или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Автономные мини автомобили из Georgia Tech (+видео)

schedule 01.06.2016 в 07:10 link беспилотники БПТС Georgia Tech
Команда исследователей из Технологического института Джорджии разработала новый способ сохранить автономный автомобиль под контролем во время опасных маневров и на труднопроходимой местности. Такой подход может помочь сделать автомобили самостоятельного вождения будущего более безопасными в опасных дорожных условиях, - сообщает Robotics.ua.

Исследователи из школы Daniel Guggenheim при Georgia Tech оценили новую технологию вождения, скольжения и прыжков полностью автономных миниатюрных ралли автомобилей на скорости 90 миль / ч. Метод использует передовые алгоритмы и бортовые вычислительные технологии совместно с установленными устройствами зондирования, чтобы повысить стабильность автомобиля при сохранении производительности.



«Автономный автомобиль должен быть в состоянии обрабатывать любые условия, а не просто проехать по трассе в нормальных условиях», - заявил Панайотис Тсиотрас, профессор А.Е., который является экспертом в управлении гоночными автомобилями. «Одна из наших главных целей состоит в том, чтобы внедрить некоторые из методов человеческих водителей в мозг этих автономных транспортных средств».

Традиционные методы роботизированного транспортного средства используют тот же подход управления, движется ли автомобиль нормально или у края проезжей части, объяснил Tsiotras. Метод Georgia Tech, известный как модель интеллектуального интегрального управления (MPPI), был разработан специально для решения нелинейной динамики при движении транспортного средства вблизи краев дороги.

Использование передовых концепций

«Агрессивное вождение  роботизированного автомобиля, маневрирование на краю – это  уникальная задача управления с участием очень сложной системы», - сказал Евангелос Теодору, профессор А.Е., который ведет проект. «Тем не менее, в результате слияния статистической физики с теорией управления, а также с использованием передовых вычислений мы можем создать новую перспективу, новую структуру для управления автономными системами».

Исследователи Georgia Tech использовали  возможности стохастической оптимизации траектории, на основе интегрального подхода, чтобы создать свой алгоритм управления MPPI, объяснил Теодору. Используя статистические методы, команда интегрировала большие объемы информации по обращению связанных вместе данных о динамике автотранспортной системы, чтобы вычислить наиболее устойчивые траектории из бесчисленных возможностей.

Обрабатываемый мощным графическим процессором (GPU) на борту автомобиля, алгоритм управления MPPI непрерывно выбирает данные, поступающие от системы глобального позиционирования (GPS), инерциальных датчиков движения и других датчиков. Бортовая система аппаратно-программного комплекса позволяет проводить анализ в режиме реального времени огромное число возможных траекторий и ретранслирует оптимальные решения обработки. По сути, MPPI сочетает в себе планирование и выполнение оптимизированных решений обработки в единую высокоэффективную фазу. Это рассматривается как первая технология, чтобы выполнить эту задачу, требующую вычислительной мощности.

Полностью автономные транспортные средства

Два автономных автомобиля исследователей, изготовленные на заказ, используют специальные электродвигатели для достижения правильного баланса между весом и силой. Автомобили несут материнскую плату с четырехъядерным процессором, мощным графическим процессором и аккумулятором.

Каждое транспортное средство имеет также две камеры, инерционную единицу измерения, а также приемник GPS, наряду с датчиками скорости колес. Все оборудование размещено в прочном алюминиевом корпусе, способном выдерживать жестокие качания. Каждое транспортное средство весит около 16 кг и имеет длину около полуметра.

По информации robotics.ua, эти машины-роботы способны тестировать алгоритмы управления команды без какой-либо необходимости вне транспортных средств или вычислений для ближайшего GPS приемника. Встроенный графический процессор позволяет алгоритму MPPI обрабатывать более 2500 данных за 1/60 секунды.

Важным аспектом в подходе к командным центрам автономного управления  являются расходы. Некоторые компоненты затрат должны быть тщательно подобраны для достижения оптимальной производительности.

В случае транспортных средств, расходы Georgia Tech состоят из трех основных частей: расходы пребывания на трассе, расходы для достижения желаемой скорости и расходы на системы управления. Кроме того, также была добавлена стоимость устойчивости курса автомобиля.

Подход к затратам имеет важное значение для включения роботизированного транспортного средства, чтобы максимизировать скорость, оставаясь под контролем, -объяснил Джеймс Рейг, профессор в Georgia Tech.

Это сложная эквилибристика. Например, когда исследователи снижали затраты, чтобы попытаться предотвратить автомобиль от скольжения, они обнаружили, что они получили увеличенное дрейфующее поведение.

«Новый алгоритм MPPI для достижения относительной минимизации и корректировки затрат наиболее эффективным способом является большой частью наших усилий», - сказал профессор. - «Достижение оптимального сочетания управления и производительности в автономном транспортном средстве – определенно нетривиальная проблема».

Видео

Комментарии: