麦吉尔大学开发新模型 通过AI训练帮助遥控车穿越崎岖地形

※发布时间:2020-5-29 13:53:17   ※发布作者:小编   ※出自何处: 

  盖世汽车讯据报道,麦吉尔大学(McGill University)研究人员开发了一种技术,利用航拍图像和第一人称图像,训练遥控越野车。此种混合方法考虑了地形粗糙度和使用车载传感器带来的障碍,可用于有植被、岩石和沙质小径的。

  该项工作尚在起步阶段,但对于主要依靠摄像头捕获镜头来训练AI的自动驾驶汽车公司而言,如Wayve、特斯拉、Mobileye和Comma.ai等,可能颇具前景。

  黄菊自杀真相

  研究人员将无模型和基于模型的AI训练方法的元素组整合到一个图表中,以利用两者的优势,同时弥补两者的弱点。与无模型方法相反,基于模型的方法利用软件代理,试图理解世界并创建表示世界的模型,但有时会由于级联错误而导致性能低下。而研究人员开发的模型学会沿着无碰撞的轨迹,同时监督,以选择平坦的地形,这样训练数据就会自动被标记。

  研究人员使用的越野车基于一辆电动双马达遥控小型车辆而打造,配备机械制动器,可与运行开源机器人操作系统的(ROS)Intel i7 NUC计算机无线连接。该车还配备一个近程激光雷达传感器、一个前向摄像头、一个惯性测量单元,以及一个微控制器,微控制器将所有传感器信息传输给NUC计算机。

  在将这辆小车部署到全地形场地中之前,研究小组使用DJI Mavic Pro,从80米的高度拍摄场地的图像,然后提取12m*9m的图像补丁,以便定位和居中。同时,使用四个小车测量的视觉地标,这些图像以0.01米每像素的分辨率拍摄,并在0.1米内对齐。

  在训练中,新模型使用惯性测量单元估算地面粗糙度,激光雷达传感器测量车辆与障碍物之间的距离。通过融合车载摄像头图像和本地航拍图像、最近的视觉历史、地形类别标签(例如,“粗糙”、“平坦”、“障碍”),以及一系列转向指令,该模型可以预测在固定视野内的碰撞概率,并据此制定策略。

  研究人员在一段超过5.25公里的行驶线个数据样本,并进行训练和实地试验,使小车以每小时6公里的速度行驶。试验报告显示,使用前向地面摄像头,模型的预测精度达到了60%到78%。而在联合使用航拍图像时,弯道为45度及以上的轨迹预测精度提高了约10%。该策略在平坦地形上行驶的时间为90%,并且与仅使用第一人称图像的模型相比,在粗糙地形中行驶的比例减少了6.1倍以上。

  

相关阅读
  • 没有资料