联系我们

自动车辆

基于AI的预警系统从真正的交通情况中学习

发表

 on

慕尼黑技术大学研究人员组织开发的新预警系统(TUM)利用AI学习成千上万的真实交通情况。与宝马集团合作进行了一项研究,表明该系统对今天的自动驾驶车辆有益。如果使用,它可以为潜在的危重情况提供七秒警告,这是汽车无法单独处理的情况。精度率显示为85%。 

自动驾驶车辆的目前的开发努力使用先进的模型,使车辆能够分析所有交通参与者的行为。然而,大多数这些模型仍未证明能够处理复杂或不可预测的情况。

新的预警系统背后的团队与Eckehard Steinbach教授,媒体技术主席和穆迪奇机器人学院董事会成员队伍。

研究标题为“状态和相机信息后期融合的自主驾驶的内省故障预测“发表在 IEEE智能交通系统交易。 

新方法使用AI使系统能够从过去的情况中学习。更具体地说,这些过去的情况是自驾驶汽车在现实世界交通中达到极限的情况。当人类司机必须控制车辆时,会发生这种情况,因为它是因为它的汽车信号或人类决定是最安全的选择。 

rnn. 和七秒警告

新系统依赖于捕获周围条件的传感器和摄像机,并记录转向轮角度,道路状况和天气等地位数据。 AI系统使用经常性神经网络(RNN),其可以处理数据以识别模式。每当系统检测到以前无法处理的新驾驶情况时,驾驶员都预先警告。

“为了使车辆更加自主,许多现有方法研究了现在现在了解交通的汽车,然后尝试改善它们使用的模型。我们技术的大优势:我们完全忽略了汽车的想法。相反,我们基于实际发生的数据并寻找模式,” says Steinbach. “通过这种方式,AI发现模型可能无法识别或尚未发现的潜在危急情况。因此,我们的系统提供了一种安全功能,即汽车何时何地具有缺点。”

该技术与宝马集团进行了测试,分析了公共道路上的自主车辆。这发生在人类驾驶员干预的2500个局势中,并且该研究表明该系统准确为85%,并且可以提前七秒钟警告司机。 

该技术依赖于大量数据,因为它受到系统所看到的有多少局面的限制。给出了当前在道路上的开发车辆数量时自身产生的数据。 

“每次测试驱动器上出现潜在的危急情况,我们都会结束新的训练示例。” 

因为数据是集中存储的,所以整个舰队可以从中学习。

 

Alex McFarland是一个历史学家和记者,涵盖了人工智能最新的发展。