχει πολλή ομίχλη, δεν θα μπορεί να δει τίποτα μέσα από αυτήν την ομίχλη", δήλωσε ο Bansaid. "Το ραντάρ μας μπορεί να περάσει από αυτές τις άσχημες καιρικές συνθήκες και μπορεί ακόμη και να δει μέσα από ομίχλη ή χιόνι", δήλωσε.
Tχρησιμοποιεί η ομάδα ραντάρ χιλιοστών, μια έκδοση ραντάρ που χρησιμοποιεί ηλεκτρομαγνητικά κύματα μικρού μήκους κύματος για τον εντοπισμό του εύρους, της ταχύτητας και της γωνίας των αντικειμένων.
20 Συνεργάτες που εργάζονται στο AI-SEE στην Ευρώπη για την Εφαρμογή AI στο Vehicle Vision
Η ενισχυμένη όραση αυτόνομων οχημάτων είναι επίσης ο στόχος ενός έργου στην Ευρώπη-που ονομάζεται AI-SEE-που περιλαμβάνει νεοφυείς επιχειρήσεις Algolux, η οποία συνεργάζεται με 20 εταίρους σε διάστημα τριών ετών για να εργαστεί προς την αυτονομία επιπέδου 4 για οχήματα μαζικής αγοράς. Η Algolux ιδρύθηκε το 2014, έχει την έδρα της στο Μόντρεαλ και έχει συγκεντρώσει μέχρι σήμερα 31.8 εκατομμύρια δολάρια, σύμφωνα με το Crunchbase.
Η πρόθεση είναι να κατασκευαστεί ένα νέο ισχυρό σύστημα αισθητήρων που υποστηρίζεται από τεχνητή νοημοσύνη βελτιωμένη όραση οχημάτων για συνθήκες χαμηλής ορατότητας, ώστε να είναι δυνατή η ασφαλής μετακίνηση σε κάθε σχετική καιρική και φωτιστική κατάσταση, όπως χιόνι, δυνατή βροχή ή ομίχλη, σύμφωνα με πρόσφατη έκθεση από AutoMobilSport.
Η τεχνολογία Algolux χρησιμοποιεί μια προσέγγιση πολυαισθητηριακής σύντηξης δεδομένων, στην οποία τα δεδομένα των αισθητήρων που αποκτώνται θα συγχωνεύονται και θα προσομοιώνονται μέσω εξελιγμένων αλγορίθμων τεχνητής νοημοσύνης προσαρμοσμένων στις δυσμενείς ανάγκες αντίληψης καιρού. Η Algolux σχεδιάζει να παρέχει τεχνολογία και τεχνογνωσία σε τομείς στους αλγόριθμους τεχνητής νοημοσύνης βαθιάς εκμάθησης, τη συγχώνευση δεδομένων από διαφορετικούς τύπους αισθητήρων, τη στερεοφωνική ανίχνευση μεγάλης εμβέλειας και την επεξεργασία σήματος ραντάρ.
Δρ Werner Ritter, Consortium Lead, Mercedes Benz AG: "Η Algolux είναι μία από τις λίγες εταιρείες στον κόσμο που είναι καλά έμπειρη στα άκρα σε άκρα βαθιά νευρωνικά δίκτυα που χρειάζονται για να αποσυνδέσουν το υποκείμενο υλικό από την εφαρμογή μας". δήλωσε ο Δρ Werner Ritter, επικεφαλής κοινοπραξίας, από τη Mercedes Benz AG. "Αυτό, μαζί με τη σε βάθος γνώση της εταιρείας για την εφαρμογή των δικτύων τους για ισχυρή αντίληψη σε κακές καιρικές συνθήκες, υποστηρίζει άμεσα τον τομέα εφαρμογών μας στο AI-SEE."
Το έργο θα συγχρηματοδοτηθεί από το Εθνικό Συμβούλιο Έρευνας του Καναδά Βιομηχανικής Βοήθειας για την Έρευνα (NRC IRAP), τον Αυστριακό Οργανισμό Προώθησης της Έρευνας (FFG), την Business Finland και το Γερμανικό Ομοσπονδιακό Υπουργείο Παιδείας και Έρευνας BMBF με την ετικέτα PENTA EURIPIDES εγκρίθηκε από την EUREKA.
Η Nvidia ερευνά σταθερά αντικείμενα στο εργαστήριο οδήγησης
Η ικανότητα του αυτόνομου αυτοκινήτου να ανιχνεύει τι κινείται γύρω του είναι ζωτικής σημασίας, ανεξάρτητα από τις καιρικές συνθήκες, και η ικανότητα του αυτοκινήτου να γνωρίζει ποια αντικείμενα γύρω του είναι ακίνητα είναι επίσης σημαντική, προτείνει μια πρόσφατη ανάρτηση στη σειρά Drive Lab από nvidia, μια μηχανική ματιά στις μεμονωμένες προκλήσεις των αυτόνομων οχημάτων. Η Nvidia είναι ένας κατασκευαστής τσιπ, πιο γνωστός για τις μονάδες επεξεργασίας γραφικών, που χρησιμοποιείται ευρέως για την ανάπτυξη και την ανάπτυξη εφαρμογών που χρησιμοποιούν τεχνικές τεχνητής νοημοσύνης.
