俄羅斯研究人員開發(fā)出一種模擬器，可以更高的準(zhǔn)確性、更少的時(shí)間和計(jì)算成本來訓(xùn)練無人駕駛運(yùn)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(jī)駕駛汽車的行為很難預(yù)測。為解決這個(gè)問題開發(fā)和引進(jìn)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(jìn)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(xí)方法需要花費(fèi)大量時(shí)間，而且無法重現(xiàn)現(xiàn)實(shí)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(yùn)輸基礎(chǔ)設(shè)施數(shù)字認(rèn)證的智能系統(tǒng)。該系統(tǒng)進(jìn)行了系統(tǒng)設(shè)計(jì)，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(jìn)行分類，獲得優(yōu)化的對象并降低計(jì)算復(fù)雜性。該方法用于現(xiàn)實(shí)的城市環(huán)境模擬器，可在訓(xùn)練無人駕駛運(yùn)輸系統(tǒng)時(shí)減少時(shí)間和計(jì)算成本。