Дорогие читатели, Нашему шестнадцатилетнему, волонтёрскому и некоммерческому проекту для создания новой, современной версии N-N-N.ru, очень нужно посоветоваться касательно платформы нашего сайта – SYMFONY & DRUPAL 8. Платформа не простая, но обещаем – мы не займём много времени, просто нужна консультационная поддержка квалифицированного разраба. Если вы можете помочь, то связаться с нами можно на страницах Facebook.com здесь и здесь.

Тестирование робомобилей предложили ускорить статистикой

Исследователи из Мичиганского университета разработали новый способ тестирования автопилотируемых автомобилей, с помощью которого можно не проезжать миллиарды километров дорожных тестов, необходимых для допуска к эксплуатации.

Процесс, который был разработан с использованием данных более 40 миллионов километров в реальном мире, может сократить время, необходимое для оценки роботизированных транспортных средств в потенциально опасных ситуациях, в 300 тысяч —100 миллионов раз. Исследователи отмечают, что это может сэкономить 99,9% времени и затрат на тестирование.

Профессор машиностроения в Мичиганском университете Роджер Л. Маккарти утверждает, что даже самые продвинутые и масштабные усилия по тестированию автомобилей с автопилотом сегодня не оправдывают необходимость тщательной проверки машин. Вместо комплексного подхода, который измеряет все сразу, новый метод разбивает процесс на отдельные компоненты, которые можно повторно тестировать при моделировании, предоставляя автоматически управляемым транспортным средствам сжатые наборы наиболее сложных дорожных ситуаций. Если, например, нужно получить данные по реакции робомобиля на неожиданную преграду на пути, то усилия нужно фокусировать на этой ситуации. Как беспилотный транспорт будет себя вести в «скучных» моментах, можно получить и статистическим анализом.

Исследователи приводят простое сравнение: всего 1000 миль (1,6 тыс. км) испытаний эквивалентны 300 тыс. – 100 млн миль (482,8 тыс. километров – 161 млн км) в реальном мире. И пусть 100 миллионов миль звучит как излишне большое расстояние, этого недостаточно. Чтобы исследователи получили достаточное количество данных для сертификации безопасности без водителя, нужны сложные и крайне редкие дорожные сценарии. К примеру, авария, которая приводит к летальному исходу, происходит только раз на каждые 100 миллионов миль езды.

Чтобы потребители согласились сесть в автомобиль без водителя, необходимо доказать с 80% уверенностью, что он на 90% безопаснее, чем управляемый человеком. Для этого автомобилям пришлось бы пройти 17,7 млн км (11 млн миль) либо в реальном мире, либо в симуляции. Даже за десятилетие круглосуточного тестирования в типичных городских условиях наберется чуть больше 3 млн км (2 млн миль).

Кроме того, полностью автоматизированные транспортные средства требуют совсем другого типа проверки, отличного от того, который используется для сегодняшних автомобилей. Даже вопросы, которые задают исследователи, сложнее. Вместо того, чтобы узнать, что происходит в аварии, они должны определить, насколько успешно автомобили могут помешать ее возникновению.

Ученые провели аналогию тестирования автомобиля с приемом у врача. Методы испытаний автомобилей с управлением человеком — это измерение кровяного давления или пульса, тестирование беспилотных автомобилей — проверка IQ пациента.

Для разработки четырехэтапного ускоренного подхода исследователи проанализировали данные с 40,6 млн реальных километров (25,2 млн миль), собранных двумя проектами Института транспортных исследований Мичиганского университета. В течение двух лет они задействовали около 3000 автомобилей и добровольцев.

Затем они выявили события, которые могут содержать «значимые взаимодействия» между автоматическим транспортным средством и управляемым человеком, и создали симуляцию, которая заменила всю езду без происшествий этими значимыми взаимодействиями. После этого они запрограммировали симуляцию таким образом, чтобы беспилотные автомобили рассматривали водителей-людей на дорогах как главную угрозу, и помещали управляемые людьми автомобили случайным образом повсюду.

За этапом программирования последовали математические тесты для оценки риска и вероятности определенных результатов, включая травмы, аварии и близкие к аварии моменты. В завершение исследователи интерпретировали результаты ускоренного тестирования, используя метод выборки по значимости, чтобы узнать, как автоматически управляемые автомобили будут статистически реагировать на повседневные ситуации на дороге.

Процесс ускоренной оценки можно выполнять для разных потенциально опасных маневров. Исследовательская группа оценила пока лишь две наиболее распространенные ситуации, которые, как ожидалось, приведут к серьезным авариям: беспилотный автомобиль, следующий за водителем-человеком, и, наоборот, — человек на автомобиле, который следует за автономным транспортом. Точность оценки определялась проведением и сравнением ускоренных и реальных симуляций. Команда замечает, что нужно продолжать исследование и рассмотреть другие ситуации на дороге.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 4.5 (2 votes)
Источник(и):

geektimes.ru