多年來 Quanser 為學術研究界提供了強力支持，我們以客戶為中心，提供無縫和創新的實驗室體驗。我們的統包實驗室專為教學、研究、專案、競賽和社群拓展而設計，並且透過吸收客戶回饋而不斷改進。
我們依據自身超過25 年的自動駕駛系統經驗，開發而成工作室解決方案，包括自動駕駛汽車工作室(SDCS) 和自動駕駛汽車研究工作室(AVRS)。這些解決方案加速了從創新理念到驗證的研究進程，它們節省了研究時間，提高學生的參與度，並培養一個全球社群，從而實現更快的研究發表和成長速度。想了解 Quanser 工作室理念的更多訊息，請瀏覽 Quanser 研發總監 Peter Martin 富有洞察力的部落格文章：ACCELERATE. VALIDATE. GRADUATE
Quanser 了解學術挑戰的獨特性，我們與客戶成為合作夥伴，陪伴他們度過整個研究歷程。您可以從 Siami 博士的話中看到這種方法是如何體現的。我們以客戶為中心的方法已成為一種根深蒂固的文化，我們所有的解決方案都受益於這種思維方式。我們積極傾聽學術界的聲音，不斷尋找學習和提升的機會。當我參加 Milad Siami 博士舉辦的網路研討會時，得到了這樣的機會，該研討會是由 Quanser 策劃的 YOUser Webinar 系列的一部分，題為「最佳化複雜網路中控制和感測的稀疏交互」。
Siami 博士是東北大學的著名教授，麻省理工學院數據、系統和社會研究所 (IDSS) 的前博士後助理，專門研究網絡物理網絡分析、設計和控制。他的研究團隊非常成功，在波士頓競爭激烈的學術環境中蓬勃發展，與哈佛和麻省理工學院並肩，每年吸引許多聰明和高素質的學生。他們的研究採用了先進的理論方法，包括控制論、最佳化、圖論、博弈論、機器學習、強化學習和應用機率。它得到了國家科學基金會、國土安全部、海軍研究辦公室和陸軍研究實驗室的資助。
面臨挑戰
快速架設、儀表化和開放架構實驗室
當 Siami 博士開始在東北大學工作時，他必須迅速建立自己的實驗室，開始他對自主系統的研究。「作為一名年輕教授，準備好實驗設備對於立即開始我們的研究至關重要。」他還需要能夠使複雜理論變得簡單並展示它們在現實生活中如何運作的工具。「為了獲得贊助，我們需要展示先進技術的實際成果。」這些工具必須讓他的新想法輕鬆獲得資金。
東北大學因其實踐學習方法而脫穎而出，並制定了嚴格的標準來為學生做好就業準備。「我們在帶薪實習方面名列前三，因為我們在實踐和動手學習方面保持著高標準，為學生進入就業市場做好準備。」對體驗式學習的關注是提高學生產業相關性和確保大學競爭優勢的關鍵。此外，Siami 博士的研究需要能夠支援動態系統中自適應演算法的開發和測試的平台。「我們在自適應演算法方面的工作需要能夠有效處理即時數據和不斷變化的場景的工具。」
此外，Siami 博士還有額外的要求。他需要獲得行業標準工具來獲得程式設計、電腦視覺和人工智慧方面的實用技能。可擴展且靈活的解決方案對於適應從小規模實驗到大規模模擬的一系列專案至關重要。要保持實驗室能力與時俱進，就需要可靠、持續的支援和持續創新。此外，硬體需要允許對執行器進行低級別訪問，同時耐用且可供學生使用多年。
挑戰如下圖所示
傾聽他們的需求突顯了為研究人員和教育工作者尋找學術解決方案的複雜性。您可能認為經驗豐富的工程師團隊需要建立新產品來滿足他們的需求，這是極其昂貴且耗時的。然而，他們找到了能夠無縫滿足他們所有要求的解決方案。讓我們探討一下他們使用的解決方案，這可能也會讓您感到驚訝。
解決方法
豐富感測器、GPU 驅動的 AVRS 和 SDCS 實驗室具有數位孿生以實現可擴展性
2023 年初，Quanser 提供了一套解決方案來滿足 Siami 博士實驗室的需求，推出了自動駕駛汽車工作室 (SDCS) 和自動駕駛汽車研究工作室 (AVRS)。這些實體平台可使用 Python、ROS、MATLAB Simulink 和其他標準 API 操做，配備一系列感測器，包括里程計、慣性和視覺感測器以及先進的 NVIDIA GPU，為這兩項研究提供必要的運算能力以及自主系統和應用人工智慧的高階應用教學。
QLabs Virtual QCar 新增了一層高保真虛擬實驗，可在受控的模擬環境中進行廣泛的測試和演算法開發。 該平台可以模擬 100 個高保真數位孿生，具有實體產品的所有功能和特性，包括攝影機輸入和感測器，但不受實體的限制。
