211service.com
Ett enkelt sätt att påskynda ankomsten av självkörande bilar
En ny offentlig datauppsättning för självkörande bilar visar att även en enkel stadspendling kan pressa automatiserad körning till det yttersta. Det belyser också hur delning av data kan hjälpa självkörande bilar att komma ut på vägarna mycket tidigare.
Forskare från Oxford University släppte den detaljerade datamängden, som belyser några av de mest utmanande problemen som självkörande bilar kommer att möta. Uppgifterna består av tusentals timmars data från samma 10 kilometer långa vägsträcka under ett år. Och det visar hur väder, belysning och till och med vägarnas egenskaper kan variera kraftigt på relativt kort tid.
Forskarna spårade vilken typ av variation som självkörande bilar kommer att behöva klara av från dag till dag - rörliga fordon, bilar parkerade på olika sätt och variationer i belysning. Sedan finns det långsiktiga förändringar, säger Will Maddern , en senior forskare i Mobile Robotics Group vid Oxford University. Anläggning, vägarbeten, säsongsmässiga förändringar i vegetationen m.m.
När Googles forskare började testa autonoma bilar, fann de att fordonen lätt blev flummoxade av upptagna rotatorer. Fordonen, programmerade att vara försiktiga, gick runt i minuter innan de kom på hur de skulle fly. Oxfordteamet upptäckte en annan typ av problem: under loppet av ett år flyttades en rotary tre gånger av staden.
Laseravståndsdata som samlats in av ett team vid Oxford University visar hur självkörande bilar måste anpassa sig till hur vegetationen förändras under året.
System som förlitar sig på exakt kartläggning, som inkluderar Googles fordon, kommer att kämpa med sådana förändringar. Det är väldigt mycket ett öppet problem, säger Maddern. En av anledningarna till att vi samlade in denna data var för att hitta var systemen vi bygger skulle gå sönder.
Vissa företag, som Tesla, använder inte detaljerade kartor – istället förlitar de sig på framsteg inom bild- och sensorbehandling för att upptäcka och undvika hinder. Men dessa system skulle också bli förvirrade av de typer av funktioner som identifierats av Oxford-teamet. Google och Tesla leder vägen när det gäller mängden kördata som samlas in, men de kommer inte att ha lika mycket data som Oxford har som visar variation på en enskild rutt.
Denna datamängd är ett underbart bidrag till området, säger John Leonard , en professor vid MIT som hjälpte till att utveckla några av nyckelalgoritmerna för självkörande bilar, och som arbetar med en forskningsinsats koordinerad av Toyota. Storskaliga och långvariga datamängder kan ge en enorm ökning av framstegshastigheten.
Leonard tillägger att om företagen som utvecklar självkörande bilar delade med sig av sina data, skulle det kunna påskynda ankomsten av den livräddande tekniken. Mer generellt tycker jag att det vore jättebra om fler grupper som arbetar med självkörande bilar kunde dela datamängder, och även göra fler av verktygen tillgängliga som öppen källkod, säger han.
Andra i branschen upprepar hans känsla. På en konferens förra veckan sa Gill Pratt, VD för Toyota Research Institute i Kalifornien, att med tanke på säkerhetskonsekvenserna kan bilföretag också överväga att arbeta tillsammans, vilket kan inkludera att dela en del av den data de samlar in.
Det är viktigt att komma ihåg att vi inte alltid behöver arbeta ensamma, sa Pratt. Vår stora förhoppning är konstruktiv konkurrens och även samarbete mellan alla biltillverkare, IT-företag, olika regeringar och även hårdvarutillverkare.