丰田等研究人员研发基准网络 可促进自动驾驶汽车研发
九州智慧出行
2020-09-14 09:43
行业动态
我要评论(0


机器人技术研究面临着各种会重复出现的问题,部分原因在于机器人具有无数交互组件,而这些组件往往非常复杂,只有部分可被观察到的,并且经过AI技术训练,在不同环境中的性能差异较大。


图片来源:https://venturebeat.com


据外媒报道,为了解决自动驾驶领域内特有的一些挑战,来自苏黎世联邦理工学院(ETH Zurich)、丰田技术研究所(Toyota Technological Institute),以及自动驾驶公司NuTonomy的研究人员开发了分散式城市协作基准网络(Decentralized Urban Collaborative Benchmarking Network,简称DuckieNet)。该系统基于开源Duckietown平台打造,提供用于开发、测试和部署感知和导航算法的框架,可扩展性高且成本低廉。


Duckietown项目使用称作Duckiebots的低成本轮式机器人,这些机器人几乎完全由现成的零部件制造,唯一搭载的传感器是前置摄像头,此外,还搭载了处理计算的Raspberry Pi,以及驱动轮子的直流电机。 Duckietowns项目中采用运动垫和胶带建成道路,还有为机器人提供导航的标识。其中的交通灯与Duckiebots(除车轮除外)拥有相同硬件,能够通过LED进行传感、计算和驱动。


研究人员在Duckietown平台上添加专门的组件,以此为基础构建了DuckieNet。其中的挑战服务器存储机器学习算法、基准和结果。该服务器计算排行榜,将所要执行的任务分派到本地或基于云的评估机器,进而运行自动驾驶仿真。此外,装配DuckieNet的物理实验室进行真实世界实验,其中低成本watchtowers定位网络(采用与Duckiebots一样的传感和计算组件)可以追踪Duckiebots上的标签。


DuckieNet在某些方面类似于AWS DeepRacer,后者是亚马逊的一项服务,为开发人员提供基于云的仿真器,用于开发自动驾驶模型,并将其部署到模型车辆中。但DuckieNet用户可以定义Docker容器中的平均位置偏差(Duckiebot从车道中心的横向位移)和平均方向偏差(相对于车道方向的平均方向)等基准,并将这些数据提交到挑战服务器。此外,除了重置实验条件、给Duckiebots充电等任务外,该平台是完全自动的。


研究人员称,DuckieNet的关键应用之一是举办研发竞赛。自2019年初以来,DuckieNet就已用于AI Driving Olympics,该项比赛旨在衡量自动驾驶技术的发展水平。DuckieNet生成性能指标和排行榜的可视化信息,同时还可提供访问底层原始数据(包括开源基线和文档)的机会/途径。


研究人表示,“我们认为需要加大对机器人技术重复性问题研究的投入,为此,我们需要同等地对待评估过程和算法研发过程。通过此种方式,我们可以通过设计研究和开发过程,再现重复性问题,这将有助于对机器人技术研究进行更系统的评估,进而促进该项研究的进一步发展。”




文章来源:盖世汽车