澳门银河网游|app下载

  • 在澳门银河网游app发明了训练无人驾驶汽车仿真系统创建了一个逼真的世界具有无限可能性的转向,帮助汽车巡航学习压低实际街道前浏览的最坏情况下的场景的主机。

    在澳门银河网游app发明了训练无人驾驶汽车仿真系统创建了一个逼真的世界具有无限可能性的转向,帮助汽车巡航学习压低实际街道前浏览的最坏情况下的场景的主机。

    全屏

系统列车无人驾驶汽车在模拟他们上路前

在澳门银河网游app发明了训练无人驾驶汽车仿真系统创建了一个逼真的世界具有无限可能性的转向,帮助汽车巡航学习压低实际街道前浏览的最坏情况下的场景的主机。

使用逼真的模拟引擎,车辆学会在现实世界中,以车程,距离近的碰撞情况中恢复。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门银河网游app新闻办公室

在澳门银河网游app发明了训练无人驾驶汽车仿真系统创建了一个逼真的世界具有无限可能性的转向,帮助汽车巡航学习压低实际街道前浏览的最坏情况下的场景的主机。  

控制系统,或“控制器”的自主车在很大程度上依赖于人类驾驶员的驾驶轨迹的真实世界的数据集。从这些数据,他们学会如何以模拟各种情况下安全的转向控制。但危险的真实数据“边缘情况,”比如近崩溃或被迫关闭道路或到其他车道,是 - 幸好 - 罕见。

一些计算机程序,被称为“模拟引擎”,目标是通过绘制详细的虚拟道路帮助训练恢复控制器模仿这些情况。但是从模拟学习的控制从未显示转移到现实的全面车辆。

澳门银河网游app的研究人员解决他们的逼真模拟的问题,所谓的虚拟图像合成和转化为自主性(远景)。它仅使用一个小的数据集,由人在道路上驾驶抓获,从车辆可能需要在现实世界中的轨迹合成的新观点实际上是一个无限数量。控制器奖励它的旅行没有崩溃的距离,所以它必须通过自身学习如何安全地到达目的地。在此过程中,车辆学会安全航行所遇到的任何情况,包括车道之间偏向或接近崩溃中恢复后重新控制。  

在测试中,控制器vista的模拟器中训练的安全是能够被安全地部署到一个全面的无人驾驶汽车,并通过以前看不到的街道导航。在那个模仿各种近乎崩溃的情况下的越野取向的汽车定位,控制器也能够成功地恢复在几秒钟内车子返回到安全行驶轨迹。一个 描述系统已出版 IEEE机器人与自动化字母 并在5月即将举行的会议ICRA呈现。

“这很难在这些边缘的情况下,人类不要在道路上体验收集数据,”第一作者亚历山大·阿米尼,博士生在计算机科学和人工智能实验室(CSAIL)说。 “在我们的模拟,但是,控制系统可以体验到这些情况,学会为自己从中恢复,当在现实世界中部署到车辆保持强劲。”

该工作是与丰田研究所合作完成。在纸接合阿米尼被伊戈尔gilitschenski,在CSAIL的博士后;雅各布·菲利普斯,朱莉娅moseyko和罗汉班纳吉,在CSAIL所有本科生和电气工程和计算机科学系; sertac卡拉曼,航空航天大学副教授;和Daniela RUS,CSAIL的主任和安德鲁和电气工程和计算机科学的尔娜维特教授。

数据驱动的仿真

从历史上看,建筑模拟引擎训练和测试自动驾驶汽车已基本手动任务。企业和高校经常采用的艺术家和工程师团队素描虚拟环境,准确的道路标记,车道,并在树上,甚至详细的叶子。一些引擎也可以结合汽车的相互作用的物理与环境,基于复杂的数学模型。

但因为有这么多不同的事情在复杂的现实环境中来考虑,这是几乎不可能的一切纳入模拟器。出于这个原因,通常有什么之间控制器仿真学会,以及他们如何在现实世界中操作不匹配。

相反,MIT的研究人员创造了什么他们所谓的“数据驱动”仿真引擎,其合成,从真实的数据,新的轨迹与道路的外观,以及距离和运动场景中的所有对象的一致性。

他们首先从人类收集的视频数据拉低几条道路和饲料是进入发动机。对于每个帧,发动机突出的每一个像素到一个型三维点云的。然后,他们把一个虚拟车辆那个世界里。车辆进行转向命令时,发动机通过点云合成一条新的轨迹,基于转向弯道与车辆的方向和速度上。

然后,该引擎将使用新的轨迹,呈现逼真的场景。这样做,它使用了卷积神经网络 - 通常用于图像处理的任务 - 估计的深度图,其包含与从控制器的观点来看的对象的距离信息。然后,它结合了这预测3D场景中相机的方位的技术深度图。所有有助于从虚拟模拟器内的一切精确定位车辆的位置和相对距离。

基于这些信息,重新定位的原始像素重新从车辆的新观点对世界的3D表示。它也跟踪像素的运动捕捉车和人,和其他运动物体的运动,在场景中。 “这相当于给车辆提供可能的轨迹的无限数量,” RUS说。 “因为当我们收集物理数据,我们从具体的轨迹得到的数据,该车将随之而来。但是我们可以修改轨迹覆盖的驾驶的所有可能的方式和环境。这是真的很强大。”

加固从头开始学习

传统上,研究人员一直在通过驱动或试图通过模仿人类的司机或者以下的人定义的规则,培养自主车。但研究人员使他们的控制器完全从头学习的“端对端”框架下,这意味着它作为输入仅原始传感器数据 - 例如道路的视觉观察 - 和,从该数据,预测在输出转向命令。

“我们基本上说,“这里的环境。你想做什么,就可以做什么。只是不撞上车辆,而留在车道内,””阿米尼说。

这需要“强化学习”(RL),一个试错误的机器学习技术,该技术提供了每当轿厢使得错误反馈信号。在研究人员的仿真引擎,控制器通过一无所知如何推动开始,车道标记是什么,甚至是其他车辆的样子,所以它开始执行随机转向角。它只有当它崩溃的反馈信号。在这一点上,它就会被传一个新的模拟位置,并具有执行一套更好的转向角,以避免再次崩溃。在10至15个小时的训练,它使用这些稀疏的反馈信号,从而出行越来越大的距离,没有崩溃。

后模拟驾驶成功万公里中,作者运用所汲取的控制器到他们的全面自主车型在现实世界中。研究人员说,这是第一次一个控制器使用终端到终端的强化学习在模拟训练的成功已经被部署到一个全面的自主轿车。 “那是令我们吃惊。不仅从未在之前一个真正的汽车控制器,但它也从来没有见过的道路,具有人类如何驱动器上没有先验知识,”阿米尼说。

迫使控制器运行通过各种行驶条件下使它能够重新获得失去方向感位置的控制 - 如被关闭一半的道路或到另一个车道 - 并在几秒钟内转向返回到正确的车道。 “和其他国家的最先进的控制器都惨遭失败的,因为他们从来没有见过这样的训练中的任何数据,”阿米尼说。

接下来,研究人员希望能够模拟所有类型从单一的驾驶轨迹的道路条件下,如夜间和白天,且阳光充足,阴雨天气。他们也希望能模拟与道路上的其他车辆更复杂的交互。 “如果有什么其他的车开始移动,并在车辆的前跳?” RUS说。 “这些都是我们要开始测试复杂的,现实世界的互动。”


话题: 研究, 计算机科学与技术, 算法, 计算机科学和人工智能实验室(CSAIL), Electrical Engineering & Computer Science (eecs), 工程学院

回到顶端