В CMU создали набор данных TartanDrive для обучения машин автономной езде по внедорожью

В CMU создали набор данных TartanDrive для обучения машин автономной езде по внедорожью

Исследователи из Университета Карнеги-Меллона (CMU) отправились на вездеходе в поездку по высокой траве, рыхлому гравию и грязи, чтобы собрать данные о взаимодействии вездехода со сложной внедорожной средой.

В рамках испытаний они агрессивно управляли квадроциклом на скорости до 50 км/ч, закладывали в повороты, поднимались и спускались с холмов и даже застревали в грязи. Исследователи собирали видеоданные, информацию о скорости каждого колеса и работе амортизаторов подвески, с семи типов датчиков.

Полученный набор данных, названный TartanDrive, включает около 200 000 таких реальных взаимодействий. Исследователи считают, что эти данные являются крупнейшим мультимодальным набором данных о реальном вождении по внедорожью, как по количеству взаимодействий, так и по типам датчиков. Полученные данные могут быть полезны для обучения автономных машин.

«В отличие от автономного вождения по улицам, вождение по бездорожью является более сложной задачей, поскольку необходимо понимать динамику местности для безопасного и быстрого вождения», — сказал Веншан Ванг, научный сотрудник Института робототехники (RI).

В предыдущих работах по автономному вождению по бездорожью часто использовались аннотированные карты, на которых давались такие обозначения, как грязь, трава, растительность или вода, чтобы помочь роботу понять местность. Но такая информация доступна нечасто, и даже если она есть, она может оказаться бесполезной. Например, участок карты, помеченный как «грязь», может быть труднопроходимым или не проходимым вообще.

Исследовательская группа обнаружила, что данные с мультимодальных датчиков, которые они собрали для TartanDrive, позволили им построить модели прогнозирования, превосходящие те, которые были разработаны на основе более простых, нединамических данных. По словам студента второго курса магистратуры по робототехнике Сэмюэля Триеста агрессивное вождение вывело внедорожник на уровень производительности, где понимание динамики стало крайне важным.

«Динамика этих систем становится все более сложной по мере увеличения скорости, — сказал Триест, который был ведущим автором итоговой статьи команды. — Многие данные, которые мы хотели собрать, касались более агрессивного вождения, более сложных склонов и густой растительности, потому что именно здесь некоторые из простых правил начинают нарушаться».

Хотя большинство работ по созданию самоуправляемых автомобилей сосредоточено на езде по улицам, первые приложения, скорее всего, будут использоваться на бездорожье в зонах контролируемого доступа, где риск столкновения с людьми или другими транспортными средствами ограничен. Испытания команды проводились на площадке под Питтсбургом, которую Национальный инженерный центр робототехники CMU использует для тестирования автономных внедорожников. Человек управлял квадроциклом, хотя для контроля рулевого управления и скорости использовалась система drive-by-wire. По словам Ванга «действия человека могут быть использованы непосредственно в качестве входных данных для того, как должен действовать робот».

Набор данных выложен на github.com

, автономный транспорт

Источник: robogeek.ru

Добавить комментарий