Самые популярные новости недели
11.01.2018 Перерабатывающая промышленность ежегодно теряет более $1 трлн. из-за неэффективности традиционных методов техобслуживания 514
11.01.2018 Cредняя стоимость демонтажных работ увеличилась на 15,6% в 2017 году 482
12.01.2018 НПК ОВК выиграла тендер на поставку "Газпромтрансу" 112 вагонов-цистерн для перевозки расплавленной серы 393
11.01.2018 Студент КУБГАУ получил международную стипендию фонда CLAAS  361
11.01.2018 Omnicomm повышает эффективность предприятий нефтегазодобывающей сферы 354
11.01.2018 ЧМК отгрузил полтора миллиона тонн продукции рельсобалочного стана 337
11.01.2018 В ЦИАМ подвели итоги деятельности в 2017 году 332
11.01.2018 "КАМАЗ" подвёл итоги производства за 2017 год 312
12.01.2018 Росэлектроника и "Сименс Здравоохранение" создадут в регионах сеть клинических лабораторий 308
11.01.2018 На корвет "Гремящий" подано штатное электропитание 308
15.01.2018 Объём производства "ПКНМ" в 2017 году превысил 2 млрд рублей 279
12.01.2018 "Уралкуз" проверили железнодорожные эксперты 266
16.01.2018 Сформирован перечень "больших вызовов" для отечественной гражданской авиации, авиастроения и прикладной авиационной науки 265
12.01.2018 Компания "Сухой" передала ВКС России первую в этом году партию бомбардировщиков Су-34 265
15.01.2018 ЧМК впервые отгрузил рельсы для реконструкции космодромов 229
15.01.2018 На "КАМАЗе" принята программа "Качество-2018" 226
15.01.2018 "Протон-ПМ" принял региональный чемпионат WorldSkills 222
15.01.2018 Системный оператор обеспечил режимные условия для реализации второго этапа реконструкции подстанции 220 кВ Районная во Владимире 214
16.01.2018 "ЛокоТех" сформировал молодежный кадровый резерв 213
16.01.2018 На новом энергоблоке №4 Ростовской АЭС началась проверка Ростехнадзора перед энергопуском 213
15.01.2018 Владимир Гутенёв поздравил авиационный комплекс им. С. В. Ильюшина с 85-летием 211
15.01.2018 Компания "100 ТОНН МОНТАЖ" завершила работы по демонтажу, перемещению и погрузке на автотранспорт паровоздушного ковочного молота в Московской области 206
15.01.2018 "КРМЗ" принял участие в создании роботизированных медицинских тренажеров 201
16.01.2018 ЛУКОЙЛ будет поставщиком моторных масел для Мосгортранса в 2018 году 199
16.01.2018 "ЧЕТРА-Комплектующие и запасные части" укрепляет сотрудничество на рынке Индии 199
16.01.2018 НПЦАП внедрил систему управления механообрабатывающим цехом на базе ПП "ПАРУС" 195
16.01.2018 Компания "100 ТОНН МОНТАЖ" выполнила работы по такелажу технологического оборудования на строительстве комплекса глубокой переработки углеводородного сырья в Тюменской обласки 192
16.01.2018 Металлоинвест приобрел для Михайловского ГОКа новые тяговые агрегаты 189
16.01.2018 ОДК поставила газоперекачивающее оборудование на Правдинское месторождение "Роснефти" 179
16.01.2018 ФСК ЕЭС расширила парк спецтехники на Юге России 178
16.01.2018 Группа "Интер РАО" застраховала новые энергоблоки от перерывов в работе почти на 100 млрд рублей 175
15.01.2018 Новые приборы расширили компетенции службы качества АО "Уралхиммаш" 174
17.01.2018 Металлоинвест и НИТУ "МИСиС" создают лабораторию для разработки новых марок стали 170
17.01.2018 Ижорские заводы завершили изготовление блока защитных труб для второго энергоблока Ленинградской АЭС-2  164
17.01.2018 Бесплатный вебинар "Генеративный дизайн в Solid Edge" 162
17.01.2018 Компания "100 ТОНН МОНТАЖ" выполнила замену колесных пар для 15 локомотивов ТГМ8км на Людиновском тепловозном заводе 162
17.01.2018 УрФУ и ТМК проведут работы по лазерному восстановлению изношенных деталей 160
17.01.2018 АО "Уралхиммаш" поставило очередную партию оборудования для Чаяндинского НГКМ (ПАО "Газпром") 158
17.01.2018 Концерн "Созвездие" наращивает НИОКР в сотрудничестве с вузами 156
17.01.2018 Toyota Motor Europe и Dassault Systèmes сотрудничают в рамках цифрового маркетинга нового поколения 156
17.01.2018 АО "ОКБМ Африкантов" отгрузило более тысячи тонн оборудования в 2017 году 154
17.01.2018 Металлоинвест приобрел для Уральской Стали новые тепловозы 148
18.01.2018 3М увеличит инвестиции в производственные комплексы компании в России 117
18.01.2018 В ЦИАМ успешно проведены испытания вентилятора двигателя ПД-14 на птицестойкость 116
18.01.2018 На Бованенковском нефтегазоконденсатном месторождении заработают новые ГТУ пермского производства 106
18.01.2018 ЛУКОЙЛ стал поставщиком масел для ведущего китайского производителя стройтехники – XCMG 101
18.01.2018 Компания CLAAS оказала материально-техническую поддержку трем крупнейшим аграрным ВУЗам 100
18.01.2018 Компания "ИНКОТЕК КАРГО" перевезла для АЭС "Белене" в Болгарии 12300 тонн оборудования  93
18.01.2018 "Швабе" модернизировал производство поляроидов 88
18.01.2018 Российские физики и производители развивают сотрудничество в интересах отечественного сельхозмашиностроения  85

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