Самые популярные новости недели
07.07.2020 Росспецмаш: Какие факторы влияют на развитие сельхозмашиностроения в России 556
07.07.2020 Промышленное производство в России: результаты июня 527
09.07.2020 Минпромторг: Стандартизация как основа четвертой промышленной революции 444
08.07.2020 Денис Мантуров принял участие в "INNOPROM ONLINE" 440
09.07.2020 Московская промышленность наращивает экспорт электронных интегральных схем на Тайвань 406
10.07.2020 Денис Мантуров провел онлайн-встречу с Послом США в Росси 390
10.07.2020 АГРОСАЛОН: все запреты сняты! 349
10.07.2020 Грузовой корабль "Прогресс МС-15" допущен к заправке 330
10.07.2020 Четыре команды стали победителями Второго инженерного кейс-чемпионата РусГидро 319
10.07.2020 СТМ принял участие в международном промышленном онлайн-марафоне "Иннопром" 310
10.07.2020 ОАО "РЖД" запускает скоростные "Ласточки" между Москвой и Костромой 17 июля 303
10.07.2020 В док Кронштадтского завода встал ледокол "Юрий Лисянский" 301
10.07.2020 Губернатор Ростовской области посетил Ростсельмаш 299
10.07.2020 Состоялась рабочая встреча Генерального директора ОАК Юрия Слюсаря и Главы Якутии Айсена Николаева 298
10.07.2020 "Уральские локомотивы" выпустили первую "Ласточку" специально для Московских центральных диаметров 298
10.07.2020 Из всех работающих в полях Ростовской области комбайнов 90% машин производства Ростсельмаш  296
10.07.2020 АО "ОКБМ Африкантов" отгрузило первый отечественный насос для перекачивания сжиженного природного газа 292
09.07.2020 Дмитрий Рогозин посетил пермские НПО "Искра" и Протон-ПМ 205
09.07.2020 СМЗ повышает производительность оборудования 205
09.07.2020 Проекты "Тракторных заводов" одобрены для включения в Комплексную программу социально-экономического развития Чувашской Республики 202
09.07.2020 "Эко Нива-АПК" посетила Ростсельмаш 195
08.07.2020 Воронежсельмаш оборудует во Владимирской области элеваторный комплекс 192
08.07.2020 Новая станция обслуживания для электробусов КАМАЗ открывается в Москве 191
08.07.2020 Новый двигатель разработки ОДК пройдет испытания в термобарокамере ЦИАМ 191
08.07.2020 В России создана лаборатория по развитию квантового искусственного интеллекта 190
09.07.2020 Скорость контейнерных поездов Китай – Европа по сети РЖД выросла на 29% в июне до 1328 км в сутки 189
07.07.2020 Предприятие "Техмаша" наращивает мощности по выпуску клапанов для аппаратов ИВЛ 188
08.07.2020 На Севмаш придет пятый призыв научно-производственной роты 186
09.07.2020 ТОНАР поставил партию самосвальных прицепов в Башкирию  185
08.07.2020 Судоверфь в Приморье начала строительство мощнейшего атомного ледокола 185
09.07.2020 "Швабе" участвует в промышленном онлайн-форуме "Иннопром-2020" 184
09.07.2020 "Дончаки" работают за Полярным кругом 184
08.07.2020 На Учалинском ГОКе внедряется система визуализации месторождений 183
08.07.2020 Стартовал набор в инженерную школу по направлению "Авиамоделирование" 183
09.07.2020 На "КАМАЗе" тестируют программу по распознаванию лиц 182
07.07.2020 "Технодинамика" создала прибор для бортовой системы самолетов нового поколения 180
07.07.2020 КАМАЗ удостоен благодарности от президента России 180
08.07.2020 Вертолеты России передали два вертолета Ми-8АМТ "Русским вертолетным системам" 178
08.07.2020 "Прогресс МС-13" готовят к расстыковке 177
07.07.2020 Глава Мордовии Владимир Волков провел рабочую встречу с новым руководством компании "РМ Рейл" 177
07.07.2020 Ростсельмаш и Ставропольский край: новый этап сотрудничества 174
07.07.2020 "Технодинамика" Ростеха обсудила с пермскими оборонщиками выполнение ГОЗ и перспективы "Тосочки" 174
13.07.2020 Промышленность России: итоги I полугодия 2020 года 173
10.07.2020 СНСЗ начал заливку корпуса восьмого корабля ПМО 172
10.07.2020 ПАО "Уралхиммаш" завершило поставку оборудования для производства МАН СИБУР холдинга 169
09.07.2020 Петрозаводскмаш завершил кольцевые швы на главных циркуляционных насосах для АЭС "Руппур" 169
07.07.2020 Российский завод начал поставки самосвальных надстроек в Швецию 167
13.07.2020 Ростсельмаш создал центр для развития проектов мирового уровня в области цифровизации АПК 164
07.07.2020 В ПГК оцифровали ремонт вагонов 159
08.07.2020 Учащиеся Техноклассов РусГидро воссоздадут модели самолетов времен ВОВ, на которых прошли боевой путь авиаторы – родственники работников энергохолдинга 158

Опубликовано: 14 ноября 2017 г.

