Parallel testing of vehicle intelligence via virtual-real interaction

Li, Li; Xiao, Wang; Wang, Kunfeng; Lin, Yilun; Xin, Jingmin; Chen, Long; Xu, Linhai; Tian, Bin; Ai, Yunfeng; Wang, Jian; Cao, Dongpu; Liu, Yuehu; Wang, Chenghong; Zheng, Nanning; Wang, Fei‐Yue

doi:10.1126/scirobotics.aaw4106

Cited by 168 publications

(50 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Letzteres wiederum birgt das Problem der Granularität und Präzision von Definitionen. Ein indikatives Beispiel ist der "Intelligenztest" für das autonome Fahren (Li et al 2019). Ein weiteres, länger bekanntes Beispiel stellt der so-genannte CAPTCHA (vollständig automatisierter öffentlicher Turing-Test, um Computer und Menschen voneinander zu unterscheiden) dar, der einfach für Menschen, aber schwierig für Maschinen ist und daher für Sicherheitsanwendungen verwendet wird (Von Ahn et al 2003).…”

Section: Vom Begriff Der Intelligenz Zur Erklärbaren Kiunclassified

Verbinden von Natürlicher und Künstlicher Intelligenz: eine experimentelle Testumgebung für Explainable AI (xAI)

Holzinger

Müller

2020

HMD

View full text Add to dashboard Cite

Zusammenfassung Künstliche Intelligenz (KI) folgt dem Begriff der menschlichen Intelligenz, der leider kein klar definierter Begriff ist. Die gebräuchlichste Definition, wie sie in der Kognitionswissenschaft als mentale Fähigkeit gegeben ist, enthält unter anderem die Fähigkeit, abstrakt, logisch und schlussfolgernd zu denken und gegebene Probleme der realen Welt zu lösen. Ein aktuelles Thema in der KI ist es, herauszufinden, ob und inwieweit Algorithmen in der Lage sind, solches abstraktes Denken und Schlussfolgern ähnlich wie Menschen zu erlernen-oder ob das Lernergebnis auf rein statistischer Korrelation beruht. In diesem Beitrag stellen wir eine von uns entwickelte frei verfügbare, universelle und erweiterbare experimentelle Testumgebung vor. Diese "Kandinsky Patterns" (https://human-centered.ai/project/kandinskypatterns, https://www.youtube.com/watch?v=UuiV0icAlRs), benannt nach dem russischen Maler und Kunsttheoretiker Wassily Kandinsky (1866-1944), stellen eine Art "Schweizer Messer" zum Studium der genannten Problemstellungen dar. Das Gebiet, dass diese Problemstellungen behandelt wird "explainable AI" (xAI) genannt. Erklärbarkeit/Interpretierbarkeit hat das Ziel, menschlichen Experten zu ermöglichen, zugrundeliegende Erklärungsfaktoren-die Kausalität-zu verstehen, also warum eine KI-Entscheidung getroffen wurde, und so den Weg für eine transparente und verifizierbare KI zu ebnen.

show abstract

Section: Vom Begriff Der Intelligenz Zur Erklärbaren Kiunclassified

Verbinden von Natürlicher und Künstlicher Intelligenz: eine experimentelle Testumgebung für Explainable AI (xAI)

Holzinger

Müller

2020

HMD

View full text Add to dashboard Cite

show abstract

“…In this study, we define the sliding mode surface as, s =ė+ce, ∀c > 0. (11) In Equation (11), e is the angular error of the SFS, which satisfies,…”

Section: E Fsmc Algorithm Designmentioning

confidence: 99%

“…With the help of our developed perception, decision, and control algorithms, the IV is able to conduct level-3 self-driving. As a result, the IV is suitable for this VIL test [11].…”

Section: B Vehicle-in-the-loop Experimentsmentioning

confidence: 99%

Research on Steering-Following System of Intelligent Vehicle-in-the-Loop Testbed

et al. 2020

View full text Add to dashboard Cite

Intelligent Vehicle (IV) is expected to revolutionize the way vehicles operating in the next few decades. The most commonly used method to test the functionality of the IV is to use the IV testbed for operable and economic reasons. However, the traditional testbed only has the ability to test the longitudinal movement and is not capable of studying the lateral movement of the IV, which extremely restricts the developments of the IV testing technologies (e.g., IV lane-keeping and lane-changing testing). To this end, this paper presents a novel steering-following system (SFS) for the intelligent vehicle-in-the-loop (VIL) testbed. The SFS is able to obtain the real-time steering angle differences between the front wheels and the drum roller by two-pair laser distance sensors equipped on the testbed. Then the value and changing rate of the obtained real-time steering angle difference are set as the inputs of a fuzzy sliding mode control (FSMC) algorithm. The outputs of the FSMC algorithm are used to control the operation of the servo motors. With that, the testbed accurately tracks the steering maneuver of the IV at any time. A simulation-based experiment and a VIL-based experiment show that the designed SFS with the FSMC algorithm is able to provide accurate and stable tracking results for the IV steering maneuvers under different scenarios. INDEX TERMS Fuzzy sliding-mode control, intelligent vehicle, steering-following system, vehicle-in-theloop.

show abstract

“…In contrast to traditional field tests of unmanned vehicles, an evaluation can be implemented in a virtual environment. The simulationbased evaluation system can handle thousands of quantitative judgments in a short time and be more objective than a human expert [31]. (3) Free viewpoint television [33,45].…”

Section: Introductionmentioning

confidence: 99%

Spatiotemporal road scene reconstruction using superpixel-based Markov random field

Liu

Zhu

et al. 2020

Information Sciences

Self Cite

View full text Add to dashboard Cite

Parallel testing of vehicle intelligence via virtual-real interaction

Abstract: A self-driven closed-loop parallel testing system implements more challenging tests to accelerate evaluation and development of autonomous vehicles.

Cited by 168 publications

References 9 publications

Verbinden von Natürlicher und Künstlicher Intelligenz: eine experimentelle Testumgebung für Explainable AI (xAI)

Verbinden von Natürlicher und Künstlicher Intelligenz: eine experimentelle Testumgebung für Explainable AI (xAI)

Research on Steering-Following System of Intelligent Vehicle-in-the-Loop Testbed

Spatiotemporal road scene reconstruction using superpixel-based Markov random field

Contact Info

Product

Resources

About