MapLite 시스템은 도로 상태 모니터링을위한 lidar 및 IMU 센서뿐만 아니라 (OpenStreetMap에서 가장 기본적인 지형도를 사용하는) 글로벌 포지셔닝 시스템을 결합합니다.
이 시스템은 GPS를 통해 자동차의 지리적 위치 정보를 얻을 수 있으며이 정보를 사용하여 최종 목적지 및 자동차의 시야에서 '지역'목표를 식별 한 다음 온보드 센서를 사용하여 이러한 장소에 도달하는 지점을 생성 할 수 있습니다. 도로의 가장자리를 추정하기위한 경로 및 레이저 레이더 사용이 시스템은 교차로 또는 특수 도로에서 무엇을해야하는지 알 수있는 범용 매개 변수 기반 모델이 미리 조립되어 있습니다.
이 시스템은 Uber의자가 운전 차량과 관련된 최근의 사망과 같은 미래의 사고를 예방하는 데 도움이 될 수 있습니다.
현재까지 실제 도로에서 테스트 한 많은자가 운전 차량은 속도 제한, 차선 및 간판을 식별하기 위해 잘 표시된 3D 맵이 필요할 수 있습니다. 그러나 시골 도로에서는 이러한 표시가없는 경우가 많습니다.
따라서 MIT CSAIL 팀은 3D지도 데이터를 사용하는 대신자가 운전 차량이 로컬 환경을 인식하고 예측할 수있는 방법을 개발했습니다.
컴퓨터 과학 및 인공 지능 연구실의 대학원생 인 테디 오트 (Teddy Ort)는 다음과 같이 말했습니다. '세부 맵과 동일한 정확도를 얻는 것이 종종 어렵 기 때문에 이러한'불투명 한 '접근법은 실제로 달성되지 않았습니다. 섹스와 신뢰성 : 이러한 시스템은 온보드 센서를 통해 탐색 할 수 있습니다.이 센서는 기술 회사가 페인트 칠하지 않은 몇 가지 도로를 실제로 처리 할 수있는자가 운전용 자동차의 잠재력을 보여줍니다.
연구자들은 이달 말 호주 브리즈번에서 열리는 ICRA (International Conference on Robotics and Automation)에서 발표 될 시스템을 설명하는 논문 초안을 작성했다.
이 시스템을 테스트하기 위해 그들은 Toyota Prius라는자가 운전용 자동차 용 라이더, 센서 및 MapLite를 장착했으며 Prius 자동차는 매사추세츠 주 데본 (Devon)에있는 도로에서 약 10 피트 (약 3m) 이상 떨어진 곳에서 통과했습니다. 포장되지 않은 농촌 도로가 성공적으로 탐색됩니다.
Ott는 그들의 시스템이 시스템을 훈련시키기 위해 기계 학습을 사용하는 다른 '맵 없음'방법과 다르다고 설명했다.
연구자들은 그들의 시스템이 빠르게 변화하는 환경을 처리 할 수 없다고 말했기 때문에 산을 항해하는 것은 불가능했습니다.
오트 (Ott)는 다음과 같이 말했다. "장래의자가 운전 자동차는 항상 도시 지역에서 3D지도를 사용한다고 상상해 볼 수 있습니다. 그러나 외딴 도로에서 출발하라는 요청을 받으면이 차량은 인간과 같을 필요가 있습니다. 이상한 길에서의 운전. 우리의 작업이이 방향으로가는 한 걸음이기를 바랍니다. "