Το εργαστήριο Nvidia εργάζεται για τη χρήση AI για την αντιμετώπιση των ελλείψεων της επεξεργασίας σήματος ραντάρ στη διάκριση κινούμενων και ακίνητων αντικειμένων, με στόχο τη βελτίωση της αυτόνομης αντίληψης του οχήματος.
«Εκπαιδεύσαμε ένα DNN [βαθύ νευρωνικό δίκτυο] για τον εντοπισμό κινούμενων και ακίνητων αντικειμένων, καθώς και τον ακριβή διαχωρισμό μεταξύ διαφορετικών τύπων στατικών εμποδίων, χρησιμοποιώντας δεδομένα από αισθητήρες ραντάρ», δήλωσε Neda Cvijetic, η οποία εργάζεται σε αυτόνομα οχήματα και όραση υπολογιστών για τη Nvidia. ο συντάκτης της ανάρτησης του ιστολογίου. Στη θέση της για περίπου τέσσερα χρόνια, εργάστηκε στο παρελθόν ως αρχιτέκτονας συστημάτων για το λογισμικό Autopilot της Tesla.
Η συνηθισμένη επεξεργασία ραντάρ αναπηδά σήματα ραντάρ από αντικείμενα στο περιβάλλον και αναλύει τη δύναμη και την πυκνότητα των ανακλάσεων που επανέρχονται. Εάν επανέλθει ένα αρκετά ισχυρό και πυκνό σύμπλεγμα αντανακλάσεων, η κλασική επεξεργασία ραντάρ μπορεί να προσδιορίσει ότι πρόκειται πιθανώς για κάποιο είδος μεγάλου αντικειμένου. Εάν αυτό το σύμπλεγμα κινείται επίσης με την πάροδο του χρόνου, τότε αυτό το αντικείμενο είναι πιθανώς ένα αυτοκίνητο, περιγράφει η ανάρτηση.
Ενώ αυτή η προσέγγιση μπορεί να λειτουργήσει καλά για να συμπεράνει ένα κινούμενο όχημα, το ίδιο μπορεί να μην ισχύει για ένα στάσιμο. Σε αυτή την περίπτωση, το αντικείμενο παράγει ένα πυκνό σύμπλεγμα ανακλάσεων που δεν κινούνται. Η κλασική επεξεργασία ραντάρ θα ερμηνεύσει το αντικείμενο ως κιγκλίδωμα, κατεστραμμένο αυτοκίνητο, υπέρβαση αυτοκινητόδρομου ή κάποιο άλλο αντικείμενο. «Η προσέγγιση συχνά δεν έχει τρόπο να διακρίνει ποια», αναφέρει ο συγγραφέας.
Ένα βαθύ νευρωνικό δίκτυο είναι ένα τεχνητό νευρωνικό δίκτυο με πολλαπλά επίπεδα μεταξύ των επιπέδων εισόδου και εξόδου, σύμφωνα με τη Wikipedia. Η ομάδα της Nvidia εκπαίδευσε το DNN τους για την ανίχνευση κινούμενων και ακίνητων αντικειμένων, καθώς και για τη διάκριση μεταξύ διαφορετικών τύπων στατικών αντικειμένων, χρησιμοποιώντας δεδομένα από αισθητήρες ραντάρ.
Συγκεκριμένα, εκπαιδεύσαμε ένα DNN για την ανίχνευση κινούμενων και ακίνητων αντικειμένων, καθώς και τη διάκριση με ακρίβεια μεταξύ διαφορετικών τύπων στατικών εμποδίων, χρησιμοποιώντας δεδομένα από αισθητήρες ραντάρ.
Η εκπαίδευση του DNN απαιτούσε πρώτα να ξεπεραστούν τα προβλήματα αραιότητας δεδομένων ραντάρ. Δεδομένου ότι οι αντανακλάσεις των ραντάρ μπορεί να είναι αρκετά αραιές, είναι πρακτικά αδύνατο για τον άνθρωπο να εντοπίσει και να επισημάνει τα οχήματα μόνο με δεδομένα ραντάρ. Ωστόσο, τα δεδομένα Lidar, τα οποία μπορούν να δημιουργήσουν μια τρισδιάστατη εικόνα των γύρω αντικειμένων χρησιμοποιώντας παλμούς λέιζερ, μπορούν να συμπληρώσουν τα δεδομένα ραντάρ. "Με αυτόν τον τρόπο, η ικανότητα ενός ανθρώπου να επισημάνει να προσδιορίσει οπτικά και να επισημάνει αυτοκίνητα από δεδομένα lidar μεταφέρεται αποτελεσματικά στον τομέα των ραντάρ", αναφέρει ο συγγραφέας.
