机器人学家开始越野编译可以训练自动驾驶ATV的数据

卡内基梅隆大学的研究人员驾驶一辆全地形车穿越高高的草丛、松散的砾石和泥土，以收集有关ATV如何与具有挑战性的越野环境相互作用的数据。

他们以高达每小时30英里的速度猛烈地驾驶着装备精良的ATV。他们在转弯处滑行，上下山，甚至被困在泥泞中——同时从七种传感器收集视频、每个车轮的速度和悬架冲击行程等数据。

生成的数据集称为TartanDrive，包括大约200,000次此类交互。研究人员认为，就交互数量和传感器类型而言，这些数据是现实世界中最大的多模式越野驾驶数据集。这五个小时的数据可能有助于训练自动驾驶汽车在越野时导航。

“与自动街道驾驶不同，越野驾驶更具挑战性，因为您必须了解地形的动态才能安全驾驶并更快地驾驶，”机器人研究所(RI)的项目科学家王文山说。

以前关于越野驾驶的工作通常涉及带注释的地图，这些地图提供泥、草、植被或水等标签，以帮助机器人了解地形。但这类信息并不经常可用，即使有，也可能没有用。例如，标记为泥泞的地图区域可能是可驾驶的，也可能是不可驾驶的。了解动力学的机器人可以推理物理世界。

研究小组发现，他们为TartanDrive收集的多模态传感器数据使他们能够构建优于使用更简单、非动态数据开发的预测模型。机器人学二年级硕士生塞缪尔·特里斯特(SamuelTriest)说，积极驾驶也将ATV推向了一个性能领域，在这个领域中，对动力学的理解变得至关重要。

“随着速度的增加，这些系统的动力学往往变得更具挑战性，”该团队最终论文的主要作者Triest说。“你开得更快，你反弹的东西更多。我们有兴趣收集的很多数据是这种更具侵略性的驾驶、更具挑战性的斜坡和更茂密的植被，因为这就是一些更简单的规则开始失效的地方。”

尽管自动驾驶汽车的大部分工作都集中在街道驾驶上，但最初的应用可能是在受控区域的越野，在这些区域与人或其他车辆发生碰撞的风险是有限的。该团队的测试是在匹兹堡附近的一个地点进行的，CMU的国家机器人工程中心用来测试自动越野车。人类驾驶ATV，尽管他们使用线控系统来控制转向和速度。

“我们强迫人类通过与机器人相同的控制界面，”王说。“通过这种方式，人类采取的行动可以直接用作机器人应该如何行动的输入。”

Triest在费城举行的国际机器人与自动化会议(ICRA)上介绍了TartanDrive研究。

标签：