Safe, reliable autonomous vehicles will need to be able to precisely position themselves at all times, including during adverse weather.
Warum wir über dieses Thema schreiben:

Selbstfahrende Autos sind die Zukunft. Das auf künstlicher Intelligenz basierende Betriebssystem entwickelt sich ständig weiter. Deshalb verfolgen wir die Entwicklungen auf diesem Gebiet sehr genau.

Forscher des Fachbereichs Informatik der Universität Oxford haben in Zusammenarbeit mit Kollegen der Universität Bogazici in der Türkei ein neuartiges System der künstlichen Intelligenz (KI) entwickelt, das autonomen Fahrzeugen (AVs) eine sicherere und zuverlässigere Navigation ermöglicht, vor allem bei ungünstigen Wetterbedingungen. So Oxford Universität in einer Pressemeldung

Yasin Almalioglu, der die Forschungsarbeit im Rahmen seines Doktoratsstudiums an der Fakultät für Informatik abschloss, sagte: „Die Schwierigkeit für autonome Fahrzeuge, sich bei schwierigen Wetterbedingungen präzise zu positionieren, ist ein Hauptgrund dafür, dass sie bisher nur in relativ kleinem Maßstab getestet wurden. Wetterbedingungen wie Regen, Nebel oder Schnee können beispielsweise dazu führen, dass sich ein AV vor dem Abbiegen auf der falschen Spur befindet oder an einer Kreuzung aufgrund der ungenauen Positionierung zu spät anhält.

Um dieses Problem zu überwinden, entwickelten Almalioglu und seine Kollegen ein neuartiges, selbstüberwachtes Deep-Learning-Modell für die Ego-Motion-Schätzung, eine entscheidende Komponente des Fahrsystems eines AV, die die Position des Fahrzeugs relativ zu den vom Fahrzeug selbst beobachteten Objekten schätzt. Das Modell kombiniert detailreiche Informationen von visuellen Sensoren (die durch widrige Umstände gestört werden können) mit Daten aus wetterunabhängigen Quellen (wie Radar), so dass die Vorteile beider Systeme unter verschiedenen Wetterbedingungen genutzt werden können.

Sicheres und reibungsloses Fahren

Das Modell wurde mit mehreren öffentlich zugänglichen AV-Datensätzen trainiert, die Daten von mehreren Sensoren wie Kameras, Lidar und Radar unter verschiedenen Bedingungen, einschließlich variabler Helligkeit/Dunkelheit und Niederschlag, enthielten. Daraus wurden Algorithmen generiert, die die Geometrie der Szene rekonstruieren und die Position des Fahrzeugs aus neuen Daten berechnen. In verschiedenen Testsituationen wiesen die Forscher nach, dass das Modell bei allen Wetterbedingungen, einschließlich Regen, Nebel und Schnee, sowie bei Tag und Nacht, eine robuste Leistung zeigt. Das Team geht davon aus, dass diese Arbeit AVs einen Schritt näher an ein sicheres und reibungsloses autonomes Fahren bei jedem Wetter und schließlich an eine breitere Nutzung in der Gesellschaft heranführen wird.

Die vollständige Studie „Deep Learning-based robust positioning for all-weather autonomous driving“ wurde in Nature Machine Intelligence veröffentlicht.

Für Sie ausgewählt!

Innovation Origins ist die europäische Plattform für Innovationsnachrichten. Neben den vielen Berichten unserer eigenen Redakteure aus 15 europäischen Ländern wählen wir die wichtigsten Pressemitteilungen aus zuverlässigen Quellen aus. So bleiben Sie auf dem Laufenden, was in der Welt der Innovation passiert. Kennen Sie eine Organisation, die in unserer Liste ausgewählter Quellen nicht fehlen darf? Dann melden Sie sich bei unserem Redaktionsteam.

Doneer

Persönliche Informationen