伯克利分校教授Claire J.Tomlin:可达极和控制算法提升行车安全

自动驾驶无人机
中国人工智能学会
Claire J. Tomlin
2017-06-06 10:50
[ 亿欧导读 ] 在过去的十年里,我们花了越来越多的时间将AI的技术与控制算法相融合,今天我和大家分析其中一个重点问题,叫可达极,就是为了实现安全,解决不同的问题,来设计的可达性。我们通过控制理论和可达极,分析系统模型。
Claire J. Tomlin,人工智能,智能驾驶,无人机 图片来自网络

2017年5月21日,由中国人工智能学会、中文信息学会主办,亿欧承办的2017·全球人工智能技术大会在北京·国家会议中心拉开帷幕,学术界、工业界、高校师生参与其中,5月22日上午为智能驾驶分论坛,论坛将主要聚焦人工智能技术在汽车驾驶方面的应用,即智能驾驶,包括对行驶环境的感知和认知,决策与规划,控制等,而这些都是智能驾驶、乃至于未来自主式驾驶的关键技术。

主讲嘉宾包括斯坦福大学影像系统研究中心执行主任-Joyce Farrell、北京峰云视觉技术有限公司CEO-肖峰、东软睿驰汽车技术(沈阳)有限公司智能驾驶业务线高级研究员-刘伟、数据堂CTO-陈兰颖等。

加州大学、斯坦福大学混合系统研究室主任Claire J.Tomlin做了主题为“Safe Learning”的演讲,本文为其演讲速记及主持人问答整理。

Claire J. Tomlin观点提炼:

1、可达极是为了实现安全,解决不同的问题,来设计的可达性;

2、基于可达极,我们开发了一个基于车队开展的控制系统来进行无人机的控制;

3、保证数据的收集,同时能够实现实时的数据收集的反应,这是我们今后研究的重点。

以下是速记全文,有部分删减:

非常感谢邓教授,今天非常高兴来到这个分论坛和大家分享一下我的观点。

今天我将和大家分享控制理论和机器学习之间的融合,这是从AI的角度分析的,从我的职业生涯当中,我一直为了安全的目的加强设计控制,我在过去为NASA工作过,同时在自动化和无人机这方面也有一些研究。

在过去的十年里,我们花了越来越多的时间将AI的技术与控制算法相融合,今天我和大家分析其中一个重点问题,叫可达极,就是为了实现安全,解决不同的问题,来设计的可达性。第二部分分享机器学习怎么样在控制环境当中得到融合,怎么样建立一个完整的安全系统。

我们也对这个系统进行了测试,我们在伯克利有自己的机器人实验室,我们也有四旋翼的飞行器,在加利福尼亚NASA实验室,我们对两个无人机做了实验。

此外,我们还用真实的飞机进行了测试,比如说大家看到的飞机,还有无人机等等,这是波音F15飞机,我们也将它在无人机上进行了实验,我们有一个F15飞机,这也被我们放到第一轨道上,所有这些都是可达极当中的。

我们可以用这个技术达到我们理想的效果,我们将所有的这些干扰因素纳入到这个因素当中进行控制,这是非常重要的,我们可以进行路径的跟踪。

我们还可以对它们进行排序,可以看到目标和不同的极子,包括目标极和避免极,这样就可以让我们的飞行员去控制这些干扰的因素,从而控制我们碰撞的情况。

在这个理论的基础上,我们就开发了一个控制系统来进行无人机的控制,这是一个控制系统,它是基于一个车队开展的控制系统,我们可以看到,在这个模型当中,这些车队都是以同样的速度开发的,我们通过对风险因素的控制,可以让我们保留在一个非常安全的区域,实际上我们是使用一些算法进行计算,所有的计算都是通过自动化的进行计算的。另外我们将侵入者也要考虑进来,它们也是属于干扰的因素,我们的车队需要对这些干扰者,这样的话我们就能够让车辆从高速公路上再次加入到车队当中,从而进行安全的驾驶。

所有我刚才讲的内容都是基于模型的,我们可以在模型上进行计算,进行控制。对于一个模型来说,典型的组成部分就是我们有一个可达极,我们要根据环境设置我们的可达极,一般来说需要建立一个非常好的模型,人们的行为和互动也要纳入进去,我们需要更新安全的配置。

我们设计了一个使用神经网络和深度学习进行的在线的数据控制系统,这个车辆它有两个操作系统,其中一个正旋曲线系统进行控制,另外一个车辆是使用偏航的系统进行控制,这是我们的培训极。

