基于RT106x电磁智能车AI算法
今天,来自NXP公司的宋岩和张岩向我展示和讨论了他们使用部署在智能车单片机中上的人工神经网络控制电磁车模运行的实验情况情况。下面的视频中,车模的方向控制是由单片机中的神经网络模型给出了。车模运行速度大约1.3/s左右。 在人工神经网络控制下电磁车模运行情况 猛一看,这个电磁车模运行很平常。但该车模所使用的电磁传感器仅仅是由车模中间和车头部署的七个近距离电磁传感器,而车前方前伸出支架上的传感器并没有参与控制。在这种配置下,车模的速度就非常可观了。 那么该车模是如何仅仅使用车身局部传感器的信息,就能够达到大的前瞻传感器控制的效果呢?原来车模中的控制算法是由人工神经网络实现的。这辆实验的车模来自逐飞科技提供,在原来传统的车模上面部署了七个电磁传感器。用于采集车模周围的电磁场,并将采集的数值喂送给车模上单片机中的人工神经网络。 实验所使用的智能车和传感器配置 车模前方伸出来的传感器是使用传统方法控制所需要的电磁传感器。车模在使用传统的方法引导车模沿着赛道运行。在此过程中,车载单片机采集车模前方和中间位置的传感器值,并同时将舵机的控制命令通过WiFi无线传输模块发送到PC端进行存储。由此形成未来人工神经网络训练数据集合。七路传感器和舵机控制命令(红线)数据都归一化到一个字节范围内(-128~127)。小车运行4圈,采集数据量约为4万条左右。数据如下面动图所示: 七路电磁数据和舵机控制指令