高速模拟控制系统 自动驾驶车测试高速跳跃

据科技网站Gizmag报道,由于自动驾驶技术在严苛环境下表现还差强人意,乔治亚理工大学(Georgia Tech)的研究团队目前正在利用小型化自动驾驶赛车在恶劣环境之下进行自动驾驶测试,测试内容包括在土路上进行冲刺、滑行以及高速跳跃动作,以期改善自动驾驶的性能。

斯坦福大学研究人员开发了一种控制自动驾驶汽车的新方法,该方法融合了以往的驾驶经验——这一系统将帮助汽车在极端和未知环境下更安全地行驶。该系统使用斯坦福大学自主品牌大众GTI Niki和斯坦福大学自主品牌奥迪TTS在赛道上进行了摩擦极限测试,性能与现有的自主控制系统和经验丰富的赛车手相当。斯坦福大学机械工程研究生内森·斯皮尔伯格(Nathan Spielberg)是这项研究的主要作者,于2019年3月27日发表在《科学机器人》(Science Robotics)上,研究人员希望算法能和最熟练的司机一样好,甚至能更好。

官网下载 1

博科园-科学科普:虽然目前自动驾驶汽车可能依赖于对环境的实时评估,但这些研究人员设计的控制系统整合了近期机动和过去驾驶经验的数据,包括尼基在北极圈附近一条结冰测试轨道上的行驶。鉴于研究人员在开发这些汽车的过程中产生了大量自动驾驶汽车数据,从过去学习的能力可能被证明特别强大。自动驾驶汽车的控制系统需要获得可用的道路-轮胎摩擦信息。这些信息决定了汽车在紧急情况下刹车、加速和转向的极限,以便在道路上行驶。如果工程师们想把自动驾驶汽车安全推向极限,比如让它计划在冰上进行紧急操作,必须提前向它提供道路轮胎摩擦等细节。

自动驾驶汽车可能在高速公路上表现非常优越,但此前也曾有媒体指出,自动驾驶技术不仅对基础设施等硬件有非常高的要求——地面上的裂痕曾“绕晕”自动驾驶系统,而且在处理突发状况时自动驾驶可能还没有人类司机管用——曾有报道指出,一只大的飞蛾曾让特斯拉的自动驾驶功能失灵……目前,为了改善自动驾驶汽车在泥土道路上的表现,乔治亚大学的研究团队正使用一辆赛车五分之一大小的样车,致力于这方面的研究。

官网下载 2

据报道,这辆小型赛车是在泥土道路上进行测试的,它需要在进行冲刺、滑行以及在时速145千米/时左右的情况下进行跳跃动作。由于使用了更聪明的运算法则、更好的车载计算机硬件以及传感器,尽管当汽车已经处于摩擦临界时,它还能够做好上述动作要求而且能够处于受控状态。

“雪莱”斯坦福大学自动驾驶奥迪TTS的设计,以赛车的极限处理。图片:Kurt Hickman/Stanford News Service

传统的控制系统在处理光滑路面的情况下,汽车可能会像处理高速驾驶一样,那样汽车可能处于安全性能的临界点。而乔治亚理工大学则采取了另一种控制系统,大大增加了系统的控制能力。

这在真实世界中是困难的,因为摩擦力是可变的,而且通常很难预测。为了开发一个更灵活、反应更灵敏的控制系统,研究人员建立了一个神经网络(一种人工智能计算系统)集成了过去在加利福尼亚州柳树镇雷山赛车场驾驶经验的数据,以及一个冬季测试设施,其中包含了200000条基于物理轨迹提供的基础知识。机械工程教授、论文的高级作者j·克里斯蒂安·格德斯(J. Christian Gerdes)说:有了今天可用的技术,常常不得不在数据驱动的方法和基于基础物理的方法之间做出选择。

官网下载,这个系统名为“模拟预测路径整体控制系统”(Model Predictive Path Integral Control,MPPI),系统设立的初衷是为了处理那些非线性输入信号,尤其是汽车处于平衡临界状态时。由于已经掌握并融合了样车大量的动态信息以及应对信息,系统可以快速计算出应对各种复杂情况之下的最保险、最平稳的处理方式。据研究团队介绍,这项系统可以允许自动驾驶汽车实时预测并执行电脑设计出来的复杂应对方案。

研认为,未来的道路是融合这些方法,以利用它们各自的优势。物理学可以为构造和验证神经网络模型提供洞见,而神经网络模型反过来又可以利用大量数据。”、该小组在雷山赛道对新系统进行了对比测试。首先,雪莱在以物理为基础的自主系统控制下四处加速,预先加载了课程和条件的集合信息。当在同一赛道上连续10次试车进行比较时,雪莱和一名熟练业余车手的圈数相当。然后,研究人员将新神经网络系统装入Niki。尽管神经网络缺乏关于道路摩擦的明确信息,但这辆车在运行学习系统和基于物理的系统时表现相似。

本文由澳门新葡亰1495app发布于汽车天地,转载请注明出处:高速模拟控制系统 自动驾驶车测试高速跳跃

相关阅读