CoolBoy,魏子敏作者

给美队设计车的老爷爷设计了一辆自动驾驶赛车,还完成了全球首次爬坡赛

在刚刚结束的英格兰赛车爬坡比赛Goodwood Festival of Speed上,Roborace生产的自动驾驶车Robocar成为了史上首辆完成爬坡赛的自动驾驶车。

爬坡赛是一项传统赛车运动,而在每年六月底七月初举办的Goodwood Festival of Speed是赛车爱好者不可错过的重要赛事之一,目前每届可以吸引约三十万人的流量。

在今年的爬坡赛中首次完成爬坡的自动驾驶赛车来自Roborace。这是一家专门生产无人驾驶电动赛车的公司,或者说是一个极限赛车运动和娱乐平台,致力于研究道路相关技术的未来,生产出了全球第一辆无人驾驶电动赛车。

再来仔细看看这辆参赛的无人驾驶赛车Robocar👇

这辆颜值颇具未来感的赛车设计者是好莱坞科幻大片设计师丹尼尔西蒙👇

名字是不是有点耳熟,的确,漫威电影《美国队长》中美国队长从摩托车到飞机的一系列炫酷座驾,也由他一手涉设计完成👇

Robocar是Roborace团队中使用的赛车。当然,这次比赛并不是它在赛车场上的第一次征程d,今年五月份,它在巴黎ePrix上已经完成首次公开亮相,但结果不尽人意。

当时,尽管Robocar也完成了一圈1.9公里的赛道运行,但速度慢,以及测试中暴露的撞墙问题仍然不可忽视。在官方Youtube频道披露的展示片中,我们几乎看不到Robocar在赛道上的画面。

这也引起了网友的质疑:

因此,本次在英国的爬坡赛,Robocar的表现才更具有说服力。

首先,相比之前的平地比赛,爬坡赛对于自动驾驶车来说,整体难度上一个台阶。

“Goodwood爬坡赛给了我们的驾驶系统一个真正的挑战”,Roborace软件总监AI Sergey Malygin说,“转弯、爬坡、以及森林的覆盖让我们不能使用GPS或RTK来定位。

利用相机和LiDar传感器,将360度的环境纳入其视野之后,使用深度学习计算机视觉算法会在这样的赛道中提供巨大支持。”

其次,这次的比赛环境非常接近最终应用道路环境。

在限速120千米/时的行驶之后,Roborace的首席运营官Jen Horsey告诉Autosport:“我们周一完成了成功的行驶,但今天,在满是观众的环境下,才是最终的测试。

“这样的环境比单单的赛道要复杂得多。我们经历过的赛道都是非常规则的:比如轨道墙,柏油路,以及道路边缘,所以这一次是一个大的飞跃。这实际上比这项技术最终的应用方向更加接近道路环境。”

同时,官方Youtube频道中发布了本次行驶的视频。与之前巴黎赛事不一样的是,此次视频全部为行驶录像,我们可以看到赛车在保持一定的高速运行,很具有说服力。

显然,网友对本次视频的评价也发生了转变:

Festival of Speed 活动的创始人Charles Gordon-Lennox表示:“赛车完全依赖人工智能首次完成爬坡是一个巨大的成就。Roborace通过惊人的努力将其实现,而观众们在周末的活动中亲眼目睹这些,我们感到非常激动。”

一个有趣的小细节值得一提,比赛过程中一辆1965年的福特野马“非正式性地”击败了Roborace。

这辆美国经典跑车是由德国工业公司、计算专家西门子编程的。它在路途中转向赛道边草垫,但驾驶员中途介入,踩下了刹车,避免了一场事故。

相关报道:

https://www.autosport.com/fe/news/137394/roborace-car-completes-goodwood-hillclimb

产业自动驾驶
1
相关数据
计算机视觉技术
Computer Vision

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

自动驾驶技术
self-driving

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

深度学习技术
Deep learning

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

推荐文章
返回顶部