https://big5.sputniknews.cn/20221114/1045485984.html
俄羅斯開發出一種用於訓練無人駕駛車輛的模擬器
俄羅斯開發出一種用於訓練無人駕駛車輛的模擬器
俄羅斯衛星通訊社
俄羅斯莫斯科通信和信息技術大學（MTUCI）的學者們開發出一種模擬器，可以讓您以更高的準確性、更少的時間和計算成本來訓練無人駕駛運輸系統。作者說，這種解決方案是由於使用現代人工智能技術獲得的。 2022年11月14日, 俄羅斯衛星通訊社
2022-11-14T15:42+0800
2022-11-14T15:42+0800
2022-11-14T19:00+0800
俄羅斯
無人駕駛
運輸
技術
人工智能
https://cdn.sputniknews.cn/img/102699/47/1026994792_0:52:1000:615_1920x0_80_0_0_77d6d21c5d819bb21f48fb39c392914d.jpg
專家指出，在汽車交通量逐年增長的條件下，今天各大城市面臨交通網絡發展機會枯竭的局面。他們說，在目前的情況下，不僅需要設計高質量的新道路，還需要確保其運行效率和交通安全。研究結果發表在《傳感器》（Sensors）雜誌上。 學者們說，如今研究人員、工程師和科技公司的主要目標是提高交通工具行駛的安全性和優化性，並減少公路運輸造成的生態損失。離開交通網絡的數學建模，這些問題的解決方案是不可能的，數學建模使得確定交通強度、平均速度、延遲和時間損失等參數成為可能。 交通流管理的複雜性在於一個人駕駛汽車，而他的行為很難預測，即使在類似的情況下也可能有根本的區別。為瞭解決這個問題，如今正在開發和引進無人駕駛車輛，但它們的控制系統與任何其它智能系統一樣，需要在廣泛的路況下進行初步訓練。 莫斯科通信與信息技術大學負責解決問題的科學家解釋說，目前，一名專家在訓練過程中駕駛無人駕駛車輛，他不得不行駛數千公里，通過不斷變化的外部條件和各種路況引導控制系統。這種學習方法需要花費大量時間，而且無法讓您重現現實生活中在路上可能遇到的所有場景。 他解釋說，這裡談的是使用卷積神經網絡開發用於運輸基礎設施數字認證的智能系統，它允許您創建周圍世界的對象，以便進一步放置在模擬器的虛擬環境中。 他補充說，所生成的圖像應該具有最佳尺寸，以免系統過載，因為它將存儲大量道路基礎設施對象。 他總結說，所提出的方法用於現實的城市環境模擬器，這可以在訓練無人駕駛運輸系統時減少時間和計算成本。
https://big5.sputniknews.cn/20221111/1045437354.html
https://big5.sputniknews.cn/20221111/1045413494.html
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2022
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
News
cn_CN
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
俄羅斯, 無人駕駛, 運輸, 技術, 人工智能
俄羅斯開發出一種用於訓練無人駕駛車輛的模擬器
2022年11月14日, 15:42 (更新: 2022年11月14日, 19:00) 俄羅斯莫斯科通信和信息技術大學（MTUCI）的學者們開發出一種模擬器，可以讓您以更高的準確性、更少的時間和計算成本來訓練無人駕駛運輸系統。作者說，這種解決方案是由於使用現代人工智能技術獲得的。
專家指出，在汽車交通量逐年增長的條件下，今天各大城市面臨交通網絡發展機會枯竭的局面。他們說，在目前的情況下，不僅需要設計高質量的新道路，還需要確保其運行效率和交通安全。研究結果發表在《
傳感器》（Sensors）雜誌上。
學者們說，如今研究人員、工程師和科技公司的主要目標是提高交通工具行駛的安全性和優化性，並減少公路運輸造成的生態損失。離開交通網絡的數學建模，這些問題的解決方案是不可能的，數學建模使得確定交通強度、平均速度、延遲和時間損失等參數成為可能。
交通流管理的複雜性在於一個人駕駛汽車，而他的行為很難預測，即使在類似的情況下也可能有根本的區別。為瞭解決這個問題，如今正在開發和引進
無人駕駛車輛，但它們的控制系統與任何其它智能系統一樣，需要在廣泛的路況下進行初步訓練。
莫斯科通信與信息技術大學負責解決問題的科學家解釋說，目前，一名專家在訓練過程中駕駛無人駕駛車輛，他不得不行駛數千公里，通過不斷變化的外部條件和各種路況引導控制系統。這種學習方法需要花費大量時間，而且無法讓您重現現實生活中在路上可能遇到的所有場景。
“我們提供了一個真實城市環境的模擬器，這使減少訓練時間以及各種事件的發生成為可能。為了實現這樣一個模擬練習器，我們制定了一種方法，使我們在沿城市道路駕駛時重建現實世界成為可能，”莫斯科通信和信息技術大學“信息技術”系主任米哈伊爾·戈羅德尼切夫 (Mikhail Gorodnichev) 說。
他解釋說，這裡談的是使用卷積神經網絡開發用於運輸基礎設施數字認證的智能系統，它允許您創建周圍世界的對象，以便進一步放置在模擬器的虛擬環境中。
他補充說，所生成的圖像應該具有最佳尺寸，以免系統過載，因為它將存儲大量道路基礎設施對象。
“首先，我們進行了系統的設計，還修改和開發了神經網絡的架構，這使我們能夠以足夠的精度對對象進行分類，獲得優化的對象並降低計算複雜性，”這位科學家指出。
他總結說，所提出的方法用於現實的城市環境模擬器，這可以在訓練無人駕駛運輸系統時減少時間和計算成本。
京公網安備11010502053235號
