CMU的研究人员驾驶一辆ATV积极地进行越野，以收集有关全地形自动驾驶的数据。|来源:卡内基梅隆大学

卡内基梅隆大学的研究人员创建了一个数据集，称为Tartan Drive，可以帮助训练自动驾驶全地形车（ATV）。

该大学的研究团队以每小时30英里的速度驾驶一辆全地形车在匹兹堡附近的越野环境中积极地行驶。在测试过程中，该团队驾驶全地形车转弯、上下坡和穿过泥地，同时收集有关车辆性能的数据。这些数据包括视频、每个车轮的速度和来自七种类型的传感器的悬挂冲击量。

该团队论文的主要作者、机器人学硕士生Samuel Triest说:"这些系统的动力学往往随着你增加速度而变得更具挑战性，你开得更快，你会弹出更多的东西。我们有兴趣收集的许多数据是这种更积极的驾驶，更具挑战性的斜坡和更厚的植被，因为这就是一些更简单的规则开始崩溃的地方。"

所有收集到的数据形成了Tartan Drive，其中包括大约20万次真实世界的互动和5小时的数据，可以帮助训练自动驾驶ATV处理越野驾驶。

通常情况下，越野驾驶是在有注释的地图上进行的，该地图提供了关于预期地形的信息。区域被标记为泥地、草地、植被或水，这样机器人就能了解它能在哪些区域行驶。虽然这些标签可能很有帮助，但它们并没有提供足够的信息。例如，一个泥泞的区域可能是可以导航的，也可能会导致机器人被卡住。

机器人研究所（RI）的项目科学家Wenshan Wang说："与自主街道驾驶不同，越野驾驶更具挑战性，因为你必须了解地形的动态，以便安全驾驶和更快地行驶。"

研究小组收集的数据帮助他们建立了预测模型，这些模型比用更简单的非动态数据开发的模型效果更好。通过在测试中激烈地驾驶ATV，研究小组将车辆带入了一个性能领域，在这个领域中，对动态的理解是至关重要的。能够理解动力学的机器人更有可能能够对物理世界进行推理。