CMU sammelt Daten für autonomes Fahren im Gelände
Forschende der Carnegie Mellon University in den USA sammeln Daten, um selbstfahrende ATVs zu trainieren.
Um den Umgang des Fahrzeugs im Gelände zu erlernen, muss es ebenfalls trainiert werden. Dies gelingt mit Datensätzen, die reale Situationen darstellen, mit denen das Fahrzeug umgehen muss. Dies soll mit dem neuen Datensatz der Carnegie Mellon University schneller gehen. Der Datensatz namens Tartan Drive hilft beim Training der Fahrzeuge.
Das Team fuhr dafür mit einem ATV mit 30 Meilen pro Stunde durch eine Offroad-Umgebung in der Nähe von Pittsburgh. Während des Tests ließen sie das Fahrzeug diverse Manöver fahren. So auch Kurven, Anstiege und abfallendes Gelände sowie durch Schlamm. Die Daten des Fahrzeugs und der Sensoren wurden gesammelt.
Das anspruchsvolle Gelände mit der Fahrweise war eine Herausforderung für die Technik und sorgte für Edge-Cases, die für die Forschenden interessant waren. Derart umfasst Tartan Drive fünf Stunden lang 200.000 reale Interaktionen als Trainingsbasis. Es soll effektiver sein als der bisherige Ansatz mit Karten zur Orientierung für das Fahrzeug. So könnte ein vermeintlich befahrbares Terrain schlammig sein und damit doch nicht nutzbar.
Mithilfe der Daten konnte das Team Vorhersagemodelle erstellen, die nicht dynamische Modelle übertrafen. Software, die die Dynamik des Offroad-Fahrens begreifen können, sind eher in der Lage das Terrain zu meistern, so die Forschenden.
