Самые популярные новости недели
15.02.2018 IV Уральский саммит "Удвоение производительности" пройдёт в Екатеринбурге с 26 по 28 марта 2018 года 947
15.02.2018 В Думе пройдет выставка, посвященная авиационной науке 944
16.02.2018 Объем инвестиций в московскую ОЭЗ превысит 23 млрд. рублей 833
16.02.2018 "Сименс" и "ОТЭКО" приступят к цифровизации и модернизации сортировочной горки "Панагия" 820
15.02.2018 "КАМАЗ" представляет свои возможности в производстве сельхозтехники на Поволжском агропромышленном форуме 560
15.02.2018 НПК "Объединенная Вагонная Компания" поставит грузовые вагоны в Гвинею 480
15.02.2018 Генеральный директор Севмаша стал победителем первого всероссийского конкурса наставников 469
16.02.2018 В 2017 году почти 60% производственных отходов воронежской площадки СИБУРа было передано на переработку  466
15.02.2018 Улан-Удэнский ЛВРЗ в 2017 году получил экономический эффект на 13 млн руб. от внедрения рацпредложений 466
16.02.2018 Корпорация "МиГ" представила новую систему менеджмента качества для авиастроительной отрасли 460
16.02.2018 "Швабе" ускорит производство приборов ночного видения 455
16.02.2018 "КАМАЗ" окажет содействие в развитии экономики Димитровграда 451
16.02.2018 Dassault Systèmes запускает площадку для промышленной электронной торговли 449
19.02.2018 В Госдуме обсудят цифровую экономику 411
15.02.2018 "Росатом" планирует построить в Ставропольском крае ветроэлектростанции общей мощностью до 400МВт. 376
20.02.2018 Минпромторг России и Министерство экономики Республики Сербии ведут работу по согласованию текста Меморандума о взаимопонимании 340
20.02.2018 Александр Новак встретился с Министром промышленности и энергетики Азербайджанской Республики Парвизом Шахбазовым 336
15.02.2018 AGCO-RM представляет инновационные самоходные опрыскиватели Challenger RoGator С серия 328
16.02.2018 "ТрансФин-М" и "Майнинг Солюшнс" подписали соглашение о сотрудничестве 327
16.02.2018 "Газпром нефть" совместно с Росприроднадзором разработает требования к отраслевой системе мониторинга воздуха 318
16.02.2018 Завершены заводские испытания многоцелевого истребителя МиГ-35 318
20.02.2018 ФРТП и РСПМ подписали соглашение о сотрудничестве 312
19.02.2018 Наработка российско-французских двигателей SaM146 на авиалайнерах SSJ100 "Аэрофлота" превысила 300000 часов 291
19.02.2018 Министр обороны проверил организацию работы на заводе "Красмаш" 286
19.02.2018 Росводресурсы установили режимы работы Волжской ГЭС 282
19.02.2018 "Краснокамский РМЗ" начал поставки сельхозтехники в Азербайджан 267
19.02.2018 Oracle покупает компанию Zenedge 266
19.02.2018 "Вертолеты России" передали Минобороны партию Ми-8МТВ-5-1 263
20.02.2018 Ростех и Роскосмос будут сотрудничать в сфере госзакупок 255
19.02.2018 Северная железная дорога и ПАО "Северсталь" подписали меморандум о сотрудничестве 254
20.02.2018 РЖД и ЕВРАЗ заключили пятилетний контракт на поставку рельсовой продукции 250
20.02.2018 Центр разработки спецтехники двойного назначения создан на ЧТЗ 244
21.02.2018 В Думе прошла выставка, посвященная авиационной науке 242
20.02.2018 "Швабе" заключил соглашение о сотрудничестве с Белгородским университетом 240
21.02.2018 Василий Осьмаков рассказал о задачах ГИСП 228
21.02.2018 Вячеслав Кравченко выступил на круглом столе "Модернизация объектов электрогенерации: источники финансирования" 225
20.02.2018 Железнодорожная дистанция под Воркутой обеспечена дизель-генератором ПСМ 217
20.02.2018 ПО "Севмаш" приняло участие в конференции "60 лет атомному подводному флоту России" 213
20.02.2018 Депутаты Госдумы РФ посетили "КАМАЗ" 209
21.02.2018 Agile и Lean: выживает только шустрый! 198
19.02.2018 КАМАЗ поставляет автотехнику для ЮАР 198
21.02.2018 КАМАЗ поставляет технику для коммунальщиков Татарстана 195
21.02.2018 Балткран: Новые заказы на портальные краны для Сибири и Белоруссии 192
21.02.2018 В "ОДК-Пермские моторы" подвели итоги за 2017 год 188
21.02.2018 Omnicomm представил бортовой терминал OKO 187
21.02.2018 Компания AspenTech приобретает Apex Optimisation, компанию-разработчика универсальной технологии динамической оптимизации (GDOT) 183
21.02.2018 Камазовцы - в числе лучших инженеров России 180
21.02.2018 ВИЛС запатентовал новый сплав для авиакосмической техники 178
21.02.2018 ОНПП "Технология" инициировало создание научно-технического совета кластера авиационно-космических технологий Калужской области 175
21.02.2018 УрГЭУ подготовил программу по управлению персоналом на металлургических предприятиях 152

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