سیستم MapLite ترکیبی از یک سیستم موقعیت یابی جهانی (تنها با استفاده از نقشه های توپوگرافی اساسی ترین از نقشه شهری باز)، و همچنین برای نظارت بر شرایط جاده و رادار لیزری جنبش اسلامی ازبکستان سنسور.
این سیستم می تواند اطلاعات موقعیت جغرافیایی خودرو را از طریق GPS به دست آورد و از این اطلاعات برای شناسایی هدف محلی در مقصد نهایی و زمینه دید خودرو استفاده می کند. سپس این دستگاه می تواند از سنسورهای روی آن استفاده کند تا نقاط را برای رسیدن به این مکان ها تولید کند. مسیر و استفاده از رادار لیزر برای برآورد لبه جاده. این سیستم پیش ساخته با تعدادی از مدل های مبتنی بر پارامتر عمومی است که به ماشین اجازه می دهد بدانند چه چیزی در تقاطع یا جاده خاص انجام شود.
این سیستم ممکن است به جلوگیری از حوادث آینده، از قبیل مرگ و میر اخیر که شامل اتومبیل های خود راننده Uber کمک کند.
تا به امروز، بسیاری از ماشین های خود رانندگی که در جاده های واقعی مورد آزمایش قرار می گیرند، اغلب به نقشه های مشخص سه بعدی نیاز دارند تا محدودیت های سرعت، خطوط و نشانه ها را شناسایی کنند. اما در جاده های روستایی، این نشانگرها اغلب غایب هستند.
بنابراین، تیم MIT CSAIL یک روش را ایجاد کرده است که به ماشین های خود راننده اجازه می دهد تا محیط اطراف را تشخیص و پیش بینی کند، نه اینکه تکیه بر داده های نقشه سه بعدی باشد.
تدی اورت، دانشجوی کارشناسی ارشد علوم رایانه و آزمایشگاه هوش مصنوعی، گفت: "این رویکرد" بدون نقشه "واقعا به دست نیامده است، زیرا اغلب دشوار است که به همان دقت به عنوان یک نقشه دقیق دست یابد. سکس و قابلیت اطمینان. سیستم هایی مانند این را می توان از طریق سنسور های روی صفحه نمایش هدایت کرد، که نشان می دهد پتانسیل ماشین های خود رانندگی در واقع به اداره چندین جاده که شرکت های فن آوری نقاشی نشده است.
محققان مقاله ای را توصیف کردند که در کنفرانس بین المللی رباتیک و اتوماسیون (ICRA) منتشر خواهد شد که در ماه جاری در بریزبن استرالیا برگزار می شود.
برای آزمایش سیستم، آنها مجهز به صورت خودکار رانندگی یک ماشین تویوتا پریوس رادار لیزری، سنسورهای و MapLite. پریوس توسط "دیدن" بیش از 10 پا در جلو (در حدود 3 متر) از جاده، بیش از در ماساچوست Devens جاده های روستایی بدون سرپوشیده با موفقیت هدایت می شوند.
اوت توضیح داد که سیستم آنها متفاوت از سایر روش های "بدون نقشه" است که از آموزش دستگاه برای آموزش سیستم استفاده می کنند.
محققان اظهار داشتند که سیستم آنها نمی تواند با محیط های سریع تغییر شکل رفتار کند، بنابراین حرکت در کوه ممکن نیست.
اوت گفت: "من می توانم تصور کنم که خودروهای خودمختار آینده، همیشه از نقشه های 3D در مناطق شهری استفاده خواهند کرد، اما وقتی از ما خواسته می شود از جاده های مجزا شروع کنیم، این وسایل باید مثل انسان ها باشند و آنها هرگز آنها را دیده اند. رانندگی در یک جاده عجیب و غریب. امیدوارم کار ما یک قدم در این مسیر است.