AI来预测机器人何时将脱离，这个以毒攻毒方法效果非常显著

下载贤集网APP看更多精彩视频

视频介绍

脱离，在自动驾驶系统中是一个重要的指标，是指当自动驾驶汽车遇到故障，脱离自动驾驶模式，改为人类驾驶员接管车辆的情况。很多人认为脱离次数越少，就能说明自动驾驶系统能力越强。因此，以往的研究都会把脱离当作是故障来排除掉。但最近，伯克利的研究人员却以毒攻毒，直接用这样的数据来训练机器人，预测未来何时将发生脱离事件。研究人员称它为LaND，从脱离中学会导航。研究人员表示，通过这样的方法得到的结果，要比传统的强化学习、模仿学习都要强。研究人员用一辆Clearpath Jackal机器人做测试。先让这个机器人自己在路上跑，若是开到人行道的两侧或撞到草丛等物体视为故障。当出现故障的情况后，机器人就会进入脱离状态，研究员便用遥控器，把它重新置于有效位置，以便让它再次自主行进。然后研究人员将数据收集起来，作为训练数据，投喂到神经网络做预测。拿到数据，就要开始训练了。目的就是用这些数据，来预测机器人在未来是否会脱离。神经网络先使用MobileNetV2，对输入的图像观测值进行处理，紧接着是一系列的全连接层。这些图像层的输出，将作为递归神经网络LSTM的初始隐含状态，依次处理机器人未来的每一个动作，并输出相应的预测脱离概率。在众多可选路径中，颜色越深，则表明脱离的概率越高。性能优于传统方法最后，研究人员拿这种以毒攻毒的方法，与其它两种传统方法做对比，分别是模仿学习和强化学习。在对比实验中，三种方法所采用的数据都是一致的。非常明显，当机器人在2.3公里长、从未走过的人行道中行进时，强化学习方法平均每2米就会脱离一次，模仿学习则是平均每13.4米就会脱离一次。而伯克利提出的以毒攻毒方法，效果非常显著，平均每87.5米才会脱离一次。感兴趣的可以关注一下哦。