Το πιο δύσκολο «αυτόνομο ταξίδι» αυτοκινήτου

Πρώτη καταχώρηση: Τετάρτη, 12 Φεβρουαρίου 2020, 18:11
Το πιο δύσκολο «αυτόνομο ταξίδι» αυτοκινήτου

Πολύπλοκοι κυκλικοί κόμβοι, λωρίδες κυκλοφορίας υψηλής ταχύτητας, απουσία οδικών σημάνσεων, διαγραμμίσεων και κρασπέδων. Στην επαρχία, οι προκλήσεις για έναν οδηγό είναι μεγάλες, πόσο μάλλον για ένα αυτοκίνητο με τεχνολογία αυτόνομης οδήγησης.

Η Nissan θέλησε να διαπιστώσει πόσο δύσκολο είναι για ένα αυτοκίνητο να κινηθεί αυτόνομα στο επαρχιακό οδικό δίκτυο. Σε συνεργασία με εννέα εταίρους, πραγματοποίησαν ένα πρόγραμμα με την ονομασία «HumanDrive», το οποίο χρηματοδοτήθηκε από την κυβέρνηση του Ηνωμένου Βασιλείου.

Το ερευνητικό έργο ολοκλήρωσε επιτυχώς δύο δοκιμές, ένα αυτόνομο ταξίδι 370 χιλιομέτρων στους δρόμους του Ηνωμένου Βασιλείου, το «Grand Drive», χρησιμοποιώντας προηγμένη τεχνολογία εντοπισμού θέσης καθώς και μια δοκιμαστική δραστηριότητα σε περιβάλλον πίστας, με την οποία διερευνήθηκε η  ανθρώπινη οδήγηση  χρησιμοποιώντας την τεχνητή νοημοσύνη, για να ενισχυθεί η εμπειρία του χρήστη.

Στα δοκιμαζόμενα οχήματα περιλαμβάνονταν τα Nissan LEAF, το οποίο διέθεταν GPS, ραντάρ, LIDAR και τεχνολογίες κάμερας που δημιουργούν μια αντίληψη του κόσμου γύρω από το όχημα.

Μία από τις βασικές πτυχές του σχεδίου ήταν η ανάπτυξη ενός προηγμένου αυτόνομου συστήματος ελέγχου του οχήματος. Διασφαλίζοντας ότι τα μελλοντικά, προηγμένα αυτόνομα συστήματα οδήγησης δημιουργούν μια άνετη και οικεία εμπειρία για τους επιβάτες, θέτονται τα θεμέλια για  ένα πιο συνδεδεμένο και αυτόνομο μέλλον.

Το «Grand Drive» επιτεύχθηκε,  καθώς τα μέλη της κοινοπραξίας με έδρα το Ηνωμένο Βασίλειο συνεργάστηκαν για να διερευνήσουν πώς η αυτόνομη οδήγηση μπορεί να μιμηθεί ένα φυσικό, ανθρώπινο στυλ οδήγησης.

Το δεύτερο μέρος του έργου HumanDrive εξέτασε τον τρόπο με τον οποίο οι τεχνολογίες Τεχνητής Νοημοσύνης,  θα μπορούσαν να βελτιώσουν την εμπειρία των χρηστών και την άνεση των επιβατών, των συνδεδεμένων και αυτόνομων οχημάτων. Τα πιλοτικά οχήματα που δοκιμάστηκαν με επιτυχία σε κλειστές διαδρομές, περιλάμβαναν επίσης συστήματα τεχνητής νοημοσύνης που αναπτύχθηκαν από το μέλος της κοινοπραξίας Hitachi Europe Ltd, τα οποία επιτρέπουν τη μηχανική μάθηση σε πραγματικό χρόνο.

Κατασκευάζοντας ένα σύνολο δεδομένων από σενάρια κυκλοφορίας και λύσεις που έχουν πραγματοποιηθεί σε πρότερο χρόνο, το σύστημα μπορεί να χρησιμοποιήσει αυτήν την «εμπειρία» για να χειριστεί παρόμοια σενάρια στο μέλλον και για να σχεδιάσει μια ασφαλή διαδρομή γύρω από ένα εμπόδιο.

Αυτές οι τεχνολογίες υποβλήθηκαν σε μια εξαντλητική διαδικασία δοκιμών και αναπτύχθηκαν χρησιμοποιώντας μια σειρά από προσομοιώσεις, σε πίστες κλειστών δοκιμών.

 

 

 

Τελευταία ενημέρωση: Τετάρτη, 12 Φεβρουαρίου 2020, 18:11