Исследователи ранее использовали ту же самую конфигурацию датчика и программное обеспечение в испытаниях автономных автомобилей и гольф-каров, таким образом, новое рассмотрение дела заканчивает демонстрацию всесторонней автономной системы подвижности. Ослабленный подвижностью пользователь мог, в принципе, использовать скутер, чтобы спуститься зал и через лобби жилого дома, сесть в гольф-кар через парковку здания и забрать автономный автомобиль на общественных дорогах.Новое рассмотрение дела устанавливает, что алгоритмы контроля исследователей работают в закрытом помещении, а также. «Мы проверяли их в более трудных местах», говорит Скотт Пендлтон, аспирант в машиностроении в Национальном университете Сингапура (NUS) и научный сотрудник в УМНОМ. «Одним из мест, в которых мы проверили, был Коридор Бога MIT, который является очень трудной проблемой локализации, будучи длинным коридором без очень многих отличительных особенностей.
Вы можете потерять свое место вдоль коридора. Но наши алгоритмы, оказалось, работали очень хорошо в этой новой окружающей среде».
Система исследователей включает несколько слоев программного обеспечения: алгоритмы контроля низкого уровня, которые позволяют транспортному средству немедленно ответить на изменения в своей среде, такие как пешеход, бросающийся через его путь; планирующие маршрут алгоритмы; алгоритмы локализации, что использование транспортного средства, чтобы определить его местоположение на карте; строящие карту алгоритмы, которые это использует, чтобы построить карту во-первых; алгоритм планирования, который ассигнует быстроходные ресурсы; и система онлайн-бронирования, которая позволяет пользователям намечать поездки.ОднородностьИспользуя те же самые алгоритмы контроля для всех типов транспортных средств – скутеров, гольф-каров, и городских автомобилей – имеет несколько преимуществ.
Каждый – это, это становится намного более практичным, чтобы выполнить надежные исследования эффективности работы системы.«Если у Вас есть однородная система, где все алгоритмы – то же самое, сложность намного ниже, чем если бы у Вас есть разнородная система, где каждое транспортное средство делает что-то другое», говорит Даниэла Рус, профессор Эндрю и Эрны Витерби Электротехники и Информатики в MIT и одном из лидеров проекта. «Это полезно для подтверждения, что эта многослойная сложность правильна».
Кроме того, с однородностью программного обеспечения, информация, которую приобретает одно транспортное средство, может легко быть передана другому. Прежде чем скутер был отправлен MIT, например, это было проверено в Сингапуре, где это использовало карты, которые были созданы автономным гольф-каром.
Точно так же говорит Марсело Энга, адъюнкт-профессора машиностроения в NUS, который co-leads проект с Русским, в продолжающейся работе исследователи снабжают свои транспортные средства системами машинного обучения, так, чтобы взаимодействия с окружающей средой улучшили выполнение своей навигации и управляли алгоритмами. «Как только у Вас есть лучший водитель, Вы можете легко пересадить это в другое транспортное средство», говорит Энг. «Это – то же самое через различные платформы».Наконец, однородность программного обеспечения означает, что у алгоритма планирования есть больше гибкости в ее распределении системных ресурсов. Если автономный гольф-кар не доступен, чтобы взять пользователя через общественный парк, скутер мог заполнить; если городской автомобиль не доступен для короткой поездки на проселочных дорогах, гольф-кар мог бы быть.Изменение восприятия
Испытание скутера в MIT также продемонстрировало непринужденность, с которой исследователи могли развернуть свою модульную систему аппаратного и программного обеспечения в новом контексте. «Это экстраординарно мне, потому что это – проект, который команда провела приблизительно за два месяца», Русский говорит. День открытых дверей MIT был в конце апреля, и «скутер не существовал первого февраля», Русский говорит.
Исследователи описали дизайн системы скутера и результаты испытания в докладе, который они сделали на прошлой неделе на Международной конференции IEEE по вопросам Интеллектуальных Систем Транспортировки. Присоединяясь Русский, Пендлтон и Энг на бумаге – Вы Инженер Гонконга, который ведет УМНЫЙ проект автономного транспортного средства и четырех других исследователей и из NUS и из УМНЫЙ.Бумага также сообщает о результатах короткого пользовательского обзора, который исследователи провели во время испытания.
Прежде, чем ездить на скутере, пользователей спросили, как безопасный они полагали, что автономные транспортные средства были в масштабе от один до пять; после их поездок их задали тот же самый вопрос снова. Опыт со скутером поднял средний счет безопасности, от 3,5 до 4,6.