Самые популярные новости недели
15.11.2017 Поведены итоги международной выставки "ТЕХНОФОРУМ-2017" 312
17.11.2017 Опубликован мониторинг состояния промышленности России по итогам октября 2017 года 249
15.11.2017 Подведены итоги выставки China Machinery Fair 2017 218
17.11.2017 На Онежском судостроительном заводе построят новый земснаряд 212
17.11.2017 Сформирована деловая программа выставок "Передовые Технологии Автоматизации. ПТА-Урал 2017" и "Электроника-Урал 2017" 212
16.11.2017 Денис Мантуров: экспорт российской сельхозтехники в 2017 году вырос на 17% 212
16.11.2017 СоюзМаш России провел круглый стол, посвященный Всероссийской акции "Неделя без турникетов" 210
14.11.2017 Россия и Италия укрепляют сотрудничество в сфере совместного развития инноваций 206
17.11.2017 На мастер-классе в Екатеринбурге расскажут, как эффективно управлять организацией с помощью бережливого производства 191
16.11.2017 Предприятиям Липецкой области рассказали об охране труда 187
15.11.2017 Рост цен на сырье и демпинг зарубежных производителей – основные вызовы для российской трубной промышленности 182
14.11.2017 Российские нефтегазовые компании демонстрируют свои возможности на выставке ADIPEC 2017 в Абу-Даби 175
16.11.2017 "Швабе" подтвердил качество испытательной техники 174
20.11.2017 Чувашские машиностроители стали активными участниками форума "Стратегия и практика успешного бизнеса" 173
17.11.2017 На строящемся энергоблоке №2 Ленинградской АЭС успешно завершилось бетонирование шахты реактора и готовятся к установке корпуса  172
16.11.2017 ОАК поэтапно восстанавливает производство ракетоносцев Ту-160 172
16.11.2017 Северная верфь и Норебо договорились о строительстве шести рыбопромысловых судов 172
17.11.2017 "Швабе" инвестирует в обучение будущего поколения специалистов 168
16.11.2017 Компания Allison Transmission представляет новое поколение автоматических коробок передач  165
16.11.2017 АО "Уралхиммаш" изготовило скруббер для Омского НПЗ (ПАО "Газпром нефть") 159
16.11.2017 "РМ Рейл Рузхиммаш" прошел аккредитацию НК "Роснефть" 159
17.11.2017 CLAAS: усовершенствованный JAGUAR повысит эффективность уборки кормовой массы 154
17.11.2017 Московский НПЗ повысил надежность факельной установки 153
15.11.2017 Объем сделок по программам льготного автолизинга от Минпромторга России с начала года превысил 16 млрд рублей 153
16.11.2017 Более 100 пользователей ООО "ЗАРУБЕЖНЕФТЬ-добыча Харьяга" используют систему управления проектными данными Appius-PLM 151
16.11.2017 Московский филиал ПГК ищет пути сокращения простоев вагонов 148
14.11.2017 Система автономного вождения Delphi научилась соблюдать правила благодаря искусственному интеллекту 144
15.11.2017 John Deere выиграл тендер на поставку 11 грейдеров для СУЭК 143
14.11.2017 "Уралкуз" принимает участие в крупнейшем металлургическом форуме 141
14.11.2017 "КАМАЗ" принял участие в бизнес-миссии в Саудовской Аравии 136
14.11.2017 На Казанской ТЭЦ-1 идет монтаж двух турбин Уральского турбинного завода 133
14.11.2017 CLAAS полностью обновляет модельный ряд погрузчиков и выводит на рынок новый продукт 132
14.11.2017 В линейке уборочной техники Massey Ferguson появилось новое оборудование 131
20.11.2017 Представителям КНР рассказали о возможностях войти в технологические цепочки промышленных кластеров в России 130
15.11.2017 ЧТЗ отгрузил военному ведомству партию тракторов-броненосцев 130
14.11.2017 Компания "Металлоинвест" продолжает обновление горной техники 127
20.11.2017 ОАК представила на "Dubai Air Show" масштабную экспозицию российских самолетов 124
15.11.2017 Подтверждена совместимость российского комплекса для аудита и защиты промышленных систем InfoWatch ASAP с оборудованием Schneider Electric  122
15.11.2017 В Сосновый Бор успешно доставлен корпус реактора для строящегося энергоблока №2 Ленинградской АЭС 114
20.11.2017 Коммунальная машина АГРОМАШ МК85ТК МЕТАН заправилась на крупнейшей в Европе АГНКС 113
15.11.2017 "КАМАЗ" и "Металлоинвест" подписали меморандум о поставках высококачественного стального проката 113
20.11.2017 Представители крупнейшей энергетической компании Ирана ознакомились с возможностями холдинга "РОТЕК" 108
20.11.2017 На "КАМАЗе" будет модернизирован конвейер сборки кабин нового модельного ряда 107
20.11.2017 НПК ОВК вошла в ТОП-3 самых быстрорастущих компаний по версии РБК 103
20.11.2017 Компания "Сухой" передала ВКС России очередную партию фронтовых бомбардировщиков Су-34 94
20.11.2017 Изготовленные "Ижнефтемашем" станции управления УЭЦН успешно прошли опытно-промысловые испытания 91
20.11.2017 Энергетики МОЭСК модернизируют оборудование московских подстанций 84
20.11.2017 Проект АО "Уралхиммаш" стал лауреатом Национальной премии "Приоритет – 2017" 83
21.11.2017 Депутаты и эксперты разработали предложения по защите российских радиоэлектронщиков в рамках системы госзакупок 3

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 
© 2017 Портал машиностроения