在这个模型基础之上,能够跟踪这些车辆的路线和轨迹,这样我们就可以了解到这些车辆的轨迹,从而对它们进行安全的控制。我认为这个系统运作的非常的良好,可以通过实践来证明它的运作非常良好,通过这个控制系统,我们可以追踪这个车辆的轨迹,这是一个非常简单的两层模型。

再看最后一部分,也就是将学习和安全结合起来。首先,我们将这两方面分离开来,成为两个不同的问题,可能在这个过程中会遇到非常大的干扰因素,但是我们有基于安全的控制,所以我们就会保证在这个驾驶的过程当中的安全,我们有了对于可达极的计算以后,我们就能够确保驾驶在最糟糕的情况下也能够确保安全。

另外,我们设置了一个名以上的安全极,我们使用在线的数据的学习,来更新我们的模型。另外我们将学习和安全分为两个不同的因素,并且进行一些函数的运算,保证安全性。

最后总结一下,刚才主要讲了两个要点。首先,我们通过控制理论和可达极,分析了我们的系统模型,非常好用,而且很容易融合到它的运行轨迹当中,而且我们也将来了新机器的能力,我们做了众多的实验,我今天有机会和大家分享了一下,我们希望探索这样的算法,在不同的背景之下去探索,也希望在人机的比赛当中运用这种算法,我们可以学到人和人的行为更多的规律。

我们怎么样去保证数据的收集,同时能够实现实时的数据收集的反应,我相信这是我们今后研究的重点。很多系统当中最大的不确定性是人的行为,我们怎么样用一种参数模型,来为我们的人类行为建立一个框架。

最后,非常感谢各位,我要感谢我的团队中所有的学生,非常感谢大家。

邓伟文(主持人):

提问:我有两个问题,第一个就是可达极,您怎么去定义这个可达极的规模,怎么样监测它的规模?

Claire J.Tomlin:这个问题非常好,关于可达极怎么样看它的规模,怎么样去监测,另外一个飞机也在相同的轨迹上,我相信我们对环境和其他的汽车动作,实际上越来越不确定,我觉得这是基于汽车是动态的,因此我们如果对其他人的行为更加确定的话,我们建立的这种可达极它的范围规模就越大。我相信这个边界应该是一个部分的方差公式,这也基于我们有什么样的可达极。

提问:怎么样应用在无人机上呢?

Claire J.Tomlin:关于无人机的情况,无人机机队,一个必须无人机感受到它前面的无人机,但是我觉得有一点投机这种说法,首先需要保证它的安全,我们需要去探索所有的自动的机队,自动的交通规矩,它们唯一的责任就是避免撞击它附近的交通工具,而且安全的保证是我们最大的职责,而且也要防止其他的交通工具的干扰,但是这个想法就是有一点保守。


2018年8月24日,亿欧将在北京举办“科技落地 物链未来——GIIS 2018物流产业创新峰会”,就传统物流企业、制造企业、物流科技应用场景及实操、物流科技新畅想等议题,携行业人士一同探讨新机遇下物流科技如何更好落地及发展走向。

报名链接:https://www.iyiou.com/post/ad/id/638

物流科技落地峰会

各工作岗位将被AI取代的概率

选择岗位,查看结果

制图员和摄影师

87.9%

参与评论

最新文章

pinpai-tengxunyun
关闭

快来扫描二维码,参与话题讨论吧!

快捷登录 密码登录
获取验证码

新用户登录后自动创建账号

登录表示你已阅读并同意《亿欧用户协议》

快捷登录 密码登录

账号为用户名/邮箱的用户 选择人工找回

关联已有账户

新用户或忘记密码请选择,快捷绑定

账号为用户名/邮箱的用户 选择人工找回

快速注册

获取验证码

创建关联新账户

发送验证码

找回密码

获取验证码
账号为用户名 / 邮箱的用户 选择人工找回

未完成注册的用户需设置密码

如果你遇到下面的问题

我在注册/找回密码的过程中无法收到手机短信消

我先前用E-mail注册过亿欧网但是现在没有办法通过它登录,我想找回账号

其他问题导致我无法成功的登录/注册

请发送邮箱到service@iyiou.com,说明自己在登录过程中遇到的问题,工作人员将会第一时间为您提供帮助

账号密码登录

乐乐呵呵@微信昵称

该亿欧账号尚未关联亿欧网账户

关联已有账户

曾经使用手机注册过亿欧网账户的用户

创建并关联新账户

曾用微信登录亿欧网但没有用手机注册过亿欧的用户

没有注册过亿欧网的新用户

先前使用邮箱注册亿欧网的老用户,请点击这里进入特别通道
意见反馈
意见反馈
亿欧公众号 亿欧公众号
小程序-亿欧plus 小程序-亿欧plus
返回顶部