Система автономного вождения Delphi научилась соблюдать правила благодаря искусственному интеллекту

Источник информации: Пресс-служба компании Delphi

Развитие систем автономного вождения меняет технологическую основу транспорта. Это можно сравнить с переходом от "Дикого Запада" к новой эпохе.

Вы можете привести свою аналогию, но один факт остается очевидным: в настоящее время возможности в сфере разработки систем автономного вождения очень широки, несмотря на высокий уровень конкуренции в этой области. Многие компании выбирают различные пути и подходы к созданию первой системы автономного вождения, адаптированной для серийного производства. В то же время формулируются новые правила и технологические концепции становятся реальностью.

Суть в том, что в соревновании по созданию систем полностью автономного вождения не существует каких-либо общепринятых правил.

Тем не менее платформа Delphi Centralized Sensing Localization Planning (CSLP) создана на базе предустановленных обобщенных правил, описывающих основные безопасные действия автомобиля, и использует искусственный интеллект (ИИ) для выбора оптимального пути. Это означает, что инструкции или набор правил, которым должен следовать автомобиль, закладываются в алгоритм. Таким образом мы получаем транспортное средство, способное принимать решения с помощью искусственного интеллекта.

Однако правила существуют не для всех ситуаций, по крайней мере в настоящий момент. По одной простой причине — пока что ни одному из игроков просто-напросто не удалось провести всех испытаний. Собственно, в том числе поэтому множество беспилотных автомобилей постоянно испытываются по всему миру — они собирают данные. Затем эти данные используются для каталогизации огромного количества возможных ситуаций, с которыми может столкнуться автомобиль, а следовательно, и способов безопасного реагирования.

То, как автомобиль реагирует на ситуацию, зависит от того, что он "видит" и "слышит" с помощью своих датчиков. Существует три типа датчиков: радары, видеодатчики (камеры) и лидары. Некоторые компании используют только один тип датчиков, но платформа Delphi CSLP полагается на все три типа.

Анализируя сигналы от всех датчиков, система автономного вождения Delphi обеспечивает высокую достоверность информации об окружающей обстановке. Почему мы используем датчики всех типов? Потому что у каждого датчика есть своя сильная сторона:

- радар не подвержен воздействию погодных условий;
- лидар обеспечивает высокую точность измерения расстояний, и
- видеодатчик обеспечивает точное распознавание объекта.

Комбинация всех трех датчиков позволяет системе получать всеобъемлющее представление о том, что окружает автомобиль, увеличивая уровень безопасности и надежности.

Искусственный интеллект используется в основном для обработки визуальной информации, тогда как методы машинного обучения применяются для классификации и распознавания объектов. Что такое машинное обучение? Эта концепция исходит из идеи, что компьютер может обучаться без дополнительного программирования точных инструкций, предписывающих реакцию на ситуацию.

Алгоритмы должны быть "натренированы" на распознавание обстановки, окружающей автомобиль. Машинное обучение работает на основе так называемой нейронной сети. Исходя из названия, ее функционирование аналогично работе мозга человека. Она "живет" в автомобиле и классифицирует объекты в режиме реального времени. Так автомобиль может "следовать" определенным правилам. Это очень сложная задача. И это одна из причин, по которой гибридный подход, комбинирующий ИИ и машинное обучение, помогает беспилотным автомобилям принимать решения подобно тому, как это делает человек. В определенных случаях, например при включении красного сигнала светофора или остановке другого автомобиля на пути следования, важно обеспечить торможение вплоть до полной остановки. Но в других ситуациях, например когда пластиковый пакет пролетает над дорогой, хотелось бы, чтобы автомобиль определил, что это не препятствие и можно безопасно продолжить движение.

В случае со сценариями, для которых (еще) не предписаны правила, ИИ принимает решения на основе входящей информации.

"Нейронная сеть знает, что предпринять, только если обучена этим действиям, — объясняет Глен Де Вос (Glen De Vos), технический директор компании Delphi. — Однако невозможно учесть все сценарии, с которыми может столкнуться автомобиль. Вы не всегда можете правильно спрогнозировать, как именно нейронная сеть "заполнит пробелы" и, соответственно, отреагирует на ситуацию, с которой не сталкивалась ранее. В тех случаях, когда автомобиль неспособен что-то распознать, правила, заложенные в нейронную сеть, потребуют от него совершить безопасную остановку. Так что, используя комбинацию правил нейронной сети и искусственного интеллекта, мы сможем охватить практически все возможные ситуации".

             
         Добавить в Google Reader  Читать в Яндекс Ленте

Подписка на почтовую рассылку
Для подписки на почтовую рассылку Вам необходимо войти или зарегистрироваться.

Последний выпуск
 Новости машиностроения   |   Новости компаний   |   Архив новостных рассылок 
© 2020 Портал машиностроения