Ny AI gør det muligt for autonome køretøjer at tilpasse sig udfordrende vejrforhold

Forskere ved Oxford University's Department of Computer Science har i samarbejde med kolleger fra Bogazici University, Tyrkiet, udviklet et nyt kunstig intelligens (AI) system, der gør det muligt for autonome køretøjer (AV'er) at opnå sikrere og mere pålidelig navigationsevne, især under ugunstige vejrforhold og GPS-afviste kørselsscenarier. Resultaterne er blevet offentliggjort i dag i Nature Machine Intelligence .

Yasin Almalioglu, som afsluttede forskningen som en del af sin DPhil i Institut for Datalogi, sagde:"Vanskeligheden for AV'er med at opnå præcis positionering under udfordrende ugunstigt vejr er en væsentlig årsag til, at disse har været begrænset til relativt små forsøg. til nu. For eksempel kan vejr såsom regn eller sne få en AV til at registrere sig selv i den forkerte vognbane før et sving eller til at stoppe for sent i et vejkryds på grund af upræcis positionering."

For at overvinde dette problem udviklede Almalioglu og hans kolleger en ny, selvovervåget dyb læringsmodel til estimering af ego-motion, en afgørende komponent i en AV's køresystem, der estimerer bilens bevægelige position i forhold til objekter observeret fra selve bilen. Modellen samlede rigt detaljeret information fra visuelle sensorer (som kan forstyrres af ugunstige forhold) med data fra vejrimmune kilder (såsom radar), så fordelene ved hver enkelt kan bruges under forskellige vejrforhold.

Modellen blev trænet ved hjælp af adskillige offentligt tilgængelige AV-datasæt, som inkluderede data fra flere sensorer såsom kameraer, lidar og radar under forskellige indstillinger, herunder variable lys-/mørkeniveauer og nedbør. Disse blev brugt til at generere algoritmer til at rekonstruere scenegeometri og beregne bilens position ud fra nye data. Under forskellige testsituationer påviste forskerne, at modellen viste robust ydeevne i al slags vejr, inklusive forhold med regn, tåge og sne, såvel som dag og nat.

Holdet forventer, at dette arbejde vil bringe AV'er et skridt tættere på sikker og jævn autonom kørsel i al slags vejr og i sidste ende en bredere anvendelse i samfundet.

Professor Niki Trigoni, fra Department of Computer Science ved Oxford University, som var med tilsyn med undersøgelsen, sagde:"Den præcise positioneringsevne giver grundlag for adskillige kernefunktioner af AV'er såsom bevægelsesplanlægning, forudsigelse, situationsbevidsthed og kollisionsundgåelse . Denne undersøgelse giver en spændende komplementær løsning til AV-softwarestakken for at opnå denne evne."

Professor Andrew Markham (Department of Computer Science, Oxford University), også medvejleder for undersøgelsen, tilføjede:"At estimere den præcise placering af AV'er er en kritisk milepæl for at opnå pålidelig autonom kørsel under udfordrende forhold. Denne undersøgelse udnytter effektivt den komplementære aspekter af forskellige sensorer for at hjælpe AV'er med at navigere i vanskelige daglige scenarier." + Udforsk yderligere

Data om dårligt vejr kan hjælpe autonome køretøjer med at se