Quanser 的按需培訓和諮詢對於最大限度地發揮該技術的潛力至關重要。「立即獲得專家培訓和支援對於讓我們的實驗室快速有效地運作是必不可少的。 Quanser 的硬體採用開放式架構，允許對執行器和靈活 I/O 進行低階訪問，同時保持穩健和持久。 Quanser 硬體的耐用性和靈活性意味著我們的設備即使在學生大量使用的情況下也能保持功能性和相關性。」
在 Quanser，我們相信理論與實踐之間的橋樑。與我們一起見證 AVRS 和 SDCS 系統的實際應用。
Siami 博士的研究團隊廣泛探索了管理大規模動態網絡，例如智慧電網、自動駕駛車隊和先進機器人系統。這些線性時變 (LTV) 系統需要仔細選擇感測器和致動器，因為每個感測器輸入的相關性會隨著時間的推移而變化。自適應調度策略對於適應當前需求至關重要。例如，自動駕駛汽車從視覺感測器、攝影機、光達和 IMU 接收數據，但並非所有數據都是識別汽車位置或控制車輛所必需的。
在一項研究中，研究團隊專注於平衡大規模二階共識網路（SOCN）和自動駕駛車隊的敏捷性和通訊。為了驗證他們的理論框架，他們利用了 Quanser 的 QCars 和 QLabs Virtual QCar。這些 QCar 專為全面的自動駕駛研究而設計，配備了各種感測器，包括 LIDAR、360 度攝影機、IMU 以及 NVIDIA GPU。在他們的實驗中，QCar 被遠端控制以模擬現實條件，結合非線性動力學和通訊噪聲，以測試所提出的控制定律。透過使用 Opti-Track 動作捕捉攝影機（AVRS 的一個組件）來確保車輛運動的準確性。此外，Qlabs 平台還提供了初步模擬的虛擬環境，讓研究人員在實驗中引入許多代理程式並評估其控制策略的有效性，然後再在實體 QCar 上實作。這個強大的驗證框架使研究人員能夠將現實世界的測試與 Quanser Virtual QCar 的模擬環境結合，測試和驗證其演算法的即時決策能力。
他們的研究表明，在能夠感知環境和通訊的人工智慧代理網路中，擁有密集的網路並不總是最佳的。由於計算或網路連接造成的延遲使得選擇性通訊比所有代理通訊更有效，從而優化了效率。
最終成果
提高研究生產力、成功獲得贊助、具備業界技能
Siami 博士回顧了東北大學採用 Quanser 解決方案的重大影響：「第一年，我們建立了一個全面運作的實驗室，並促進了研究的發表。 Quanser 在購買時的支援及其培訓非常有價值。當我們專注於理論時，他們提供了舒適的體驗並處理所有硬體方面的問題，為我們提供了許多機會。」
他強調許多博士生在第一年找不到自己的方向，並且可能會與導師選擇的項目保持一致，無論他們喜歡與否。Quanser 產品透過在自主系統（AVRS 和 SDCS）中提供高度通用的平台來縮短調整時間，這對於他們集思廣益並看到他們的公式應用於現實世界非常有啟發性。
此外，目前有十名研究生（主要是博士生）正在積極參與該平台。 Siami 博士：「我們的學生可以進入課程和項目，使用 Python 和 ROS，按需解決計算機視覺等行業相關主題，這顯著增強了他們的實踐學習和技能獲取。」
此外，由於大量研究人員使用 QCar 和 QDrone 等 Quanser 平台，他們可以輕鬆查閱文獻，了解其他研究人員如何設置和使用 Quanser 產品，減少設置時間和驗證，並在其出版物中尋找未來的研究方向。
Siami 博士的團隊致力於先進的理論領域，在許多領域進行了廣泛的研究。因此，他們現在可以更深入地研究，進行更多的實驗，並有更好的研究規劃和路線圖。 「我們改進了研究路線圖的管理，策略性地計劃將理論出版物更深入地落實到現實世界的應用中」，他解釋道。
此外，Siami 博士也指出了 Quanser 解決方案對贊助提案成功的影響。「透過使用配備尖端技術的最新產品來展示我們研究的實際應用，我們可以視覺化我們的理論的應用，因為我們處於先進的理論領域。這顯著提高了獲得資金的可能性。 」
值得一提的是，東北大學團隊在 2023 年 ACC 自動駕駛汽車競賽中獲得第一名，凸顯了透過 Quanser 解決方案獲得的實用性與業界技能技能。
下圖說明了結果。
這是一個令人愉快的時刻，聽到「我們很快就在實驗中證明了我們的理論，看到它在現實世界中的應用令人鼓舞。」為了將這一刻帶給所有研究人員和教育工作者，我們 Quanser 挑戰自我，確保我們的解決方案以客戶為中心。我們不斷尋求日常使用我們產品的用戶的回饋，以增強他們的實驗室體驗。歡迎您查看 SDCS 和 AVRS 頁面，詳細探索這些尖端的、以客戶為中心的解決方案。
本文轉載自 Quanser 原廠網站，作者 Morteza Mohammadi
Comentarios