物聯(lián)傳媒 旗下網(wǎng)站
登錄 注冊

麻省理工學(xué)院利用機器學(xué)習(xí)改進激光雷達數(shù)據(jù)處理能力

作者:本站收錄
來源:MEMS
日期:2021-06-11 09:00:16
摘要:麻省理工學(xué)院(MIT)的研究人員正在利用機器學(xué)習(xí)技術(shù)對激光雷達數(shù)據(jù)進行更好的實時處理。

image.png

據(jù)麥姆斯咨詢介紹,激光雷達(LiDAR)是光探測和測距的縮寫,目前越來越普遍地應(yīng)用于我們?nèi)粘I詈凸ぷ髦校缣O果iPhone、iPad,以及服務(wù)機器人,它們利用激光測量距離,從而實現(xiàn)對周圍空間的精確測繪。此外,在衛(wèi)星上,激光雷達被用來測量海拔高度;在自動駕駛汽車中,激光雷達被用于繪制道路和探測障礙物等。現(xiàn)在,麻省理工學(xué)院(MIT)的研究人員正在利用機器學(xué)習(xí)技術(shù)對激光雷達數(shù)據(jù)進行更好的實時處理。

眼前的問題:簡而言之,激光雷達功能強大,但數(shù)據(jù)處理速度慢。一款典型的激光雷達每秒可以產(chǎn)生數(shù)百萬個深度數(shù)據(jù)點,這很快就超出了汽車內(nèi)置的數(shù)據(jù)處理能力,因此汽車上的系統(tǒng)將三維激光雷達數(shù)據(jù)壓縮為二維數(shù)據(jù),在轉(zhuǎn)換過程中丟失了很多細節(jié)。

相比之下,麻省理工學(xué)院的研究人員正在使用端到端的機器學(xué)習(xí)框架,利用低分辨率的GPS地圖和原始的3D激光雷達數(shù)據(jù)。為了快速處理針對大量激光雷達數(shù)據(jù)進行深度學(xué)習(xí)的繁重計算負(fù)載,以實現(xiàn)實時自動駕駛,麻省理工學(xué)院的研究人員為深度學(xué)習(xí)模型設(shè)計了新的組件,從而更好地利用GPU。“我們已經(jīng)從算法和系統(tǒng)兩個角度優(yōu)化了解決方案,與現(xiàn)有的3D激光雷達方法相比,累計加速提高了大約9倍?!甭槭±砉W(xué)院博士生、該論文的共同主要作者Zhijian Liu在接受麻省理工學(xué)院Adam Conner Simons采訪時介紹說。

早期的測試數(shù)據(jù)顯示,麻省理工學(xué)院研發(fā)的系統(tǒng)減少了人類接管汽車的時間,并經(jīng)受住了主要的傳感器故障。這在很大程度上是由于系統(tǒng)的“賭注對沖”:它估計任何給定預(yù)測的確定性,然后相應(yīng)地對每個預(yù)測進行加權(quán)。這有助于保護系統(tǒng)免受誤導(dǎo)性輸入,例如惡劣天氣期間“凌亂”的激光雷達數(shù)據(jù)。“通過根據(jù)模型的不確定性融合控制預(yù)測,該系統(tǒng)可以適應(yīng)突發(fā)事件?!甭槭±砉W(xué)院電氣工程和計算機科學(xué)教授、該論文資深作者之一Daniela Rus說道。


image.png


研究人員希望他們的工作將有助于為未來的自動駕駛系統(tǒng)鋪平道路。這種系統(tǒng)需要更少的人工干預(yù),才能提供令人滿意的結(jié)果?!拔覀兝昧藷o地圖駕駛方法的優(yōu)點,并將其與端到端機器學(xué)習(xí)相結(jié)合,這樣我們就不需要程序員手動調(diào)整系統(tǒng)了。”該論文的另一位共同作者Alexander Amini介紹說。

下一步,研究人員正致力于通過天氣事件建模和道路上的其他車輛采集數(shù)據(jù)來擴展系統(tǒng)。