Articulo de referencia

Navlab

Modelos Navlab del 1 (el más alejado) al 5 (el delantero). El Navlab 5 completó el primer viaje de costa a costa con una autonomía del 98,2 %. Los cinco vehículos fueron desarro...

Modelos Navlab del 1 (el más alejado) al 5 (el delantero). El Navlab 5 completó el primer viaje de costa a costa con una autonomía del 98,2 %. Los cinco vehículos fueron desarrollados en la Universidad Carnegie Mellon entre 1984 y 1995.

Navlab es una serie de vehículos autónomos y semiautónomos desarrollados por equipos del Instituto de Robótica de la Facultad de Informática de la Universidad Carnegie Mellon . Los modelos posteriores se produjeron en un nuevo departamento creado específicamente para la investigación, llamado «Laboratorio de Navegación de la Universidad Carnegie Mellon». [ 1 ] Cabe destacar que Navlab 5 se desplazó casi por completo desde Pittsburgh hasta San Diego.

Historia

La investigación sobre vehículos controlados por computadora comenzó en Carnegie Mellon en 1984 [ 1 ] como parte de la Iniciativa de Computación Estratégica de DARPA [ 2 ] y la producción del primer vehículo, Navlab  1, comenzó en 1986. [ 3 ] [ 4 ] Navlab 1 se incendió en 1989 cuando el sistema de acondicionamiento derramó líquido sobre las computadoras. [ 5 ]

Aplicaciones

Los vehículos de la serie Navlab han sido diseñados para diversos fines, «...  exploración todoterreno; autopistas automatizadas; prevención de colisiones por salida de la carretera; y asistencia al conductor para maniobrar en entornos urbanos congestionados. Nuestro trabajo actual incluye detección de peatones, detección del entorno y detección de corto alcance para el control del vehículo». [ 6 ]

Se han desarrollado varios tipos de vehículos, entre ellos "...  coches, furgonetas, todoterrenos y autobuses robotizados". [ 1 ]

vehículos

El instituto ha fabricado vehículos con las designaciones Navlab 1 a 11. [ 6 ] Los vehículos eran principalmente semiautónomos, aunque algunos eran totalmente autónomos y no requerían intervención humana. [ 6 ]

Navlab 1 se construyó en 1986 utilizando una furgoneta Chevrolet . [ 3 ] La furgoneta tenía 5 racks de hardware informático, incluyendo 3 estaciones de trabajo Sun, hardware de vídeo y receptor GPS, y una supercomputadora Warp . [ 3 ] La computadora tenía 100 MFLOP/seg, el tamaño de un refrigerador y un generador portátil de 5 kW . [ 7 ] El vehículo sufrió limitaciones de software y no fue completamente funcional hasta finales de los 80, cuando alcanzó su velocidad máxima de 20 mph (32 km/h) . [ 3 ]   

Navlab 2 se construyó en 1990 utilizando un HMMWV del Ejército de los EE. UU . [ 3 ] La potencia informática se mejoró para este nuevo vehículo con tres computadoras Sparc 10 , "para el procesamiento de datos de alto nivel", y dos computadoras basadas en 68000 "utilizadas para el control de bajo nivel". [ 3 ] El Hummer era capaz de conducir tanto fuera como dentro de la carretera. Al conducir sobre terreno accidentado, su velocidad estaba limitada a una velocidad máxima de 6 mph (9,7 km/h) . Cuando Navlab 2 se conducía en carretera, podía alcanzar hasta 70 mph (110 km/h). [ 3 ]     

Navlab 1 y 2 eran semiautónomos y utilizaban "...  codificadores en el volante y el eje de transmisión y un costoso sistema de navegación inercial para la estimación de la posición". [ 3 ]

Navlab 5 utilizó una minivan Pontiac Trans Sport de 1990. En julio de 1995, el equipo la llevó de Pittsburgh a San Diego en un viaje de prueba de concepto, denominado "No Hands Across America", en el que el sistema navegó durante casi 50 de las 2850 millas, con una velocidad media superior a 60 MPH. [ 8 ] [ 9 ] [ 10 ] En 2007, Navlab 5 fue incluido en la Clase de 2008 del Salón de la Fama de los Robots . [ 11 ]

Los Navlabs 6 y 7 se construyeron con Pontiac Bonnevilles . El Navlab 8 se construyó con una furgoneta Oldsmobile Silhouette . Los Navlabs 9 y 10 se construyeron con autobuses de transporte público de Houston. [ 12 ]

ALVINÍN

El ALVINN (Vehículo Terrestre Autónomo en una Red Neuronal) fue desarrollado en 1988. [ 13 ] [ 14 ] [ 15 ] Se puede encontrar información detallada en la tesis doctoral de Dean A. Pomerleau (1992). [ 16 ] Fue una demostración temprana de aprendizaje de representación, fusión de sensores y aumento de datos.

