卡内基梅隆大学（CarnegieMellon University）的研究人员驾驶一辆全地形车在高草、松散砾石和泥泞中进行野外骑行，以收集有关亚视如何与具有挑战性的越野环境互动的数据。googletag。命令。push（function（）{googletag.display（'div-gpt-ad-1453799284784-2'）；}）；他们以高达每小时30英里的速度积极驾驶装备齐全的亚视。他们滑过弯道，在山坡上来回拿着它，甚至把它卡在泥里鈥攁ll，同时从七种类型的传感器收集数据，如视频、每个车轮的速度和悬架冲击行程量。
由此产生的数据集称为TartanDrive，其中包括约200000个真实世界的交互。研究人员认为，从交互次数和传感器类型来看，这些数据是最大的真实世界、多模式、越野驾驶数据集。这五个小时的数据可能有助于训练自动驾驶车辆越野行驶。
机器人研究所（RI）项目科学家王文山（Wenshan Wang）表示：“与自动街道驾驶不同，越野驾驶更具挑战性，因为你必须了解地形动态，才能安全驾驶并更快地驾驶。”。
先前的越野驾驶工作通常涉及带注释的地图，这些地图提供诸如泥、草、植被或水等标签，以帮助机器人了解地形。但这类信息通常不可用，即使可用，也可能没有用处。例如，标记为“泥”的地图区域可能是也可能不是可驾驶的。了解动力学的机器人可以对物理世界进行推理。
研究团队发现，他们为TartanDrive收集的多模式传感器数据使他们能够建立优于使用更简单、非动态数据开发的预测模型。机器人学二年级硕士生塞缪尔·特里斯特（SamuelTriest）表示，积极驾驶也将亚视推向了一个性能领域，在这个领域中，对动力学的理解变得至关重要。
“随着速度的提高，这些系统的动力学往往会变得更具挑战性，”Triest说，他是该团队论文的主要作者。“你开得更快，你会从更多的东西中反弹。我们收集的很多数据都是这种更具攻击性的驾驶、更具挑战性的斜坡和更茂密的植被，因为这是一些简单规则开始失效的地方。”
虽然大多数关于自动驾驶车辆的工作都集中在街道驾驶上，但最早的应用可能是在控制出入区域的越野区域，在那里与人或其他车辆发生碰撞的风险是有限的。该团队的测试是在匹兹堡附近的一个场地进行的，CMU的国家机器人工程中心使用该场地测试自动越野车。人类驾驶着亚视，尽管他们使用有线驱动系统来控制转向和速度。
“我们强迫人类通过与机器人相同的控制界面，”王说。“这样，人类所做的动作就可以直接作为机器人应该如何行动的输入。”
这项研究已发表在arXiv上。进一步探索