AI kan brukes til svært mye. Også til gode, gammeldagse bilbaner

OSLO SPEKTRUM (digi.no): Bruken og nytteverdien av kunstig intelligens kan noen ganger være vanskelig å forstå. Derfor er det fint at dette kan demonstreres på arenaer som er velkjente for mange. For eksempel en god, gammeldags bilbane.

AI-styrt racerbil

Under denne ukens JavaZone-konferanse har nettopp en bilbane opptatt en vesentlig del av Oracles standområde. Det spesielle med denne bilbanen er at bilen i det ene sporet kan kontrolleres av en løsning basert på kunstig intelligens. Under konferansen har deltakerne fått anledning til å konkurrere mot datamaskinen. Det er liten tvil om at datamaskinen også på dette området er i stand til å slå de fleste menneskelige førerne, bare den får tid til å trene seg opp.

Prosjektet har vært en del av sommerens internship hos Oracle og Accenture. Der har blant annet studentene Martha Honganvik Andersen og Erlend Hall deltatt.

Artikkelen fortsetter under.

Infrarødt

På standen møtte vi også Frode Pedersen fra Oracle, som kunne fortelle hvordan bilbanen har blitt autonomisert.

– I Oracle har vi drevet med bilbane i flere år. Opprinnelig var dette basert på Bluetooth og wifi, men det fungerer temmelig dårlig her i Oslo Spektrum med masse telefoner rundt. Nå har vi gått tilbake til gammeldags bilbane, slik vi hadde da vi var små. Men vi har automatisert den med sensorer, slik at en av bilene kan kjøre selv, forteller Pedersen.

– Det vi har gjort er å plassere forskjellige infrarøde sensorer rundt på banen. De enkle sensorene måler passeringen, mens de doble måler også farten, forteller Pedersen og peker på at bilen i samme øyeblikk holdt en skalahastighet på 1088 km/t.

– Bilene har skala 1:32, så da må du dele på 32 for å få reell fart, sier han.

Lynraskt

Banen er 34,73 meter lang, og den autonome bilen har tidligere greid å kjøre rundetider på rundt 19 sekunder.

– Et løp er på tre runder. De beste manuelle førerne kjører på rundt 22 sekunder. En tilfeldig besøkende bruker rundt 30 sekunder, sier Pedersen.

Oppsettet

– I selve realtime-delen, som måler millisekunder, så bruker vi Arduino, som er open source hardware. Vi har plassert syv slike rundt på banen.

Arduinoene rapporterer tidene til en Raspberry Pi, som sender dem videre til Oracle Autonomous Cloud hvor det benyttes maskinlæring til å få bilen til å kjøre optimalt.

– Da vi startet i dag, så kjørte bilen på rundt 30 sekunder. Nå er den nede i 22 sekunder, og vi håper å komme ned i 19 sekunder, noe vi har klart før, sier Pedersen onsdag ettermiddag.

– En annen utfordring er å registrere de fysiske førerne. Dette løser vi ved å bruke RFID-brikker. Så når deltakerne her kommer for å kjøre, så får de en slik brikke som vi da kobler til sporene i det de skal kjøre. På den måten får vi registrert resultatene. Det blir lett en flaskehals dersom du skal bruke manuell registrering, avslutter han.