Los autos autónomos están entrenados para ser extremadamente cautelosos, pero puede haber situaciones en las que deban realizar maniobras de alta velocidad para evitar una colisión. ¿Pueden estos vehículos, adornados con decenas de miles de dólares en sensores de alta tecnología y programados para conducir a la velocidad de la abuela, manejar estas decisiones en fracciones de segundo como un humano?
Los ingenieros de la Universidad de Stanford pueden tener la respuesta . Crearon una red neuronal que permite a los autos sin conductor realizar maniobras de alta velocidad y baja fricción, al igual que los pilotos de carreras. Cuando finalmente lleguen, los autos sin conductor necesitarán capacidades más allá de las de los humanos, ya que el 94 por ciento de los accidentes son atribuibles a un error humano. Los investigadores dicen que este es un paso importante para mejorar la capacidad de los vehículos autónomos para evitar accidentes.
"Queremos que nuestros algoritmos sean tan buenos como los mejores conductores calificados, y, con suerte, mejores", dijo Nathan Spielberg, un estudiante graduado en ingeniería mecánica en Stanford y autor principal de un artículo publicado esta semana en la revista. Ciencia Robótica . "Nuestro trabajo está motivado por la seguridad, y queremos que los vehículos autónomos funcionen en muchos escenarios, desde la conducción normal en asfalto de alta fricción hasta la conducción rápida y de baja fricción en hielo y nieve".
El equipo utilizó un tipo de artificial El algoritmo de inteligencia llamado red neuronal, que se basa libremente en las redes neuronales de nuestros cerebros, crea el sistema de auto conducción. Las redes neuronales son un tipo de aprendizaje automático en el que los programadores construyen modelos que examinan vastos almacenes de datos y buscan patrones. Estas redes se utilizan para alimentar el "cerebro" de un vehículo autónomo, generalmente las GPU de gran potencia almacenadas en el maletero de cada vehículo, que controlan el proceso de toma de decisiones.
El equipo de Stanford entrenó una red neuronal con datos de 200,000 muestras de movimiento, incluidas las unidades de prueba en superficies resbaladizas como la nieve y el hielo. Luego llevaron su sistema al Thunderhill Raceway en el Valle de Sacramento para probarlo. El equipo de Stanford utilizó dos autos automáticos en sus pruebas: Niki, un Volkswagen GTI autónomo, y Shelley, un TTS Audi autónomo.
Primero, Shelley aceleró el control del sistema autónomo basado en la física, precargado con el set Información sobre el curso y condiciones. Cuando se comparó en el mismo curso durante 10 pruebas consecutivas, Shelley y un conductor aficionado experto generaron tiempos de vuelta comparables. Luego, los investigadores cargaron a Niki con su nuevo sistema de red neuronal. El coche funcionó de manera similar con sistemas aprendidos y basados en la física, aunque la red neuronal carecía de información explícita sobre la fricción en la carretera.
El equipo dice que los resultados los alentaron, pero recalcan que su sistema de red neuronal no funciona bien en cualquier entorno. Requieren – ¿qué más? – Más datos para poder manejar una gama más amplia de condiciones.
No comments:
Post a Comment