Unity-udvikler: Selvkørende biler er nået til et plateau - men de skal nok komme videre
Det ser måske virkeligt ud - men det er en virtuel verden. Selvkørende biler skal kunne fungere i alle situationer dag og nat. Derfor bruges simuleringer til at teste bilernes funktioner i specielle situationer.

Foto : Unity

Unity-udvikler: Selvkørende biler er nået til et plateau - men de skal nok komme videre

Udviklingen er langt fra gået i stå og hos amerikansk softwareudvikler med danske rødder, er man i gang med at forstå, hvad det egentlig er vi kan og skal med selvkørende biler.
ING.DK: Simuleringer og den virkelige verden har det med ikke altid at ligne hinanden. Det har masser af ingeniører oplevet gennem tiderne. Et trykfald eller en temperatur for en væske stemmer måsker ikke med modellen i computerprogrammet eller der opstår elektrisk støj på et printkort fordi det ikke er jordet ordentligt.
Vil du have fuld adgang til DataTech?

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

HVAD BLEV DER AF DE SELVKØRENDE BILER?

Vi er blevet lovet selvkørende biler i mange år. Først skulle de være klar i 2017, så i 2018 og endelig i 2020. Men de er her endnu ikke, og det er der mange gode forklaringer på.

Dette er anden artikel i en række, som ser på selvkørende biler og de udfordringer, de har.

I løbet af juni vil Ingeniøren se på de forskellige udfordringer ved selvkørende biler - følg med her og på Ing.dk.

Udfordringer ved at træne software til selvkørende biler

Hvordan indsamler du alle de data, du har brug for? Machine Learning er kernen i autonome køretøjer, og der er brug for enorme mængder data for at træne et autonomt køretøj. Hvordan indsamles præcise data omkostningseffektivt?

Hvordan kan bilen forstå, hvad dataene er? Det er ikke kun nok at indsamle dataene, du skal sørge for, at bilen forstår, hvad dataene er - den kan ikke bare se et objekt, det må forstå, om objektet er et træ, en vej, en person og så videre .

Hvordan sorterer og struktureres data? De enkelte data skal forstås af det autonome køretøj. Mennesker er rigtig dårlige til dette, så hvis det kunne gøres automatisk, ville vi meget hurtigere kunne udvikle de komplicerede algoritmer.

Hvordan forbereder du køretøjet til de uundgåelige uforudsete situationer? Data, der udelukkende indsamles fra den virkelige verden, kan kun forberede det autonome køretøj til det, der allerede er set derude.

Avancerede og komplekse simuleringsmiljøer giver ingeniørteams kontrol over datagenerering, så de kan træner et autonomt køretøj til at være klar til alle scenarier, inklusive de uforudsete.

Kilde: Unity Technologies