Самые популярные новости недели
13.06.2018 В Москве состоялся IT-Форум "Российские решения T-FLEX PLM" 685
13.06.2018 На заседании "Росспецмаша" обсудили проблемы отрасли 653
13.06.2018 Ассоциация "Росспецмаш": введение таможенных пошлин на пищевое оборудование не приведет росту цен на продукты питания 577
14.06.2018 Опубликован мониторинг ситуации в промышленности России по итогам мая 2018 года 567
13.06.2018 Денис Мантуров провел совещание по подготовке к "Гидроавиасалону-2018" 561
14.06.2018 Объявлены 39 новых номинантов Национальной премии "ПРИОРИТЕТ-2018" 554
14.06.2018 Астрахань включается в национальную систему квалификаций в судостроении 526
15.06.2018 Инновации оказались успешными для bauma CTT RUSSIA 2018 491
13.06.2018 АЙПЛ Консалтинг представила проект "Производство 4.0. Интеграция оборудования и бизнес-приложений в литейном производстве" на конференции МОРИНТЕХ-ПРАКТИК 450
13.06.2018 Federal-Mogul Powertrain разработала новые поршневые кольца для использования в двигателях коммерческих автомобилей 418
13.06.2018 "НЕФАЗ" представил облегчённый самосвальный полуприцеп 407
14.06.2018 Ростсельмаш начал поставлять сельхозтехнику по программе льготного кредитования 376
14.06.2018 ЧТЗ поставил в Казахстан уникальные бульдозеры 374
14.06.2018 Московский НПЗ "Газпром нефти" завершил монтаж крупногабаритного оборудования современной установки переработки нефти "Евро+"  371
14.06.2018 Подведены итоги IV Корпоративного Чемпионата ОАК по стандартам WorldSkills 362
13.06.2018 ОХК "Щекиноазот" приобрела 295 вагонов-цистерн производства "ТихвинХимМаш" 351
13.06.2018 В решение Appius-PLM встроен визуализатор 3D-моделей различных CAD-систем  347
13.06.2018 "КАМАЗ" продемонстрировал первый беспилотный электробус 344
15.06.2018 Концерн "Калашников" завершил сделку по приобретению Кингисеппского машиностроительного завода и Дизельзипсервис 327
15.06.2018 Аудиторы оценили процесс модернизации тепловозов на ШААЗе 326
15.06.2018 Новая кафедра МФТИ на базе ОАК начала набор студентов 320
15.06.2018 Компания 3М представляет последнее изобретение в классе промышленных клейких лент 313
15.06.2018 ОДК представит на MIOGE 2018 новейшие решения для транспорта газа и энергогенерации 311
15.06.2018 Краснокамский РМЗ в восьмой раз подтвердил сертификат ISO 9001:201 305
15.06.2018 Уралмашзавод произвел первую в России шахтную подъемную машину 290
13.06.2018 В 2018 году экспорт сельхозтехники CLAAS в Казахстан увеличится на треть 276
19.06.2018 РОТЕК поможет сохранить природу озера Байкал 77
19.06.2018 На Севмаше установили уникальный прессогибочный комплекс 75
19.06.2018 Более 600 инженеров в прямом эфире посмотрели презентацию nanoCAD Plus 10 74
19.06.2018 Schneider Electric открыла центр Инноваций в ОЭЗ "Иннополис" в Республике Татарстан 71
19.06.2018 Судно связи "Иван Хурс" завершило государственные испытания 69
19.06.2018 АО "ОКБМ Африкантов" оснастило вентиляционным оборудованием новую станцию метро в Нижнем Новгороде 67
19.06.2018 ОЭМК подтвердил соответствие международным стандартам 64
19.06.2018 CLAAS: Высокая урожайность втрое снижает расход топлива комбайна TUCANO 580 64

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 
© 2018 Портал машиностроения