AI-nyhederJianxun Cui og co: WM-Cov tester selvkørende biler
Forskere med Jianxun Cui har udviklet WM-Cov, en metode der måler, hvor grundigt selvkørende biler testes i simulerede verdener.
Hvad er nyt?
Selvkørende biler trænes og testes ofte i computersimuleringer, der efterligner virkeligheden. Problemet er, at ingen hidtil har haft et præcist mål for, hvor godt sådan en simulation faktisk dækker de situationer, bilen kan møde. WM-Cov er et nyt mål, der kan vise forskerne, om testene rammer bredt nok.
Hvordan virker det?
WM-Cov kigger på, hvordan den selvkørende bil reagerer på forskellige begivenheder i simulationen – ikke bare på foruddefinerede scenarier. Det giver et mere nuanceret billede af, hvad bilen har lært, og hvor der er huller i dens forståelse af verden omkring den.
- WM-Cov er et nyt mål for testdækning i interaktive verdensmodeller for selvkørende biler.
- Metoden vurderer, hvor grundigt en simulation dækker forskellige hændelser og reaktioner.
- Den adskiller sig fra traditionelle scenarie-baserede testmetoder ved at fokusere på interaktioner.
- Forskningen er udført af Jianxun Cui og fire andre forskere.
- Artiklen er offentliggjort på arXiv under kategorien cs.AI.
Med WM-Cov kan bilproducenter fremover lave mere dækkende tests, så du som passager får en mere pålidelig og sikker selvkørende bil – også i uventede situationer på vejen.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.