Senzory AI mohou pomoci autonomním vozidlům ve sněhových městech

Jednou z největších výzev, kterým autonomní vozidla čelí, je to, že mají potíže s navigací v špatném počasí, což opravdu omezuje jejich nasazení ve sněhových městech, jako jsou Detroit a Chicago. Vozidla se spoléhají na kritické senzorické údaje k detekci překážek a udržování se na správné straně silnice, ale tyto údaje mají potíže ve sněhu. 

Ve dvou nových článcích prezentovaných na SPIE Defense + Commercial Sensing 2021 diskutovali výzkumníci z Michiganské technologické univerzity o nových řešeních pro scénáře jízdy ve sněhu s autonomními vozidly.

Existuje široká škála autonomních vozidel, včetně těch s mrtvými úhly nebo asistenčními brzdami, a dalších s režimy samořazení zapnutými nebo vypnutými. Některé z nejlepších vozidel mohou fungovat zcela samostatně. 

Protože technologie je stále v mnoha ohledech v plenkách, výrobci automobilů a výzkumné univerzity neustále pracují na zlepšování technologie a algoritmů. Když dochází k nehodám, jsou často výsledkem nesprávného úsudku umělé inteligence vozidla nebo lidské chyby. 

Člověčí senzory

Lidské oči jsou také druhem senzorů, protože vnímají rovnováhu a pohyb. Naše mozek funguje jako procesor, který nám pomáhá pochopit naše okolí. Tyto společně umožňují nám řídit ve všech scénářích, dokonce i v těch nových, protože naše mozek může zobecnit nové zkušenosti. 

Autonomní vozidla obvykle mají dvě kamery namontované na gimbalech a skenují a vnímají hloubku pomocí stereo vidění, aby napodobily lidské vidění. Současně lze rovnováhu a pohyb měřit pomocí inerciálního měřicího zařízení. Počítače na druhé straně mohou reagovat pouze na dříve zaznamenané scénáře nebo na ty, které již byly naprogramovány k rozpoznání. 

Senzorová fúze

Autonomní vozidla se spoléhají na úkolspecifické algoritmy umělé inteligence, které vyžadují několik senzorů, jako jsou kamery s rybími očima, infračervené senzory, radar, detekce světla a lidar.

Nathir Rawashdeh je asistent profesora výpočetní techniky na Michiganské technologické univerzitě a jeden z hlavních autorů studie. 

“Každý senzor má omezení a každý senzor kryje záda jinému,” řekl Rawashdeh. “Senzorová fúze používá několik senzorů různých modalit k pochopení scénáře. Nemůžete vyčerpávajícím způsobem naprogramovat každý detail, když mají vstupy obtížné vzory. Proto potřebujeme umělou inteligenci.”

Spolupracovníky studie byli Nader Abu-Alrub, doktorand elektrotechniky a počítačového inženýrství, a Jeremy Bos, asistent profesora elektrotechniky a počítačového inženýrství. Dalšími spolupracovníky byli magisterský student a absolventi z Bosovy laboratoře: Akhil Kurup, Derek Chopp a Zach Jeffreies. 

Autonomní senzory a algoritmy samořazení jsou téměř výhradně vyvíjeny v slunných a jasných krajích. Bosova laboratoř poprvé začala shromažďovat data v michiganském autonomním vozidle ve velkém sněhu a více než 1 000 snímků lidarových, radarových a obrazových dat bylo shromážděno ze sněhových silnic v Německu a Norsku. 

Podle Bosse je senzorová detekce obtížná kvůli různorodosti sněhu. Je důležité předzpracovat data a zajistit přesné označení. 

 “Ne všechny sněhy jsou stejné,” řekl Bos. “Umělá inteligence je jako šéfkuchař – pokud máte dobré suroviny, bude výborná jídla,” řekl. “Dejte umělou inteligenci špinavá senzorová data a dostanete špatný výsledek.”

Některé další velké výzvy zahrnují nízkokvalitní data a nečistoty a sněhový nárust na senzorech způsobuje své vlastní problémy. I po očištění senzorů není vždy shoda v detekci překážek. Často je opravdu obtížné dostat senzory a jejich hodnocení rizik ke komunikaci a učení se navzájem, protože každý z nich může dospět k vlastním závěrům. Avšak tým chce, aby autonomní senzory společně dospěly k závěru pomocí senzorové fúze. 

“Místo striktního hlasování budeme pomocí senzorové fúze vytvářet novou odhad,” říká Bos. 

Senzory autonomních vozidel budou pokračovat v učení a zlepšování v špatném počasí a nové přístupy, jako je senzorová fúze, mohou vést cestu pro autonomní vozidla na sněhových silnicích.