MIT entwickelt neue Technologien: Fahrerlose Autos können auch ohne Karten navigiert werden: CSAIL, ein MIT-angeschlossenes Labor, rüstete den fahrerlosen Toyota Prius mit einem neuen System aus, das auf Landstraßen eingesetzt werden kann.
Bis heute haben sich viele unbemannte Fahrzeuge, die auf der Straße getestet wurden, entweder auf sehr detaillierte 3D-Karten verlassen oder das System hat es Fahrzeugen ermöglicht, in gut charakterisierten städtischen oder Autobahnumgebungen zu navigieren.Die Mehrheit der US-Straßen war jedoch nicht genau Karten in 3D-Karten oder nicht in der Lage, konsistente Spurmarkierungen zuverlässig zu liefern, deshalb hat das MIT-Team des Laboratoriums für Informatik und Künstliche Intelligenz (CSAIL) eine Methode entwickelt, die fahrerlosen Autos das Lesen ermöglicht Und die lokale Umgebung prognostizieren, anstatt sich auf 3D-Kartendaten zu verlassen.
CSAIL-Doktorand Teddy Ort sagte: "Dieses" No-Map "-Modell wurde noch nie zuvor getestet, da es oft schwierig ist, die Genauigkeit und Zuverlässigkeit von detaillierten Karten zu haben Das Navigieren von Fahrzeugsensoren zeigt das Potenzial von fahrerlosen Autos, die mit Straßenzuständen umgehen können, die über die Karten von Technologieunternehmen hinausgehen.
Die Forscher entwarfen einen Bericht, der das System beschreibt, das im Laufe des Monats auf der Internationalen Konferenz für Robotik und Automatisierung (ICRA) in Brisbane, Australien, vorgestellt wird, um das System zu testen Der Toyota Prius ist mit einem Lidar, Sensoren und MapLite ausgestattet.Dieser Prius kann Straßenbedingungen 30 Meter voraus "sehen" und erfolgreich auf einer Anzahl von unbefestigten Landstraßen in Massachusetts fahren.
Die Forscher sagten in dem Bericht: "Dies bedeutet, dass es das Auto mit Geschwindigkeiten von über 100 Stundenkilometern laufen lässt, und wenn die Methode parallelisiert und auf der GPU implementiert werden kann, kann das Auto schneller reisen."
Olt erklärte, dass sich ihr System auch von anderen "No-Map" -Modellen unterscheidet, die das maschinelle Lernen zum Trainieren des Systems nutzen: Sie verwenden Daten von einer Reihe von Straßen, testen ihre Muster und wenden sie auf andere Straßen an. Im Gegensatz dazu versucht MapLite, ein Modell der Bedingungen zu entwickeln, denen das fahrerlose Auto begegnen kann, und informiert es dann über sein Verhalten, das sich nicht wesentlich von dem unterscheidet, das menschliche Fahrer in vertrauten Situationen fahren.
Olt sagte: "Am Ende hoffen wir, weitere Fragen zu Autos stellen zu können, wie" Wie viele Straßen werden an dieser Kreuzung zusammengelegt? "Wenn wir das Modellsystem verwenden oder ein Unfall passiert, können wir besser arbeiten Verstehe warum.
Obwohl ein System wie MapLite mehr Möglichkeiten für die Entwicklung von fahrerlosen Autos eröffnen kann, ist es noch ein langer Weg bis es in Betrieb genommen wird: Die Forscher behaupten, dass ihre Systeme die Höhenänderungen nicht erklären können, so dass die Bergstraße nicht mehr zu bewältigen ist. Sprich: "Ich denke, die zukünftigen fahrerlosen Autos werden immer 3D-Karten in städtischen Gebieten verwenden. Wenn wir auf entlegenen Landstraßen fahren, müssen diese Fahrzeuge in der Lage sein, auf sie zu reagieren, als wären sie auf seltsamen Straßen. Wir hoffen, dass unsere Bemühungen einen großen Schritt in diese Richtung machen werden. "