МТИ выпускает беспилотный скутер

Беспилотные автомобили уже нас не удивляют. А как насчет беспилотных скутеров? Группа ученых лаборатории CSAIL при Массачусетском технологическом институте разработала автономный скутер, используя алгоритмы, которые не только позволят пользователю откинуться на спинку и наслаждаться поездкой, но и смогут применяться в различных видах транспорта. Это позволит людям с нарушением опорно-двигательного аппарата спокойно передвигаться в помещении, а поклонники гольфа смогут использовать эти алгоритмы в гольфмобилях.

Этот скутер демонстрирует новую комплексную систему автономного передвижения, и она была создана CSAIL в сотрудничестве с национальным университетом Сингапура, и Альянсом Сингапура и Массачусетского технологического института в области исследований и технологий. При создании использовались сенсоры и ПО, которые были ранее использованы в ходе экспериментов с беспилотными автомобилями и гольфмобилями. Причина повторного использования этой конфигурации заключалась в разработке новых унифицированных алгоритмов навигации и управления.

Эти алгоритмы базируются на трех слоях программного обеспечения. Первый слой – это низкоуровневые алгоритмы, которые мгновенно реагируют на изменения вокруг транспорта, дабы избежать столкновений и двигаться по заданному маршруту. Второй слой создан из алгоритмов локализации для разработки карты и навигации, тогда как третий слой позволяет скутеру функционировать как единица парка и подключаться к другим пользователям.

Новые алгоритмы могут работать как внутри зданий, так и на улице, и даже смогли совладать со знаменитым «бесконечным коридором» МТИ – 251-метровым коридором, проходящим через главные здания ВУЗа. И роботам обычно очень тяжело ориентироваться в нем. Однако новые алгоритмы смогли справиться с этим, не дав скутеру заблудиться.

Но у ученых гораздо более дальновидные планы касательно новых алгоритмов, нежели просто использование их для беспилотного скутера. Инженеры считают, что их систему можно будет использовать для любого вида автономного транспорта. Это позволит менять вид передвижения, от скутера к автомобилю, в зависимости от того, что наиболее предпочтительно для каждого этапа путешествия.

Исследователи говорят, что новые алгоритмы более практичны для проведения анализа надежности производительности системы. Настройки делают проще проверку того, работают ли разные слои надлежащим образом, и нет необходимости переделывать систему для разных видов транспорта. Мало того, информация может легко передаваться с одного транспорта на другой, потому что алгоритмы взаимодействуют с окружающей средой в разных транспортных средствах, и они обучаются и улучшают свою производительность.

Разработчики представили свои наработки на международной научно-технической конференции IEEE в Рио-де-Жанейро на прошлой неделе.