Cars auto-expellentes potentes sunt a machina discendi algorithmarum quae ingentes copiae notitiarum emittentes requirunt ut tuto fungantur. Quodsi autocineti autocineti automataria eodem modo infantes ambulare discant, vigilantes et imitantes alios circum se, longe minus exaratum requirunt notitias incessus. Ista idea intendit architectum universitatis Bostoniensis Eshed Ohn-Bar ut viam perfecte novam vehiculis sui iuris evolvendi ad artes tutas incessus discat-a vigilantibus aliis carros in via, praedicens quomodo ad ambitum suum respondeant et utendo informationes suas suas reddant. sua pulsis iudiciis.
Ohn-Bar, a BU Collegium Engineering adiutorem professorem electricae et computatrum machinationis ac facultatis minoris commilitonis apud BU's Rafik B. Hariri Institutum pro computatione et scientia computatione & Engineering, et Jimuyang Zhang, a BU PhD studentem in electricis et machinariis computatris; nuper investigationem suam 2021 in Conferentia de Visione Computer et Recognitione Pattern exhibuerunt. Eorum idea ad paradigma disciplinae accessit ex studio augendi notitiae communicationis et cooperationis inter inquisitores in agro suo - in praesenti, vehicula autonomae multae horae requirunt notitias depellendi ut tuto pellant, sed aliquae maximae societates currus mundi maximas suas servant. copia notitia privata ne competition.
"Quisque societas percurrit eundem modum carros capiendi, eis sensoriis imponens, rectores solvens ut vehiculis pellatur, notitias colligens et currus agitare doceat," Ohn-Bar dicit. Socius notitiarum agentium iuvare potest societates vehiculis autonomis tutos creare citius, permittens omnes in societate prodesse ex cooperatione. Artificiose intelligens systemata incessus requirit tantam notitias ad bene operandum, Ohn-Bar dicit, quod nulla societas unica hanc quaestionem per se solvere poterit.
“Bibliothecae miliarium [ex notitia collecta in via] guttae tantum sunt in oceano rerum et rerum realium mundi,” Ohn-Bar dicit. "Attamen, notitia absentis specimen duceret ad securam mores et ad ruinam potentialem."
Investigatores proposita machina discendi algorithmum operant aestimando prospectus et maculas caecas aliarum carrorum prope ad faciendam tabulam oculorum ambitus circumcirca visum avis. Hae tabulae geographicae currus auto-expellentes impedimenta deprehendunt, sicut alii currus vel pedestres, et intelligere quomodo aliae carros convertunt, tractant, et sine fragore in aliquid cedunt.
Per hanc methodum, currus auto-activi discunt actiones vehiculorum circumiacentium transferendo in proprias tabulas relationis, machinam eorum discendi algorithm-neurales retiaculas potentes. Hae aliae currus possunt esse vehiculis humanis agitatae sine ullo sensoriis, vel alio vehiculis societatis auto-gubernatorum. Cum observationes ab omnibus circumiacentibus carros in scaena centrales ad algorithm disciplinam centrales sunt, hoc "discendo spectando" paradigma datorum communicationem fovet, et per consequens vehicula tutior autonoma.
Ohn-Bar et Zhang suas "vigilare et discere" algorithmum tentaverunt, habendo autonomiam carros ab eo impositos navigare duo oppida virtualis, unum directis vicibus et impedimentis similes suae ambitus disciplinae, alterum inopinatis nexibus, sicut quinqueviorum intersectiones. In utraque missione, investigatores invenerunt retis neuralis sui auto-activing in paucissimis accidentibus. Cum hora tantum unius horae datae emittendi machinam discendi algorithmum instituendi, vehicula autonoma ad loca sua 92 centesimis temporis tuto pervenerunt.
"Cum priora optimae methodi horas requirebant, mirati sumus quod methodus nostra tuto justo X minuta data pulsionis addisceret", Ohn-Bar dicit.
Promittunt, inquit, sed adhuc plures sunt apertae provocationes in perplexis fundis urbanis tractantes. "Ratio pro graphice varias prospectus per vehicula observata, strepitus et laqueus in mensuris sensoriis, et variis rectoribus difficillimum est", inquit.
Prospiciens, turma dicit modum suum docendae vehiculis autonomis ad auto-expellendum in aliis technologiis adhiberi posse, etiam. "Delivery" robots vel etiam fuci omnes discere potuerunt per alias AI systemata in ambitu suo spectando,” Ohn-Bar dicit.
