Vienkāršs veids, kā paātrināt pašbraucošo automašīnu ierašanos

Jauna publisko datu kopa par pašbraucošām automašīnām liecina, ka pat vienkārša braukšana pilsētā var nospiest automatizēto braukšanu līdz galam. Tajā arī uzsvērts, kā datu koplietošana varētu palīdzēt pašbraucošām automašīnām izbraukt uz ceļiem daudz ātrāk.

Pētnieki no Oksfordas universitātes izlaida detalizētu datu kopu, kurā ir uzsvērtas dažas no vissarežģītākajām problēmām, ar kurām saskarsies pašbraucošās automašīnas. Dati sastāv no tūkstošiem stundu datu no viena un tā paša 10 kilometru ceļa posma gada laikā. Un tas parāda, kā laikapstākļi, apgaismojums un pat pašu ceļu īpašības var ievērojami atšķirties salīdzinoši īsā laika periodā.

Pētnieki izsekoja, kādas atšķirības ikdienā būs jārisina pašbraucošām automašīnām — kustīgiem transportlīdzekļiem, dažādos veidos novietotām automašīnām un apgaismojuma atšķirībām. Pēc tam notiek ilgtermiņa izmaiņas, saka Vils Madderns , vecākais pētnieks Mobilās robotikas grupā Oksfordas Universitātē. Celtniecība, ceļu darbi, sezonālās veģetācijas izmaiņas utt.

Kad Google pētnieki sāka testēt autonomās automašīnas, viņi atklāja, ka transportlīdzekļus viegli izplūdina noslogoti rotatori. Transportlīdzekļi, kas bija ieprogrammēti piesardzīgi, staigāja apkārt minūtes, pirms izdomāja, kā aizbēgt. Oksfordas komanda atklāja cita veida problēmu: gada laikā pilsēta trīs reizes pārcēla vienu rotāciju.

Oksfordas universitātes komandas savāktie lāzera attāluma dati parāda, kā pašbraucošām automašīnām ir jāpielāgojas veģetācijas izmaiņām gada laikā.

Sistēmām, kuru pamatā ir precīza kartēšana, tostarp Google transportlīdzekļi, būs grūtības ar šādām izmaiņām. Tā ir ļoti atklāta problēma, saka Madderns. Viens no iemesliem, kāpēc mēs apkopojām šos datus, bija noskaidrot, kur mūsu veidotās sistēmas sabojātos.

Daži uzņēmumi, piemēram, Tesla, neizmanto detalizētas kartes, tā vietā tie paļaujas uz attēlu un sensoru apstrādes sasniegumiem, lai atklātu un izvairītos no šķēršļiem. Taču šīs sistēmas arī sajauktu Oksfordas komandas identificētās funkcijas. Google un Tesla ir līderi savākto braukšanas datu apjoma ziņā, taču tiem nebūs tik daudz datu, kā Oksfordai, parādot atšķirības vienā maršrutā.

Šī datu kopa ir brīnišķīgs ieguldījums šajā jomā, saka Džons Leonards MIT profesors, kurš palīdzēja izstrādāt dažus galvenos algoritmus pašbraucošām automašīnām un strādā pie Toyota koordinētiem pētījumiem. Liela mēroga un ilgstošas ​​datu kopas var ievērojami palielināt progresa ātrumu.

Leonards piebilst, ka, ja uzņēmumi, kas izstrādā pašpiedziņas automašīnas, kopīgotu savus datus, tas varētu paātrināt dzīvības glābšanas tehnoloģiju ienākšanu. Vispārīgi runājot, es domāju, ka būtu lieliski, ja vairāk grupu, kas strādā ar pašbraucošām automašīnām, varētu koplietot datu kopas, kā arī padarīt pieejamus vairāk rīku kā atvērtā koda, viņš saka.

Citi nozares pārstāvji atkārto viņa noskaņojumu. Pagājušajā nedēļā notikušajā konferencē Toyota Pētniecības institūta Kalifornijā izpilddirektors Gils Prats sacīja, ka, ņemot vērā drošības apsvērumus, automašīnu uzņēmumi varētu apsvērt arī sadarbību, kas varētu ietvert arī dažu apkopoto datu koplietošanu.

Ir svarīgi atcerēties, ka mums ne vienmēr ir jāstrādā vienam, sacīja Prats. Mēs ļoti ceram uz konstruktīvu konkurenci un arī sadarbību starp visiem auto ražotājiem, IT uzņēmumiem, dažādām valdībām un arī datortehnikas ražotājiem.

paslēpties