Forskare vid Oxford Universitys institution för datavetenskap har i samarbete med kollegor från Bogazici University, Turkiet, utvecklat ett nytt system för artificiell intelligens (AI) för att möjliggöra för autonoma fordon (AV) att uppnå säkrare och mer pålitlig navigeringsförmåga, särskilt under ogynnsamma väderförhållanden och GPS-nekas körscenarier. Resultaten har publicerats idag i Nature Machine Intelligence .

Yasin Almalioglu, som slutförde forskningen som en del av sin DPhil vid Institutionen för datavetenskap, sa:"Svårigheten för AV:er att uppnå exakt positionering under utmanande ogynnsamt väder är en viktig anledning till att dessa har begränsats till relativt småskaliga försök. till nu. Väder som regn eller snö kan till exempel göra att en AV upptäcker sig själv i fel körfält före en sväng, eller stannar för sent i en korsning på grund av oprecis positionering."

För att övervinna detta problem utvecklade Almalioglu och hans kollegor en ny, självövervakad modell för djupinlärning för uppskattning av egorörelser, en avgörande komponent i en AV:s körsystem som uppskattar bilens rörliga position i förhållande till objekt som observeras från bilen själv. Modellen sammanförde rikt detaljerad information från visuella sensorer (som kan störas av ogynnsamma förhållanden) med data från väderimmuna källor (som radar), så att fördelarna med var och en kan användas under olika väderförhållanden.

Modellen tränades med hjälp av flera allmänt tillgängliga AV-datauppsättningar som inkluderade data från flera sensorer som kameror, lidar och radar under olika inställningar, inklusive varierande ljus-/mörkernivåer och nederbörd. Dessa användes för att generera algoritmer för att rekonstruera scengeometri och beräkna bilens position från nya data. Under olika testsituationer visade forskarna att modellen visade robust prestanda i alla väder, inklusive förhållanden med regn, dimma och snö, såväl som dag och natt.

Teamet förutser att detta arbete kommer att föra AV-apparater ett steg närmare säker och smidig autonom körning i alla väder, och i slutändan en bredare användning inom samhällen.

Professor Niki Trigoni, från institutionen för datavetenskap vid Oxford University, som var medövervakare av studien, sa:"Den exakta positioneringsförmågan ger en grund för många kärnfunktioner hos AV:er som rörelseplanering, förutsägelse, situationsmedvetenhet och kollisionsundvikande . Den här studien ger en spännande kompletterande lösning för AV-programvaran för att uppnå denna förmåga."

Professor Andrew Markham (Institutionen för datavetenskap, Oxford University), också en bihandledare för studien, tillade:"Att uppskatta den exakta platsen för AV:er är en kritisk milstolpe för att uppnå tillförlitlig autonom körning under utmanande förhållanden. Denna studie utnyttjar effektivt den kompletterande aspekter av olika sensorer för att hjälpa AV:er att navigera i svåra dagliga scenarier." + Utforska vidare

Data om dåligt väder kan hjälpa autonoma fordon att se