logo móvil
Contáctanos

AutoDRIVE: Un ecosistema digital twin integral, flexible e integrado para la investigación y educación en conducción autónoma

Autores: Samak, Tanmay; Samak, Chinmay; Kandhasamy, Sivanathan; Krovi, Venkat; Xie, Ming

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

AutoDRIVE: Un ecosistema digital twin integral, flexible e integrado para la investigación y educación en conducción autónoma


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Robótica

Palabras clave

Prototipado
Validación
Componentes de hardware y software
Sistema de transporte inteligente
AutoDRIVE
Soluciones ciberfísicas

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 20

Citaciones: Sin citaciones


Descripción
La creación de prototipos y la validación de componentes de hardware y software, subsistemas y sistemas dentro del marco del sistema de transporte inteligente requieren un ecosistema modular, flexible y de acceso abierto. Este trabajo presenta nuestro intento de desarrollar un ecosistema de investigación y educación integral, llamado AutoDRIVE, para la creación de prototipos, simulación y despliegue sinérgico de soluciones ciberfísicas relacionadas con la conducción autónoma y la gestión de ciudades inteligentes. AutoDRIVE cuenta con interfaces de prueba tanto de software como de hardware en el bucle, con componentes de vehículos e infraestructura escalados de acceso abierto. El ecosistema es compatible con una variedad de marcos de desarrollo y apoya tanto paradigmas de agente único como multiagente a través de computación local y distribuida. Lo más crítico es que AutoDRIVE está diseñado para ser modularmente expansible para explorar tecnologías emergentes, y este trabajo destaca varias características y capacidades complementarias del ecosistema propuesto al demostrar cuatro casos de uso de despliegue: (i) estacionamiento autónomo utilizando un enfoque de robótica probabilística para mapeo, localización, planificación de rutas y control; (ii) clonación de comportamiento utilizando visión por computadora y aprendizaje por imitación profundo; (iii) cruce de intersecciones utilizando comunicación vehículo a vehículo y aprendizaje por refuerzo profundo; y (iv) gestión de ciudades inteligentes utilizando comunicación vehículo a infraestructura e internet de las cosas.

Otros recursos que podrían interesarte

Temas Virtualpro