Το DuckieNet επιτρέπει στους προγραμματιστές να δοκιμάζουν αυτόνομα συστήματα οχημάτων χρησιμοποιώντας αυτοκινητάκια

DuckieNet


Η έρευνα για τη ρομποτική αντιμετωπίζει πρόβλημα αναπαραγωγιμότητας, εν μέρει λόγω των μυριάδων συστατικών των ρομπότ που αλληλεπιδρούν. Αυτά τα στοιχεία τείνουν να είναι περίπλοκα, μόνο εν μέρει παρατηρήσιμα, και εκπαιδευμένα με τεχνικές τεχνητής νοημοσύνης όπου η απόδοση ποικίλλει σημαντικά μεταξύ των περιβαλλόντων. Σε μια προσπάθεια αντιμετώπισης ορισμένων από τις συγκεκριμένες προκλήσεις του αυτόνομου τομέα οδήγησης, οι ερευνητές στο ETH Ζυρίχη, το Τεχνολογικό Ινστιτούτο της Toyota, η Mila στο Μόντρεαλ και η NuTonomy έχουν αναπτύξει αυτό που αποκαλούν Αποκεντρωμένο δίκτυο αστικής συνεργασίας συγκριτικής αξιολόγησης (DuckieNet), μια διαμόρφωση που δημιουργήθηκε χρησιμοποιώντας την πλατφόρμα ανοιχτού κώδικα Duckietown. Το DuckieNet παρέχει ένα πλαίσιο για την ανάπτυξη, τον έλεγχο και την ανάπτυξη αλγορίθμων αντίληψης και πλοήγησης, και οι ερευνητές λένε ότι είναι εξαιρετικά επεκτάσιμο, αλλά φθηνό στην κατασκευή.

ο Πρόγραμμα Duckietown, το οποίο σχεδιάστηκε από ένα μεταπτυχιακό πρόγραμμα του 2016 στο MIT, χρησιμοποιεί φθηνά ρομπότ με τροχούς που ονομάζονται Duckiebots κατασκευασμένα σχεδόν εξ ολοκλήρου από τυποποιημένα ανταλλακτικά. Ο μόνος αισθητήρας επί του σκάφους είναι η κάμερα προς τα εμπρός. ένα Raspberry Pi χειρίζεται τους υπολογισμούς και μερικοί κινητήρες DC τροφοδοτούν τους τροχούς. Οι πόλεις του Duckiet αποτελούνται από δρόμους, χτισμένες με χαλιά και κολλητική ταινία, καθώς και την πινακίδα που χρησιμοποιούν τα ρομπότ για να κυκλοφορούν. Τα φανάρια έχουν το ίδιο υλικό με τα Duckiebots (εξαιρουμένων των τροχών) και είναι σε θέση να ανιχνεύουν, να υπολογίζουν και να ενεργοποιούν μέσω των LED τους.

Το DuckieNet βασίζεται στο Duckietown προσθέτοντας εξειδικευμένα στοιχεία στην πλατφόρμα, A πρόκληση του διακομιστή αποθηκεύει αλγόριθμους μηχανικής εκμάθησης, σημεία αναφοράς και αποτελέσματα και υπολογίζει τις βαθμολογίες, στέλνοντας εργασίες που θα εκτελεστούν σε μια σειρά μηχανών βαθμολόγησης. Οι μηχανές αξιολόγησης, οι οποίες μπορούν να βασίζονται σε τοπικό ή cloud, εκτελούν αυτόνομες προσομοιώσεις οδήγησης. Τα φυσικά εργαστήρια με εγκαταστάσεις DuckieNet διεξάγουν πειράματα πραγματικού κόσμου και ένα δίκτυο τοποθεσίας “πύργων παρακολούθησης” (εγκαταστάσεις χαμηλού κόστους που χρησιμοποιούν την ίδια ανίχνευση και υπολογισμό με τα Duckiebots) παρακολουθούν τις ετικέτες που τοποθετούνται στα σώματα του Duckiebots.

Το DuckieNet είναι κάπως παρόμοιο AWS DeepRacer, Η υπηρεσία της Amazon που παρέχει στους προγραμματιστές έναν προσομοιωτή που βασίζεται σε σύννεφο για την ανάπτυξη αυτόνομων μοντέλων οδήγησης και την ανάπτυξη τους σε ένα μοντέλο αυτοκινήτου. Ωστόσο, οι χρήστες του DuckieNet μπορούν να ορίσουν σημεία αναφοράς, όπως η απόκλιση της μέσης θέσης (πλευρική μετατόπιση ενός Duckiebot από το κέντρο μιας λωρίδας) και η απόκλιση του μέσου προσανατολισμού (μεσαίου προσανατολισμού σε σχέση με τον προσανατολισμό της λωρίδας) σε δοχεία Docker που αποστέλλονται στο διακομιστής πρόκλησης. (Οι αλγόριθμοι μπορούν επίσης να σταλούν ως κοντέινερ Docker και να παρατηρηθούν.) Επιπλέον, με εξαίρεση εργασίες όπως η επαναφορά πειραμάτων και η επαναφόρτωση των Duckiebots, η πλατφόρμα είναι εντελώς αυτόνομη.

Οι ερευνητές λένε ότι μία από τις βασικές εφαρμογές του DuckieNet φιλοξενεί ερευνητικούς διαγωνισμούς. Στην πραγματικότητα, το DuckieNet χρησιμοποιείται από τις αρχές του 2019 στους AI Driving Olympics, έναν εξαμηνιαίο διαγωνισμό που χρησιμεύει για τη σύγκριση της τελευταίας τεχνολογίας στην αυτόνομη οδήγηση οχημάτων. Το DuckieNet δημιουργεί προβολές των μετρήσεων απόδοσης και της κατάταξης, παρέχοντας παράλληλα πρόσβαση στα υποκείμενα μη επεξεργασμένα δεδομένα, συμπεριλαμβανομένων των βασικών γραμμών και της τεκμηρίωσης ανοιχτού κώδικα.

«Η διατριβή μας είναι ότι απαιτούνται μεγαλύτερες προσπάθειες για αναπαραγώγιμη έρευνα για τη ρομποτική, και ότι για να το επιτύχουμε αυτό πρέπει να εξετάσουμε την αξιολόγηση με ίσους όρους όπως οι ίδιοι οι αλγόριθμοι», έγραψαν οι ερευνητές σε μια εργασία που περιγράφει το έργο τους. «Με αυτόν τον τρόπο, μπορούμε να επιτύχουμε αναπαραγωγιμότητα μέσω του σχεδιασμού μέσω των διαδικασιών έρευνας και ανάπτυξης. Η επίτευξη αυτού του στόχου σε μεγάλη κλίμακα θα συμβάλει σε μια πιο συστημική αξιολόγηση της ρομποτικής έρευνας και, με τη σειρά της, θα αυξήσει την πρόοδο της ανάπτυξης. “



[via]

Απάντηση

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει τα ανεπιθύμητα σχόλια. Μάθετε πώς υφίστανται επεξεργασία τα δεδομένα των σχολίων σας.