Arquitectura

ALVINN era una red de alimentación directa totalmente conectada de 3 capas entrenada por retropropagación, con 1217-29-46 neuronas y, por lo tanto, 36.627 pesos. Tenía 3 tipos de entradas:

  • Una cuadrícula de 30x32 que representa los valores de escala de grises del canal azul de una cámara de vídeo apuntando hacia adelante.
  • Una cuadrícula de 8x32 que contiene información de profundidad obtenida mediante un telémetro láser (campo de visión de 30 por 80 grados).
  • 1 unidad de retroalimentación. Está conectada directamente a la de la capa de salida, con un retardo de un paso al estilo de la red Jordan . Fue diseñada para proporcionar un procesamiento rudimentario del tiempo.

La capa de salida constaba de 46 unidades:

  • Las 45 unidades representan un rango lineal de ángulos de dirección. La unidad más activada dentro de este rango determinaba la dirección de giro del vehículo.
  • 1 unidad de retroalimentación.

Al examinar los pesos de la red, Pomerleau observó que la unidad de retroalimentación aprendió a medir la ligereza relativa de las zonas de carretera en comparación con las zonas que no eran de carretera.

Capacitación

ALVINN se entrenó mediante aprendizaje supervisado con un conjunto de datos de 1200 imágenes simuladas de carreteras, junto con los datos correspondientes de telémetros. Estas imágenes abarcaban diversas curvaturas de la carretera, orientaciones de la retina, condiciones de iluminación y niveles de ruido. La generación de estas imágenes requirió 6 horas de tiempo de CPU de Sun-4 .

La red se entrenó durante 40 épocas mediante retropropagación en Warp (lo que tomó 45 minutos). Para cada ejemplo de entrenamiento, las unidades de salida de dirección se entrenaron para producir una distribución gaussiana de activaciones, centrada en la unidad que representa el ángulo de dirección correcto.

Al finalizar el entrenamiento, la red logró una precisión del 90 % en la predicción del ángulo de dirección correcto, con una diferencia de dos unidades respecto al valor real, en imágenes simuladas de carreteras no vistas previamente.

En experimentos reales, se ejecutó en Navlab 1, con una cámara de vídeo y un telémetro láser. Logró desplazarlo a 0,5  m/s a lo largo de un sendero boscoso de 400 metros bajo diversas condiciones climáticas: nieve, lluvia, sol y nubes. Esto resultó competitivo con los algoritmos tradicionales de visión artificial de la época.

Posteriormente, aplicaron el aprendizaje por imitación en línea con datos reales de una persona que conducía el Navlab 1. Observaron que, dado que un conductor humano nunca se desvía mucho de la trayectoria, la red neuronal nunca se entrenaría para saber qué acción tomar si se encontrara fuera de ella. Para solucionar este problema, aplicaron el aumento de datos , donde cada imagen real se desplaza 5 veces a la izquierda y 5 veces a la derecha, y el ángulo de dirección real del conductor se ajusta en consecuencia. De esta forma, cada ejemplo se amplía a 11 ejemplos.

Se descubrió que con una secuencia corta de aproximadamente 100 imágenes, la red podía entrenarse en línea para seguir la carretera. Esto requería tan solo unos 10 minutos de conducción.

La primera ALVINN se entrenó en febrero de 1989, sin conexión a internet, con imágenes simuladas de la carretera, en una ejecución de ocho horas en la máquina Warp. Tras el entrenamiento, se instaló en un ordenador Sun 3 del Navlab; la máquina Warp era innecesaria, ya que las redes neuronales son rápidas en el tiempo de inferencia. Se tarda 0,75 segundos en procesar una imagen. El 16 de marzo de 1989,  se estableció un nuevo récord en el Navlab de 1,3 m/s. En junio de 1989 descubrieron que el entrenamiento en línea funciona. [ 17 ]

