據(jù)外媒報道，美國查爾斯頓學(xué)院（College of Charleston）數(shù)據(jù)科學(xué)專業(yè)的兩名學(xué)生在科技公司Logicalis的指導(dǎo)下，完成了競爭學(xué)習(xí)（人工神經(jīng)網(wǎng)絡(luò)的一種學(xué)習(xí)方式），即利用邊緣強化學(xué)習(xí)（RL）計算，幫助自動駕駛汽車在行駛時辨別方向。

（圖片來源：DeepRacer汽車）

該團隊推出的系統(tǒng)，以物聯(lián)網(wǎng)（IoT）為基礎(chǔ)，采用Wi-Fi網(wǎng)聯(lián)軟件，利用亞馬遜云計算IaaS和PaaS平臺服務(wù)AWS的DeepRacer云控制臺，能夠與車輛進行通信，并且捕獲攝像頭圖像，以更好地了解車輛的路徑和位置，并且向其發(fā)送指令以改善加速和路徑選擇等性能。該團隊表示，他們研發(fā)的競爭學(xué)習(xí)能夠讓該系統(tǒng)的表現(xiàn)優(yōu)于基于AWS的模型。而且學(xué)生們研發(fā)的系統(tǒng)能夠讓車輛或其他設(shè)備了解其環(huán)境，并根據(jù)收集和解釋的數(shù)據(jù)，在邊緣（使用平板電腦或筆記本電腦）做出響應(yīng)。

Starr和Turner都是數(shù)據(jù)科學(xué)專業(yè)的學(xué)生，他們參加了AWS DeepRacer項目（AWS發(fā)起的一項比賽，要求開發(fā)人員和科學(xué)家利用機器學(xué)習(xí)構(gòu)建自動駕駛汽車），主要關(guān)注于為自動駕駛汽車研發(fā)和微調(diào)算法，從而能夠利用傳感器數(shù)據(jù)探測車輛位于哪個賽道上，并且利用此類數(shù)據(jù)以及機器學(xué)習(xí)，從基于云的軟件中無線分享信息、接收提示，讓自動駕駛汽車自己得到訓(xùn)練，并在賽道上保持最高行駛速度。

在構(gòu)建基于IoT的解決方案之前，該研究小組考慮了幾個選擇，首先在虛擬車輛上采用了該解決方案。該團隊獲取了DeepRacer汽車以及賽道beta仿真，然后開始研發(fā)和測試RL算法。學(xué)生們利用模擬車型，并且將車輛命名為Virtual Car 42 。然后，他們開始對模擬車輛進行測試，結(jié)果發(fā)現(xiàn)，在正確完成特定圈數(shù)的基礎(chǔ)上，他們研發(fā)的學(xué)習(xí)算法使其模擬車輛的表現(xiàn)優(yōu)于AWS DeepRacer汽車。例如，該算法可以識別路上的彎道，并且調(diào)整車輛的轉(zhuǎn)向和加速度，以盡可能快的速度在每條彎道上行駛。

2019年7月，該團隊在實體車上使用了該軟件。該實體車配備了車載攝像頭和加速度陀螺儀，能夠幫助識別車輛位置。學(xué)生們使用AWS Sage Maker機器學(xué)習(xí)平臺，AWS Robotmaker機器人仿真平臺通過WiFi或USB棒向車輛傳輸代碼，然后，研究小組可以利用iPad或計算機對車輛數(shù)據(jù)的輸入和輸出進行控制。

應(yīng)用于Virtual Car 42的機器學(xué)習(xí)算法也可以用于其他設(shè)備，例如商業(yè)或工藝應(yīng)用中的設(shè)備或車輛。例如，通過使用WiFi或其他無線網(wǎng)絡(luò)進行物聯(lián)網(wǎng)連接，設(shè)備可以利用傳感器捕捉并提供諸如預(yù)測性維護、圖像和聲音識別、監(jiān)控等信息，同時還支持自動駕駛。