據(jù)外媒報(bào)道，美國(guó)查爾斯頓學(xué)院（College of Charleston）數(shù)據(jù)科學(xué)專(zhuān)業(yè)的兩名學(xué)生在科技公司Logicalis的指導(dǎo)下，完成了競(jìng)爭(zhēng)學(xué)習(xí)（人工神經(jīng)網(wǎng)絡(luò)的一種學(xué)習(xí)方式），即利用邊緣強(qiáng)化學(xué)習(xí)（RL）計(jì)算，幫助自動(dòng)駕駛汽車(chē)在行駛時(shí)辨別方向。

（圖片來(lái)源：DeepRacer汽車(chē)）

該團(tuán)隊(duì)推出的系統(tǒng)，以物聯(lián)網(wǎng)（IoT）為基礎(chǔ)，采用Wi-Fi網(wǎng)聯(lián)軟件，利用亞馬遜云計(jì)算IaaS和PaaS平臺(tái)服務(wù)AWS的DeepRacer云控制臺(tái)，能夠與車(chē)輛進(jìn)行通信，并且捕獲攝像頭圖像，以更好地了解車(chē)輛的路徑和位置，并且向其發(fā)送指令以改善加速和路徑選擇等性能。該團(tuán)隊(duì)表示，他們研發(fā)的競(jìng)爭(zhēng)學(xué)習(xí)能夠讓該系統(tǒng)的表現(xiàn)優(yōu)于基于AWS的模型。而且學(xué)生們研發(fā)的系統(tǒng)能夠讓車(chē)輛或其他設(shè)備了解其環(huán)境，并根據(jù)收集和解釋的數(shù)據(jù)，在邊緣（使用平板電腦或筆記本電腦）做出響應(yīng)。

Starr和Turner都是數(shù)據(jù)科學(xué)專(zhuān)業(yè)的學(xué)生，他們參加了AWS DeepRacer項(xiàng)目（AWS發(fā)起的一項(xiàng)比賽，要求開(kāi)發(fā)人員和科學(xué)家利用機(jī)器學(xué)習(xí)構(gòu)建自動(dòng)駕駛汽車(chē)），主要關(guān)注于為自動(dòng)駕駛汽車(chē)研發(fā)和微調(diào)算法，從而能夠利用傳感器數(shù)據(jù)探測(cè)車(chē)輛位于哪個(gè)賽道上，并且利用此類(lèi)數(shù)據(jù)以及機(jī)器學(xué)習(xí)，從基于云的軟件中無(wú)線分享信息、接收提示，讓自動(dòng)駕駛汽車(chē)自己得到訓(xùn)練，并在賽道上保持最高行駛速度。

在構(gòu)建基于IoT的解決方案之前，該研究小組考慮了幾個(gè)選擇，首先在虛擬車(chē)輛上采用了該解決方案。該團(tuán)隊(duì)獲取了DeepRacer汽車(chē)以及賽道beta仿真，然后開(kāi)始研發(fā)和測(cè)試RL算法。學(xué)生們利用模擬車(chē)型，并且將車(chē)輛命名為Virtual Car 42 。然后，他們開(kāi)始對(duì)模擬車(chē)輛進(jìn)行測(cè)試，結(jié)果發(fā)現(xiàn)，在正確完成特定圈數(shù)的基礎(chǔ)上，他們研發(fā)的學(xué)習(xí)算法使其模擬車(chē)輛的表現(xiàn)優(yōu)于AWS DeepRacer汽車(chē)。例如，該算法可以識(shí)別路上的彎道，并且調(diào)整車(chē)輛的轉(zhuǎn)向和加速度，以盡可能快的速度在每條彎道上行駛。

2019年7月，該團(tuán)隊(duì)在實(shí)體車(chē)上使用了該軟件。該實(shí)體車(chē)配備了車(chē)載攝像頭和加速度陀螺儀，能夠幫助識(shí)別車(chē)輛位置。學(xué)生們使用AWS Sage Maker機(jī)器學(xué)習(xí)平臺(tái)，AWS Robotmaker機(jī)器人仿真平臺(tái)通過(guò)WiFi或USB棒向車(chē)輛傳輸代碼，然后，研究小組可以利用iPad或計(jì)算機(jī)對(duì)車(chē)輛數(shù)據(jù)的輸入和輸出進(jìn)行控制。

應(yīng)用于Virtual Car 42的機(jī)器學(xué)習(xí)算法也可以用于其他設(shè)備，例如商業(yè)或工藝應(yīng)用中的設(shè)備或車(chē)輛。例如，通過(guò)使用WiFi或其他無(wú)線網(wǎng)絡(luò)進(jìn)行物聯(lián)網(wǎng)連接，設(shè)備可以利用傳感器捕捉并提供諸如預(yù)測(cè)性維護(hù)、圖像和聲音識(shí)別、監(jiān)控等信息，同時(shí)還支持自動(dòng)駕駛。

返回第一電動(dòng)網(wǎng)首頁(yè) >