Naukowcy z Uniwersytetu Stanforda opracowali nowe oprogramowanie autonomiczne dla samochodów, aby te mogły lepiej radzić sobie z nieoczekiwanymi sytuacjami na drodze i zachować kontrolę, opierając się na wcześniejszych doświadczeniach. Wszystko dlatego, że obecne bazy danych z niezliczonych kilometrów, jakie zarejestrowały systemy samochodów sprowadzają się do jazdy w normalnych warunkach, więc w momencie tych ekstremalnych system może zwyczajnie zawieść.
Zamiast programować autonomiczne samochody do poruszania się w ich otoczeniu, opierając się na danych z czujników, niejaki Nathan Spielberg i jego współpracownicy wykreowali system oparty na fizyce i ostatnich manewrach. Oznaczało to wykorzystanie 20000 trajektorii ruchu pojazdów opartych o prawa fizyki, aby zbudować model i wykorzystać go, jako podstawę dla sieci neuronowej, która zawiera dane z przygód dwóch autonomicznych samochodów Niki i Shelley (kolejno Volkswagen GTI i Audi TTS) na pokrytym lodem torze testowym w pobliżu koła podbiegunowego i słynnym torze Thunderhill w Kalifornii.
Ćwiczenia te miały na celu zbadanie granic tarcia, które mają bezpośredni związek z tym, jak bardzo samochód powinien hamować, przyspieszać i sterować podczas wykonywania manewrów awaryjnych. Po wprowadzeniu danych do sieci neuronowej zespół twierdzi, że otrzymali obiecującą nową metodę kontroli pojazdów autonomicznych.
Wtedy to ponownie do gry weszły dwa wspomniane samochody i ponownie na torze Thunderhill. Wyniki zarówno Shelley i Niki w trybie autonomicznym skonfrontowały się z doświadczonym kierowcom samochodu wyścigowego, który okazał się „równie dobry”. Naukowcy są zadowoleni z wyników, ale mówią, że system ma pewne ograniczenia, ponieważ nie działa tak dobrze w warunkach, których ktoś jeszcze nie doświadczył. Jednak autonomiczne samochody nadal gromadzą dane, więc to jedynie kwestia czasu.
Czytaj też: Supersamochód P80/C kolejnym jednostrzałowcem Ferrari
Źródło: New Atlas
