Самые популярные новости недели
12.10.2018 Тамбовские предприятия планируют совместную работу с Концерном "Техмаш" 730
12.10.2018 ABB представляет IRB 1100 – своего самого компактного и легкого 6-осевого робота 720
12.10.2018 МОЭСК модернизирует оборудование 9 московских подстанций 706
12.10.2018 Катер проекта Р1650 "Рондо" отправился к месту постоянного базирования 704
12.10.2018 Павел Сорокин провел совещание о формировании Экспертного Совета по вопросам технологического развития нефтегазовой отрасли при Минэнерго России 577
12.10.2018 На "КАМАЗе" модернизируют оборудование 558
12.10.2018 Денис Мантуров встретился с Послом Португалии в России Паулу Визеу Пинейру 555
12.10.2018 Диверсификация производства – ресурс развития авиастроения 469
12.10.2018 ИПЕМ: Промышленность России: итоги 3-х кварталов 2018 года 465
12.10.2018 Омсктрансмаш забрендировал плавающий транспортер 463
12.10.2018 LADA XRAY Cross – старт производства 461
12.10.2018 Погрузка на Юго-Восточной железной дороге в сентябре 2018 года превысила 7,5 млн тонн 459
12.10.2018 Металлоинвест и Группа ЧТПЗ обсудили возможность увеличения поставок с ОЭМК стали для производства труб 405
12.10.2018 Московский НПЗ поделился видением предприятия будущего на Российской энергетической неделе 394
12.10.2018 Ижорские заводы заключили контракт на изготовление транспортных шлюзов для пятого и шестого энергоблоков АЭС Куданкулам 378
12.10.2018 АЦБК и РОТЕК подписали контракт на поставку паровой турбины стоимостью 1 млрд рублей 378
15.10.2018 А. Яновский провел первое заседание рабочей группы по соединению энергосистем России, Ирана и Азербайджана 369
15.10.2018 Портальные обрабатывающие центры СТАН готовы к сдаче 365
15.10.2018 "Технодинамика" разработает технологию "более электрического самолета" 350
15.10.2018 ВИАМ провел обучение специалистов 338
16.10.2018 Россия и Словакия обсудили вопросы двустороннего сотрудничества 330
16.10.2018 РусГидро – партнер Международного саммита молодых ученых и инженеров в Образовательном центре "Сириус" 299
16.10.2018 Внешнеторговое партнерство БЕЛАЗа – 45 стран мира за девять месяцев 2018 года 294
15.10.2018 Прием заявок на "ПРИОРИТЕТ-2018" продлен до 25 октября 286
17.10.2018 В Екатеринбурге обсудили реализацию программы по использованию природного газа в качестве моторного топлива для железнодорожного подвижного состава 280
17.10.2018 На модернизацию "Кузнецова" направят свыше 2 млрд рублей 265
15.10.2018 В Минпромторге России состоялась первое заседание Российско-Армянской рабочей группы по промышленности 258
17.10.2018 На Саратовской ГЭС смонтировали новое рабочее колесо турбины весом в 314 тонн 254
17.10.2018 Разработка "Росэлектроники" позволит автомобилям "видеть" дорогу в полной темноте 252
17.10.2018 Глава РСК "МиГ" назначен вице-президентом ОАК 249
16.10.2018 Уральский турбинный завод поставит турбину мощностью 60 МВт для Архангельского ЦБК 248
15.10.2018 Роскосмос. Госкомиссия приступила к работе на РКЦ "Прогресс" 248
16.10.2018 На ЧТЗ создатели военных двигателей наметили перспективы развития 247
16.10.2018 Школьники и студенты приступили к знакомству с заводской жизнью в рамках осенней акции "Неделя без турникетов" 238
16.10.2018 П. Сорокин принял участие в церемонии открытия завода смазочных материалом в Калужской области 232
18.10.2018 ВСМПО-АВИСМА приняла участие в конференции Международной ассоциации титана 223
18.10.2018 ЦППК заключила с Трансмашхолдингом второй контракт на поставку современных электропоездов "Иволга" для МЦД 222
16.10.2018 М. Котюков ответил на вопросы молодых ученых 216
18.10.2018 Россия и Германия заинтересованы в развитии двусторонней промышленной кооперации 211
18.10.2018 Роскосмос. Рабочий визит в РКЦ "Прогресс" 209
15.10.2018 Семинар по реализации национального проекта прошел на "КАМАЗе" 206
18.10.2018 Перевозки пассажиров двухэтажными поездами в январе - сентябре выросли на 41% 195
17.10.2018 Руководители компаний сельхозмашиностроения: АГРОСАЛОН - оптимальная выставочная и деловая площадка 193
17.10.2018 МАКД. Всемирная неделя космоса 193
15.10.2018 "Вертолеты России" выполняют контракт по обучению иностранных специалистов 188
17.10.2018 В 2018 году уровень оснащенности подразделений гидрографической службы ВМФ перспективными образцами навигационного оборудования составил свыше 75% 185
16.10.2018 Холдинг "РЖД" экспортирует современные технологии скоростного движения в Сербию 185
15.10.2018 В топ-50 компаний радиоэлектронной отрасли вошли 22 предприятия Ростеха 180
15.10.2018 Предприятие "Калашникова" модернизировало сторожевой катер 173
18.10.2018 "Технофорум-2018": инновационные разработки и идеи в области обработки конструкционных материалов 168

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