Ученые РФ придумали симулятор, позволяющий обучать беспилотный транспорт

Ученые РФ придумали симулятор, позволяющий обучать беспилотный транспорт

Большие города становятся ещё больше, а это значит, что и количество транспортных средств в них пропорционально увеличивается. Становятся больше и автомобильные потоки, что привело к уже такой привычной “мегаполисной проблеме”, как пробки. Оно и понятно, ведь возможности транспортных сетей отнюдь не безграничны.

Чтобы улучшить ситуацию, нужно проявить комплексный подход. Дело в том, что мало разработать хорошие проекты дорожных сетей, необходимо сделать так, чтобы данные сети хорошо работали, в полном объёме исполняя возложенные на них функции. Кроме того, важно позаботиться о том, чтобы перемещение по дорогам этих сетей было безопасным.

Цели и сложности

Главными задачами, которые необходимо решить, являются:

уменьшение негативных последствий экологического толка, которые наносит автотранспорт природе;

увеличение безопасности как автотранспорта, так и езды в целом;

повышение эффективности использования дорог.

Учёные, инженеры и целые технокомпании работают в этих направлениях. Дело в том, что задачи, о которых говорилось выше, не могут быть решены, если не использовать математические модели дорожно-транспортных систем. Именно применение моделирования, используя математические методы для разрешения данных задач, позволяет выявить такие характеристики, как усреднённая скорость, плотность потоков, параметр временных затрат и т.д.

Управлять автопотоками – это не стадо коров пасти. Главная трудность заключается в том, что за рулём “железного коня” сидит обычный водитель, а у каждого человека своя реакция на происходящее на дороге. Даже в похожих ситуациях один и тот же автолюбитель среагирует по-разному, а это означает, что спрогнозировать поведение человека за рулём достаточно проблематично.

пример автобуса-беспилотника будущего

Решить вопрос непредсказуемости водителей можно с помощью внедрения беспилотного транспорта, где управленческие функции человека возложены на искусственный интеллект (искин). Такие машины в настоящее время не только придумываются, но даже ездят по дорогам.

Интеллект, пусть и искусственный, является отнюдь не обычной программой, которая работает на основе раз и навсегда “вбитых” в неё алгоритмов. Искины, как и простых водителей, нужно учить. Для этого им нужны примеры как возможных ситуаций, которые могут произойти в процессе езды по дорогам, так и примеры действий, помогающих благополучно из этих ситуаций выпутаться.

В настоящий момент задача обучения автоискинов возложена на плечи специально обученных людей. Такой человек садится за руль подобной машины и отправляется в путь, где искусственный интеллект проходит обучение путём набора необходимого ему опыта. Естественно, что учебный процесс, построенный на этих принципах, не может похвастать особой эффективностью, поскольку такая учёба не только затратна в плане времени, но и не в состоянии научить искин вариантам действий во всех ситуациях, которые могут произойти на дороге. Теперь в этом деле возможны позитивные подвижки.

Прогресс “автопедагогики”

Российские научные работники из МТУСИ (Московский технический университет связи и информатики) создали симулятор, с помощью которого можно обучать искины автобеспилотников, причём затрачивая на это меньше времени и усилий вычислительного плана. Добиться успеха удалось благодаря использованию современных технологий в области искусственного интеллекта. Результаты данного труда размещены на страницах журнала Sensors.

По словам М. Городничева, являющегося деканом факультета “Информационных технологий” МТУСИ, их придумка имитирует среду реального города и позволяет формировать разного рода ситуации, уменьшая время, необходимое для обучения “искусственных водителей”. Деятелями науки для такого полезного дела был придуман метод, благодаря которому реальную обстановку можно смоделировать после первой же поездки на автомобиле.

Речь идёт о новой системе, которая позволяет цифровым способом систематизировать транспортно-инфраструктурные объекты, что осуществляется с помощью свёрточных нейронных сетей. Это даёт возможности искину автообучающего имитатора формировать объекты окружающей обстановки, а потом помещать их в виртуальное пространство.

Для достижения успеха, по словам Городничева, учёные создали проект самой системы. Затем была проведена модификация и разработка нейронной сети, с помощью которой возможно производить не только классификацию объектов, но и модифицировать их, уменьшив сложности, возникающие в процессе вычислений. Всё это применяется в созданном “виртуальном имитаторе”, что сказывается на эффективности учебного процесса для автобеспилотных искинов, поскольку вычислительных трудностей стало меньше, как и затраченного на обучение времени.

5.0/5.0 Оценки
1 Оценка
Была ли эта статья полезной? Пожалуйста, оцените эту статью, чтобы дать нам ценную информацию для наших улучшений.
  1. Супер!
  2. Мне нравится
  3. Ничего нового
  4. Так себе
  5. Я зол
Понравилась статья? Поделитесь ей в соц сетях или в мессенджер
Оставить комментарий

Оставить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

3 × один =