Selbstfahrende Autos sind darauf angewiesen, ihre Umgebung durch Lesen von Karten zu kennen. Es wurde angenommen, dass diese Karten sehr detailliert sein müssen und dass das Generieren und Aktualisieren dieser komplexen Karten eine der größten Hürden bei der Entwicklung einer selbstfahrenden Zukunft darstellt.
Aber Teddy Ort, ein Doktorand in Robotik am Labor für Informatik und künstliche Intelligenz des Massachusetts Institute of Technology, hat eine neue Sichtweise auf Karten, die ihre Komplexität und Größe radikal reduzieren würden. “Karten für selbst eine kleine Stadt tendieren dazuGigabyte groß sein; um auf das ganze Land skaliert zu werden, benötigen Sie unglaublich schnelle Verbindungen und massive Server. “ sagt Ort.
Vereinfachte globale Karte könnte auf ein Flash-Laufwerk passen
Ort sagt Die Karten, die wir selbstfahrenden Autos zuführen, müssen nicht so komplex sein wie bisher angenommen.
"Aber für unseren Ansatz könnte eine globale Karte auf ein Flash-Laufwerk passen."
Zum Beispiel benötigen selbstfahrende Autos möglicherweise nicht alle Informationen für die Umgebung wie Bordsteinhöhen und Straßenrandmerkmale. Stattdessen benötigt das GPS-System eines selbstfahrenden Autos nur eine sehr minimalistische Karte und deren Sensoren, mit denen es vorwärts navigieren würdezu einem 'Wegpunkt'.
Anstatt alles um sich herum zu verstehen, navigiert das System entlang der Straße in eine allgemeine Richtung. Ähnlich wie menschliche Fahrer auf einer neuen oder unbekannten Straße navigieren.
MIT hat die Technologie getestet, genannt MapLite auf ruhigen Landstraßen in seinem Heimatstaat Massachusetts. Das System muss in komplexen Straßenumgebungen, die mehrere Fahrspuren, Wenden und andere ausgefeilte Straßenregeln umfassen, weiter ausgiebig getestet werden.
„Dies kann jedoch in allgemeinen Umgebungen funktionieren“, sagt Prof. Daniela Rus, die das Labor leitet. „Dies ist ein allgemeiner Ansatz zum Aufbau autonomer Drive-by-Wire-Systeme, die nicht von dichten Feature-Maps abhängen.“
Die Forschung wird vom Toyota Research Institute unterstützt und das Testauto des Labors ist ein Toyota Prius. Weltweit wird viel über selbstfahrende und autonome Autos geforscht.
Jedes selbstfahrende Labor muss sich mit Navigationsfragen befassen.
Jedes Labor verfolgt einen anderen Mapping-Ansatz und Navigation . Einige Labore haben sich darauf konzentriert, detaillierte Karten zu erstellen, die bodengestützte Relais verwenden, um GPS-Daten zu erweitern. Andere haben versucht, sich von der Abhängigkeit von Kartendaten zu lösen, und verwenden maschinelles Lernen, um Lehren aus Erfahrungen auf einer Straße auf die Straße zu übertragenProbleme, die von einer anderen Straße ausgehen.
MIT sagt, dass sie einen einzigartigen Ansatz für das Problem verfolgen, indem sie sich nicht nur auf maschinelles Lernen auf der Grundlage neuronaler Netze verlassen. „Wir verwenden maschinelles Lernen, um herauszufinden, auf welcher Straße es sich befindet“, sagt Ortein modellbasierter Ansatz. Wenn es nicht so funktioniert, wie wir es uns vorgestellt haben, können wir es beheben. “
Das Team gibt zu, dass es zwar von den bisherigen Fortschritten begeistert ist, aber noch viel zu tun hat. „Der größte konzeptionelle Nachteil ist die Überprüfung“, sagt Ort. „Eine detaillierte Karte bedeutet, dass jemand darüber gefahren ist und eine Messe gemacht hatViele Tests haben gezeigt, dass es sicher ist - es hat sich nicht geändert. Aber wenn Sie noch nie darüber gefahren sind, ist das nicht so. Wir arbeiten daran, die Sicherheit des Fahrens auf einer Straße zu überprüfen, die wir noch nie gesehen habenVor."
Via : MIT