Véase también

Referencias

  1. 1 2 3 "Navlab: El Laboratorio de Navegación de la Universidad Carnegie Mellon" . El Instituto de Robótica . Consultado el 14 de julio de 2011 .
  2. "Historia de la robótica: narrativas y redes. Historias orales: Chuck Thorpe" . IEEE.tv. 17 de abril de 2015. Consultado el 7 de junio de 2018 .
  3. 1 2 3 4 5 6 7 8 Todd Jochem; Dean Pomerleau; Bala Kumar y Jeremy Armstrong (1995). "PANS: Una plataforma de navegación portátil" . The Robotics Institute . Recuperado el 14 de julio de 2011 .
  4. Thorpe, C.; Hebert, MH; Kanade, T.; Shafer, SA (mayo de 1988). "Visión y navegación para el Navlab de Carnegie-Mellon" . IEEE Transactions on Pattern Analysis and Machine Intelligence . 10 (3): 362– 373. doi : 10.1109/34.3900 .
  5. Gross, Thomas; Lam, Monica (agosto de 1998). «Retrospectiva: Una retrospectiva sobre las máquinas Warp» . 25 años de los simposios internacionales sobre arquitectura de computadoras (artículos seleccionados) . ACM. págs. 45–47 . doi : 10.1145/285930.285950 . ISBN  978-1-58113-058-4.
  6. 1 2 3 "Descripción general" . NavLab . El Instituto de Robótica. Archivado del original el 8 de agosto de 2011. Recuperado el 14 de julio de 2011 .
  7. Hawkins, Andrew J. (27 de noviembre de 2016). "Conoce a ALVINN, el coche autónomo de 1989" . The Verge . Consultado el 7 de agosto de 2024 .
  8. "Mira, mamá, sin manos" . Universidad Carnegie Mellon . 31 de diciembre de 2017. Consultado el 31 de diciembre de 2017 .
  9. Freeman, Mike (3 de abril de 2017). "Automóviles conectados: El largo camino hacia los vehículos autónomos" . Centro de Comunicaciones Inalámbricas . Archivado del original el 1 de enero de 2018. Recuperado el 31 de diciembre de 2017 .
  10. Jochem, Todd (3 de abril de 2015). "Regreso al futuro: conducción autónoma en 1995 - Tendencias en robótica" . www.roboticstrends.com . Archivado del original el 29 de diciembre de 2017. Consultado el 31 de diciembre de 2017 .
  11. "LOS MIEMBROS ADMITIDOS DE 2008" . The Robot Institute. Archivado del original el 26 de septiembre de 2011. Consultado el 14 de julio de 2011 .
  12. Shirai, Yoshiaki; Hirose, Shigeo (2012). Atención y costumbre para un comportamiento seguro . Springer Science & Business Media. pág. 249. ISBN  978-1447115809.{{cite book}}: |work=ignorado ( ayuda )
  13. Pomerleau, Dean A. (1988). "ALVINN: Un vehículo terrestre autónomo en una red neuronal" . Avances en sistemas de procesamiento de información neuronal . 1. Morgan-Kaufmann.
  14. Pomerleau, Dean (1990). "Redes neuronales artificiales de rápida adaptación para la navegación autónoma" . Avances en sistemas de procesamiento de información neuronal . 3. Morgan-Kaufmann.
  15. Pomerleau, Dean A. (1990), "Navegación autónoma basada en redes neuronales" , Visión y navegación , The Kluwer International Series in Engineering and Computer Science, vol. 93, Boston, MA: Springer US, pp. 83–93 , doi : 10.1007/978-1-4613-1533-9_5 , ISBN   978-1-4612-8822-0, consultado el 7 de agosto de 2024
  16. Pomerleau, Dean A. (1993). Percepción mediante redes neuronales para la guía de robots móviles . Boston, MA: Springer US. doi : 10.1007/978-1-4615-3192-0 . ISBN 978-1-4613-6400-9.
  17. Crisman, Jill D.; Webb, Jon A. (1990), "The Warp Machine on Navlab" , en Thorpe, Charles E. (ed.), Vision and Navigation , vol. 93, Boston, MA: Springer US, pp. 309–347 , doi : 10.1007/978-1-4613-1533-9_14 , ISBN   978-1-4612-8822-0, consultado el 10 de diciembre de 2024
  • Visión y navegación: El Navlab de Carnegie Mellon . Serie internacional Kluwer en ingeniería e informática. Vol.  93. Boston, MA: Springer US. 1990. doi : 10.1007/978-1-4613-1533-9 . ISBN 978-1-4612-8822-0.
  • El sitio web del Instituto de Robótica
  • Sitio web de Navlab
  • Documento PANS (1995) para el Navlab 5