俄羅斯研究人員開發(fā)出一種模擬器，可以更高的準確性、更少的時間和計算成本來訓(xùn)練無人駕駛運輸系統(tǒng)。研究人員稱，該解決方案是使用現(xiàn)代人工智能技術(shù)獲得的。相關(guān)研究結(jié)果發(fā)表在《傳感器》雜志上。
交通流管理的復(fù)雜性在于司機駕駛汽車的行為很難預(yù)測。為解決這個問題開發(fā)和引進的無人駕駛車輛，控制系統(tǒng)與任何其他智能系統(tǒng)一樣，需要在廣泛的路況下進行初步訓(xùn)練。
莫斯科通信和信息技術(shù)大學(xué)信息技術(shù)系主任米哈伊爾·戈羅德尼切夫解釋說，目前訓(xùn)練無人駕駛車輛需行駛數(shù)千公里，通過不斷變化的外部條件和各種路況引導(dǎo)控制系統(tǒng)。這種學(xué)習方法需要花費大量時間，而且無法重現(xiàn)現(xiàn)實生活中的所有場景。
研究人員使用卷積神經(jīng)網(wǎng)絡(luò)開發(fā)了用于運輸基礎(chǔ)設(shè)施數(shù)字認證的智能系統(tǒng)。該系統(tǒng)進行了系統(tǒng)設(shè)計，還修改和開發(fā)了神經(jīng)網(wǎng)絡(luò)的架構(gòu)，使其能以足夠精度對對象進行分類，獲得優(yōu)化的對象并降低計算復(fù)雜性。該方法用于現(xiàn)實的城市環(huán)境模擬器，可在訓(xùn)練無人駕駛運輸系統(tǒng)時減少時間和計算成本。
