A hasonló irányítási rendszerek fejlesztésekor a szakemberek gyakran a vezetéssegítő rendszerek működését veszik alapul, ami egyrészt logikus megközelítés, hiszen ezek már régóta megtalálhatóak a piacon, másrészt viszont egy autonóm rendszer megbízhatósága csak akkor lehet száz százalékos,
ha soha senkinek (még vészhelyzet esetén) sem kell beavatkoznia a folyamatba.
A beszámoló szerint a modell elkészítéséhez big data alapú analízis módszereket használtak a kutatók. A lefutott kísérletekből gyűjtött adatok elemzését követően nem egy neurálisháló-alapú modell építését tartották célszerűnek, mivel az a tanítás során túl komplexszé válhat a garantált minőségű, biztonságkritikus irányítási rendszer tervezéséhez. Helyette változó paraméterű modellstruktúrákkal, és az azokra épülő irányításmodellekkel dolgoztak.
Az új irányítási modell egyszerre alkalmazkodik a jármű haladása során folyamatosan változó környezeti hatásokhoz, miközben folyamatosan garantált minőségi jellemzőket szolgáltat. Az algoritmust a CarSim autószimulációs szoftverrel tesztelték, ezen belül a Michigan Waterford Hills versenypálya virtuális modelljén futtatták a programot. "Az eddig elérhető nominális eljárásokkal összevetve az új modellezési eljárás alapján készült változat egy, az eddiginél jobban manőverező önvezető járműmodellt eredményezett.
"A különbségek elsősorban extrém manőverek, illetve hirtelen kanyarok esetén voltak látványosak" - olvasható a tanulmányban.
A módszer rendkívül adatigényes, ám még azok megszerzése után is sok munka vár a kutatókra, mire az algoritmus megfelel az adott feladatnak. Eredményükből mégis arra következtetnek, hogy az új eljárás alkalmazásával a nominálisnál hatékonyabb és nagyobb teljesítményű önvezetési modell születhet. A SZTAKI kutatói, Fényes Dániel, Németh Balázs és Gáspár Péter laborvezető, a SZTAKI Rendszer és Irányításelméleti Laboratóriumának kutatói a közelmúltban publikálták eredményeiket az Energies szaklapban.
(Fotó: Pixabay, Forrás: Eötvös Lóránd Kutatási Hálózat)