訂閱
糾錯
加入自媒體
當前位置： OFweek 人工智能網   >  正文

伯克利新研究：不需要仿真測試，會自我學習的導航系統(tǒng)

2020-03-19 11:54
智車科技IV
關注

加州大學伯克利分校的研究人員創(chuàng)建了伯克利自動駕駛地面機器人（BADGR）。BADGR是使用自我監(jiān)督數據訓練的端到端自主機器人。與大多數傳統(tǒng)的依靠幾何數據來規(guī)劃無碰撞路徑的傳統(tǒng)機器人不同，BADGR依靠“經驗”來導航，不需任何仿真模擬或人工監(jiān)督。

自動駕駛汽車被認為是“移動機器人”的一種，移動機器人導航通常被認為是幾何問題，機器人的目標是感知環(huán)境的幾何形狀以便進行規(guī)劃達到目標的無碰撞路徑。

然而，世界的幾何視圖可能不足以讓車輛完成導航。例如，小型的機器人根據幾何形狀可能走不出高草叢生的草地，因為草地被識別為不可穿越的物體，因此將無法導航到目的地，小車可能的狀態(tài)為轉圈。

加州大學伯克利分校的研究人員創(chuàng)建了伯克利自動駕駛地面機器人（BADGR）。BADGR是使用自我監(jiān)督數據訓練的端到端自主機器人。與大多數傳統(tǒng)的依靠幾何數據來規(guī)劃無碰撞路徑的傳統(tǒng)機器人不同，BADGR依靠“經驗”來導航，不需任何仿真模擬或人工監(jiān)督。

BADGR的核心是 Nvidia Jetson TX2，它來處理車載攝像頭，六自由度慣性測量單位傳感器，2D LIDAR傳感器和GPS系統(tǒng)。具體來說，BADGR 擁有一個由實時相機傳感器的觀測結果和一系列未來計劃的行動提供的人工神經網絡，神經網絡會預測到達目標的最佳可能路徑。

BADGR學習如何通過以下方式導航：1.自主收集數據；2.使用自我監(jiān)督自主標記數據；3.訓練基于圖像的神經網絡預測模型。

此方法具有一個主要優(yōu)勢，傳統(tǒng)技術可以避開路徑中的高草，而BADGR可以在其中導航。此外，這使BADGR在收集更多數據時得以改善。研究人員指出：

BADGR背后的關鍵見解是，通過直接從現實世界中的經驗中自主學習，BADGR可以了解導航能力，隨著收集更多數據而不斷改進，并推廣到看不見的環(huán)境。

通過進一步實驗表明，這種方法比SLAM或者通過仿真的方法，導航效果更突出。但機器人將如何在看不見的甚至是敵對的環(huán)境中安全地收集數據？BADGR將如何適應有生命障礙（例如步行的人）的動態(tài)環(huán)境？還有待進一步解決。

聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    人工智能 獵頭職位 更多
    掃碼關注公眾號
    OFweek人工智能網
    獲取更多精彩內容
    文章糾錯
    x
    *文字標題：
    *糾錯內容：
    聯系郵箱：
    *驗 證 碼：

    粵公網安備 44030502002758號