伯克利新研究:不需要仿真测试,会自我学习的导航系统_鸭脖娱乐官网

时间:2021-04-01 12:20 作者:鸭脖娱乐
本文摘要:加利福尼亚大学伯克利分校的研究者设立了伯克利自动驾驶地面机器人(BADGR )。BADGR是用于自我监视数据训练的从末端到末端的自主机器人。 与依赖许多传统几何数据来规划无碰撞路径的传统机器人不同,BADGR依赖“经验”来导航系统,不需要建模仿真和人工监督。自动驾驶车被指出是“移动机器人”的一种,移动机器人导航系统一般被指出是几何学问题,机器人的目标是感觉环境的几何学形状,展开实现目标的无碰撞路径。

鸭脖

加利福尼亚大学伯克利分校的研究者设立了伯克利自动驾驶地面机器人(BADGR )。BADGR是用于自我监视数据训练的从末端到末端的自主机器人。

与依赖许多传统几何数据来规划无碰撞路径的传统机器人不同,BADGR依赖“经验”来导航系统,不需要建模仿真和人工监督。自动驾驶车被指出是“移动机器人”的一种,移动机器人导航系统一般被指出是几何学问题,机器人的目标是感觉环境的几何学形状,展开实现目标的无碰撞路径。但是世界的几何视图可能足以让车辆完成导航系统. 例如,小型机器人根据几何形状有可能无法转向有草丛的孩子的草原,草原被识别为无法穿过的物体,因此无法将系统导航到目的地,车有可能在旋转。

加利福尼亚大学伯克利分校的研究者设立了伯克利自动驾驶地面机器人(BADGR )。BADGR是用于自我监视数据训练的从末端到末端的自主机器人。与依赖许多传统几何数据来规划无碰撞路径的传统机器人不同,BADGR依赖“经验”来导航系统,不需要建模仿真和人工监督。

BADGR的核心是NvidiaJetsonTX2,处理车载相机、六维惯性测量单位传感器、2DLIDAR传感器和GPS系统。具体地说,BADGR享受从动态相机传感器的观测结果和一系列未来计划的行动中得到的人工神经网络,神经网络不预测到达目标的最佳可能性路径。

BADGR自学是如何1 .自主收集数据2 .用于自我监视的自主标记数据3 .训练基于图像的神经网络预测模型。该方法具有主要优点,传统技术可以避免路径中草的高度,BADGR可以在其中导航系统。另外,BADGR在收集更多数据时谋求提高。

研究者认为,BADGR背后的重要看法是,需要根据现实世界的经验自主自学,BADGR能够理解导航系统的能力,随着收集更多的数据而不断改善,推广到看不见的环境中通过实验进一步指出该方法比SLAM和建模方法更关注导航系统的效果。但是,机器人如何在看不见的敌对环境下也安全地收集数据呢? BADGR如何适应行人等有生命障碍的环境的动态环境? 我需要解决更多的问题。


本文关键词:伯克利,新研究,鸭脖娱乐,新,研究,不需要,仿真,测试,会

本文来源:鸭脖-www.2018pickups.com