La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) ha adjudicado a Intel Federal LLC con el apoyo de Intel Labs y sus colaboradores, el Centro de Visión por Computador de Barcelona, España, y la Universidad de Texas en Austin, la oportunidad de desarrollar soluciones avanzadas de simulación para todo terreno. vehículos terrestres autónomos. El programa Autonomía robótica en entornos complejos con resiliencia – Simulación (RACER-Sim) tiene como objetivo crear la próxima generación de plataformas de simulación todoterreno para reducir significativamente el costo de desarrollo y cerrar la brecha entre la simulación y el mundo real.
(Foto: Corporación Intel)
LEA TAMBIÉN: Tecnología portátil de Intel para ayudar en la investigación de la enfermedad de Parkinson
Por qué es importante:
En el contexto de la conducción autónoma, la brecha entre el despliegue dentro y fuera de la carretera sigue siendo muy significativa. Hoy en día existen muchos entornos de simulación, pero pocos están optimizados para el desarrollo de la autonomía todoterreno a escala y velocidad. Además, las demostraciones del mundo real siguen sirviendo como método principal para verificar el rendimiento del sistema.
Los vehículos autónomos todoterreno deben enfrentar desafíos sustanciales, incluida la falta de redes de carreteras y terrenos extremos con rocas y todo tipo de vegetación, entre muchos otros. Condiciones tan extremas hacen que el desarrollo y las pruebas sean costosos y lentos. El programa RACER-Sim tiene como objetivo resolver este problema proporcionando tecnologías de simulación avanzadas para desarrollar y probar soluciones, reduciendo el tiempo de implementación y validación de sistemas autónomos impulsados por IA.
Cómo funciona:
RACER-Sim incluye dos fases a lo largo de 48 meses con el objetivo de acelerar todo el proceso de investigación y desarrollo para el diseño de vehículos terrestres autónomos todoterreno. En la primera fase, el objetivo de Intel es crear nuevas plataformas de simulación y herramientas de generación de mapas que imiten entornos todoterreno complejos con la mayor precisión (por ejemplo, física, modelado de sensores, complejidad del terreno, etc.), a escalas nunca antes vistas. La creación de entornos de simulación a escala es un proceso que tradicionalmente requiere importantes recursos y es uno de los mayores desafíos en los flujos de trabajo de simulación. La plataforma de simulación de Intel Labs permitirá la personalización de mapas futuros, incluida la creación de nuevos entornos masivos que cubran más de 100.000 millas cuadradas con sólo unos pocos clics.
Durante la segunda fase, Intel Labs trabajará con los colaboradores de RACER para acelerar el proceso de investigación y desarrollo mediante la implementación de nuevos algoritmos sin el uso de un robot físico. Luego, los equipos validarán el rendimiento del robot en simulación, ahorrando mucho tiempo y recursos. La segunda fase también incluirá el desarrollo de nuevas técnicas sim2real (el concepto de entrenar al robot en simulación para adquirir habilidades y luego transferir estas habilidades a un sistema robótico real correspondiente) que permitirá entrenar vehículos terrestres autónomos todoterreno directamente en simulación.
Intel espera que estas nuevas herramientas de simulación mejoren significativamente el desarrollo de sistemas autónomos utilizando pruebas virtuales, lo que reduce los riesgos, costos y retrasos asociados con los protocolos de prueba y verificación tradicionales. En el futuro, la plataforma de simulación irá más allá de la validación para crear modelos de IA listos para su implementación en el mundo real.
La letra pequeña:
Esta investigación está financiada en parte por el gobierno de EE. UU. Las opiniones y conclusiones contenidas en este documento son las de los autores y no deben interpretarse como representativas de las políticas oficiales, ya sean expresas o implícitas, del gobierno de los EE. UU.
ARTÍCULO RELACIONADO: Intel finalizará la compatibilidad con DirectX 12 para CPU Haswell debido a un posible problema de seguridad
ⓒ 2023 . .
