丰田等研究人员研发基准网络 可促进自动驾驶汽车研发

盖世汽车的机器人技术研究面临着各种反复出现的问题，部分原因是机器人的众多交互组件，这些组件通常非常复杂，只能部分观察到。经过人工智能技术训练后，他们在不同环境下的表现差异很大。

据外媒报道，为了应对自动驾驶领域的一些独特挑战，苏黎世联邦理工学院、丰田理工学院和自动驾驶公司NuTonomy的研究人员开发了一个去中心化的城市协作基准网络。该系统建立在开源Ducketown平台上，为开发、测试和部署感知和导航算法提供了一个框架，具有高可扩展性和低成本。Duckietown项目使用了名为Duckiebots的低成本轮式机器人，这些机器人几乎完全由现成的部件制成，只配备了前置摄像头。此外，它们还配备了用于处理计算的树莓派和用于驱动车轮的直流电机。Ducketowns项目使用运动垫和胶带建造道路，并使用标牌为机器人提供导航。红绿灯的硬件与Duckiebots相同，可以通过LED进行感应、计算和驱动。研究人员在Duckietown平台上添加了专门的组件，并在此基础上构建了DuckieNet。挑战在于服务器存储机器学习算法、基准测试和结果。该服务器计算排名列表，并将要执行的任务分配给本地或基于云的评估机器，从而运行自动驾驶模拟。此外，配备DuckieNet的物理实验室进行真实世界的实验，低成本的望塔定位网络可以跟踪Duckiebots上的标签。DuckieNet在某些方面与AWS DeepRacer相似，后者是一项亚马逊服务，为开发者提供基于云的模拟器，用于开发自动驾驶模型并将其部署到模型车辆中。但DuckieNet用户可以在Docker容器中定义平均位置偏差和平均方向偏差等基准，并将这些数据提交给挑战服务器。此外，除了重置实验条件和为Duckiebots充电外，该平台是完全自动化的。研究人员声称，DuckieNet的关键应用之一是组织研发竞赛。自2019年初以来，DuckieNet已被用于人工智能驾驶奥运会，这是一项旨在衡量自动驾驶技术发展水平的比赛。DuckieNet生成有关性能指标和排名的可视化信息，同时还提供访问底层原始数据的机会/途径。研究人员表示， “我们认为，有必要增加对机器人技术中重复问题的研究投入。为此，我们需要平等对待评估过程和算法开发过程。通过这种方法，我们可以通过设计研发过程来重现重复问题，这将有助于对机器人技术进行更系统的评估研究并促进这项研究的进一步发展

标签：丰田

汽车资讯热门资讯