Η προσέγγιση οδηγεί σε βελτιωμένα αποτελέσματα. "Με αυτές τις πρόσθετες πληροφορίες, το ραντάρ DNN είναι σε θέση να διακρίνει μεταξύ διαφορετικών τύπων εμποδίων - ακόμη και αν είναι ακίνητα - να αυξήσει την εμπιστοσύνη στις πραγματικές θετικές ανιχνεύσεις και να μειώσει τις ψευδώς θετικές ανιχνεύσεις", δήλωσε ο συγγραφέας.
Πολλοί εμπλεκόμενοι φορείς που ασχολούνται με την παραγωγή ασφαλών αυτόνομων οχημάτων, βρίσκονται να αντιμετωπίζουν παρόμοια προβλήματα από τα μεμονωμένα πλεονεκτήματά τους. Ορισμένες από αυτές τις προσπάθειες είναι πιθανό να έχουν ως αποτέλεσμα το σχετικό λογισμικό να είναι διαθέσιμο ως ανοιχτού κώδικα, σε μια προσπάθεια συνεχούς βελτίωσης των συστημάτων αυτόνομης οδήγησης, κοινού ενδιαφέροντος.
Διαβάστε τα άρθρα και τις πληροφορίες προέλευσης από Abc10 του Σακραμέντο, Καλιφόρνια, από AutoMobilSport και σε α ανάρτηση στη σειρά Drive Lab από τη Nvidia.
- 3d
- Λογαριασμός
- Πρόσθετος
- AI
- αλγόριθμοι
- Εφαρμογή
- εφαρμογές
- γύρω
- εμπορεύματα
- τεχνητή νοημοσύνη
- αυτόματη
- αυτονόμος
- αυτόνομο αυτοκίνητο
- αυτόνομα αυτοκίνητα
- αυτόνομο όχημα
- αυτόνομα οχήματα
- αυτόματο πιλότο
- ΚΑΛΎΤΕΡΟΣ
- Blog
- χτίζω
- επιχείρηση
- Καλιφόρνια
- Canada
- αυτοκίνητο
- αυτοκίνητα
- Εταιρείες
- Πληροφορική
- Computer Vision
- εμπιστοσύνη
- Συμβούλιο
- μονάδες
- CrunchBase
- ημερομηνία
- ημέρα
- βαθιά μάθηση
- βαθύ νευρωνικό δίκτυο
- βαθιά νευρωνικά δίκτυα
- λεπτομέρεια
- Ανάπτυξη
- οδήγηση
- Εκπαίδευση
- Μηχανική
- Περιβάλλον
- Ευρώπη
- Ομοσπονδιακός
- Όνομα
- υλικού
- HTTPS
- Οι άνθρωποι
- ICE
- προσδιορίσει
- εικόνα
- Απεικόνιση
- βιομηχανικές
- πληροφορίες
- Νοημοσύνη
- πρόθεση
- τόκος
- συνέντευξη
- συμμετέχουν
- IT
- γνώση
- large
- λέιζερ
- λέιζερ
- οδηγήσει
- μάθηση
- Επίπεδο
- επίπεδο 4
- αντιμετώπιση
- εκατομμύριο
- Μόντρεαλ
- δίκτυο
- δίκτυα
- Νευρικός
- νευρικό σύστημα
- νευρωνικά δίκτυα
- νέα
- Nvidia
- ανοίξτε
- ανοικτού κώδικα
- λειτουργίας
- ΑΛΛΑ
- Συνεργάτες
- Penta
- επίδοση
- εικόνα
- Πρόγραμμα
- σχέδιο
- προαγωγή
- ραντάρ
- σειρά
- μείωση
- Σκέψεις και Απολογισμός
- αναφέρουν
- έρευνα
- Αποτελέσματα
- ένα ασφαλές
- Σαν
- Σαν Ντιέγκο
- Σχολείο
- Επιστήμη
- αισθητήρες
- Σειρές
- Shared
- Σημάδια
- προσομοίωση
- Μέγεθος
- χιόνι
- So
- λογισμικό
- Χώρος
- ΧΟΡΗΓΟΥΜΕΝΟΙ
- Μελών
- Φοιτητής
- συμπλήρωμα
- υποστηριζόνται!
- Υποστηρίζει
- σύστημα
- συστήματα
- Τεχνολογία
- δοκιμές
- Η Πηγη
- ώρα
- ταξίδι
- Τάσεις
- πανεπιστήμιο
- Πανεπιστήμιο της Καλιφόρνια
- όχημα
- Οχήματα
- Ταχύτητα
- Δες
- ορατότητα
- όραμα
- κύματα
- Τι είναι
- Λευκή βίβλος
- Ο ΟΠΟΊΟΣ
- Wikipedia
- Εργασία
- λειτουργεί
- κόσμος
- χρόνια