Search academic texts

Information × Registration Number 2124U009279, Article popup.category Опубліковано, Стаття Title PARALLEL AND DISTRIBUTED COMPUTING TECHNOLOGIES FOR AUTONOMOUS VEHICLE NAVIGATION popup.author Мочурад Л. І.Мамчур М. В.Mochurad L. I.Mamchur M. V. popup.publication 03-01-2024 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/296211 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Автономні автомобілі стають все більш популярними і одним з важливих сучасних завдань розробки таких автомобілів є забезпечення ефективної навігації останніх у просторі та їх руху у своїй виділеній проїзній смузі. У даній роботі розглянуто метод орієнтування у просторі автомобіля за допомогою комп’ютерного зору та штучних нейронних мереж. Об’єктом дослідження була система навігації автономного автомобіля, що включає в себе використання сучасних технологій розподілених та паралельних обчислень. Мета роботи – вдосконалення сучасних алгоритмів навігації автономного автомобіля у просторі на основі паралельного навчання штучних нейронних мереж та визначення найоптимальнішої комбінації технологій та пристроїв для збільшення швидкості та можливості отримання рішення в режимі реального часу. Метод. У роботі встановлено, що використання комп’ютерного зору та нейронних мереж для сегментації смуги дорожнього руху є ефективним методом орієнтації автономного автомобіля у просторі. При цьому для багатоядерних обчислювальних систем застосування технології паралельного програмування OpenMP для тренування нейронної мережі на процесорі з різним числом паралельних потоків збільшує швидкість виконання алгоритму. Проте використання технології CUDA для навчання нейронної мережі на відеопроцесорі дозволило значно збільшити швидкість передбачень в порівнянні з OpenMP. Також досліджено можливість використання технології PyTorch DDP для навчання нейронної мережі на декількох відеопроцесорах (вузлах) одночасно, що , в свою чергу, ще більш покращило час виконання передбачень в порівнянні з використанням одного відеопроцесора. Результати. Розроблено алгоритм навчання та передбачення штучної нейронної мережі на двох незалежних вузлах з окремими відеопроцесорами та їх синхронізацією задля обміну результатами навчання після кожної епохи із використанням технології PyTorch DDP, що дозволяє масштабувати розрахунки при наявності більшої кількості потужностей і значно пришвидшити навчання моделі. Висновки. Проведені експерименти підтвердили ефективність запропонованого алгоритму і дозволяють рекомендувати дане дослідження для подальшого розвитку автономних автомобілів та покращення їх навігаційних можливостей. Зокрема результати дослідження можуть знайти застосування у різних сферах, включаючи автомобільну транспортну промисловість, логістику та транспортну інфраструктуру міст. Отримані результати повинні допомогти наступним дослідникам зрозуміти, які апаратні та програмні засоби найефективніше використовувати для реалізації навігаційних систем на основі штучного інтелекту в автономних автомобілях. Перспективами подальших досліджень може бути покращення точності запропонованого паралельного алгоритму не погіршуючи показників ефективності, а також експериментальне дослідження запропонованого алгоритму на більш складних практичних задачах різної природи та розмірності. popup.nrat_date 2026-02-27 Close