home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / sci / environm / 10181 < prev    next >
Encoding:
Text File  |  1992-07-28  |  2.1 KB  |  44 lines
  1. Newsgroups: sci.environment
  2. Path: sparky!uunet!stanford.edu!agate!overload.lbl.gov!s1.gov!lip
  3. From: lip@s1.gov (Loren I. Petrich)
  4. Subject: Re: Computer controlled cars (was re: high-tech highways)
  5. Message-ID: <1992Jul28.163531.13149@s1.gov>
  6. Sender: usenet@s1.gov
  7. Nntp-Posting-Host: s1.gov
  8. Organization: LLNL
  9. References: <55138@mentor.cc.purdue.edu> <1992Jul28.002243.25281@news.eng.convex.com>
  10. Date: Tue, 28 Jul 1992 16:35:31 GMT
  11. Lines: 31
  12.  
  13. In article <1992Jul28.002243.25281@news.eng.convex.com> jjensen@convex.com (James Jensen) writes:
  14. >Someone wrote: 
  15. ::::Well, as a previous poster pointed out, most of the nations commercial
  16. ::::airlines fly automated systems.
  17.  
  18. :That may be true, but the the environment that these systems deal with
  19. :is orders of magnatudes simpler than surface streets.  A robo-car
  20. :will have to be able to determine that a child that is about to run out
  21. :into the street as well as a human driver. The last I heard computer vision 
  22. :wasn't anywhere near to this.
  23.  
  24.     I did once see a demonstration of a computer system that did
  25. manage to learn to drive -- a neural-net-based system. A (human)
  26. driver drove a van containing the computer and various sensors around,
  27. and the computer "learned" how to do it; it was then able to drive the
  28. van around a bit. The demonstration was on a road where there were
  29. nothing else there, however. On the documentary I saw, I didn't find
  30. out if there was any effort to find out what cues the computer used
  31. (it used input from a camera, among other things) to keep the van on
  32. the road, although I'm sure that that could have been done.
  33.  
  34.     I certainly agree that driving on a road with other vehicles
  35. or with people in it is a much more difficult problem, if one has to
  36. actually identify the vehicles from visual input. Successful
  37. automatically-controlled vehicles to date have usually avoided this
  38. problem by using simplified version of other-vehicle detection;
  39. airplanes have collision detectors that respond to any large object in
  40. the airplane's path, for example. Automatic train control usually
  41. works by dividing a trackway into "blocks", with a central scheduler
  42. allowing only one train in a block at a time.
  43.  
  44.