據(jù)外媒報(bào)道,美國(guó)查爾斯頓學(xué)院(College of Charleston)數(shù)據(jù)科學(xué)專業(yè)的兩名學(xué)生在科技公司Logicalis的指導(dǎo)下,完成了競(jìng)爭(zhēng)學(xué)習(xí)(人工神經(jīng)網(wǎng)絡(luò)的一種學(xué)習(xí)方式),即利用邊緣強(qiáng)化學(xué)習(xí)(RL)計(jì)算,幫助自動(dòng)駕駛汽車在行駛時(shí)辨別方向。
圖片來(lái)源:DeepRacer汽車
該團(tuán)隊(duì)推出的系統(tǒng),以物聯(lián)網(wǎng)(IoT)為基礎(chǔ),采用Wi-Fi網(wǎng)聯(lián)軟件,利用亞馬遜云計(jì)算IaaS和PaaS平臺(tái)服務(wù)AWS的DeepRacer云控制臺(tái),能夠與車輛進(jìn)行通信,并且捕獲攝像頭圖像,以更好地了解車輛的路徑和位置,并且向其發(fā)送指令以改善加速和路徑選擇等性能。該團(tuán)隊(duì)表示,他們研發(fā)的競(jìng)爭(zhēng)學(xué)習(xí)能夠讓該系統(tǒng)的表現(xiàn)優(yōu)于基于AWS的模型。而且學(xué)生們研發(fā)的系統(tǒng)能夠讓車輛或其他設(shè)備了解其環(huán)境,并根據(jù)收集和解釋的數(shù)據(jù),在邊緣(使用平板電腦或筆記本電腦)做出響應(yīng)。
Starr和Turner都是數(shù)據(jù)科學(xué)專業(yè)的學(xué)生,他們參加了AWS DeepRacer項(xiàng)目(AWS發(fā)起的一項(xiàng)比賽,要求開(kāi)發(fā)人員和科學(xué)家利用機(jī)器學(xué)習(xí)構(gòu)建自動(dòng)駕駛汽車),主要關(guān)注于為自動(dòng)駕駛汽車研發(fā)和微調(diào)算法,從而能夠利用傳感器數(shù)據(jù)探測(cè)車輛位于哪個(gè)賽道上,并且利用此類數(shù)據(jù)以及機(jī)器學(xué)習(xí),從基于云的軟件中無(wú)線分享信息、接收提示,讓自動(dòng)駕駛汽車自己得到訓(xùn)練,并在賽道上保持最高行駛速度。
在構(gòu)建基于IoT的解決方案之前,該研究小組考慮了幾個(gè)選擇,首先在虛擬車輛上采用了該解決方案。該團(tuán)隊(duì)獲取了DeepRacer汽車以及賽道beta仿真,然后開(kāi)始研發(fā)和測(cè)試RL算法。學(xué)生們利用模擬車型,并且將車輛命名為Virtual Car 42 。然后,他們開(kāi)始對(duì)模擬車輛進(jìn)行測(cè)試,結(jié)果發(fā)現(xiàn),在正確完成特定圈數(shù)的基礎(chǔ)上,他們研發(fā)的學(xué)習(xí)算法使其模擬車輛的表現(xiàn)優(yōu)于AWS DeepRacer汽車。例如,該算法可以識(shí)別路上的彎道,并且調(diào)整車輛的轉(zhuǎn)向和加速度,以盡可能快的速度在每條彎道上行駛。
2019年7月,該團(tuán)隊(duì)在實(shí)體車上使用了該軟件。該實(shí)體車配備了車載攝像頭和加速度陀螺儀,能夠幫助識(shí)別車輛位置。學(xué)生們使用AWS Sage Maker機(jī)器學(xué)習(xí)平臺(tái),AWS Robotmaker機(jī)器人仿真平臺(tái)通過(guò)WiFi或USB棒向車輛傳輸代碼,然后,研究小組可以利用iPad或計(jì)算機(jī)對(duì)車輛數(shù)據(jù)的輸入和輸出進(jìn)行控制。
應(yīng)用于Virtual Car 42的機(jī)器學(xué)習(xí)算法也可以用于其他設(shè)備,例如商業(yè)或工藝應(yīng)用中的設(shè)備或車輛。例如,通過(guò)使用WiFi或其他無(wú)線網(wǎng)絡(luò)進(jìn)行物聯(lián)網(wǎng)連接,設(shè)備可以利用傳感器捕捉并提供諸如預(yù)測(cè)性維護(hù)、圖像和聲音識(shí)別、監(jiān)控等信息,同時(shí)還支持自動(dòng)駕駛。