Машинное обучение в самоуправляемых автомобилях
Для полной реализации автономного вождения остаётся одна из основных трудностей: способность автомобилей принимать быстрые решения, которые могут спасти чью-то жизнь.
Недавно был опубликован исследовательский проект CERN (Европейского Центра ядерных исследований) и компании, занимающейся безопасностью автомобилей. В рамках Проекта проводятся исследования в области применения алгоритмов глубокого обучения, помогающих автомобилям избегать столкновений.
Учёные изучали, может ли технология машинного обучения (ML), используемая в настоящее время для анализа столкновений частиц в детекторах Большого адронного коллайдера, быть применена к автономным транспортным средствам для улучшения возможностей быстрого принятия решений. Технология основана на компьютерном зрении для быстрого и точного анализа окружающей среды автомобиля и реагирования на неё.
Глубокое обучение сильно изменило компьютерное зрение за последнее десятилетие, и точность приложений для распознавания изображений находится на достойном уровне. Но результаты исследований показывают, что всё ещё есть возможности для улучшения, когда речь заходит об автономных транспортных средствах.
В исследовании для обработки задач компьютерного зрения использовались чипы, известные как программируемые в полевых условиях вентильные матрицы (FPGA). Это конфигурируемые интегральные схемы, которые могут выполнять сложные алгоритмы принятия решений за микросекунды, с высокой точностью и малой задержкой.
Исследователи пришли к выводу, что работа Адронным коллайдером может «явно помочь автономному вождению».
Результаты показывают большие перспективы для будущего повышения скорости и точности распознавания изображений для автономных транспортных средств, помогая улучшить способность автомобилей избегать аварий.
Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал
