Senzory AI mohou pomoci autonomním vozidlům ve sněhových městech

Jedním z největších problémů, kterým čelí autonomní vozidla, je to, že mají potíže s navigací v špatných povětrnostních podmínkách, což výrazně omezuje jejich nasazení ve sněhových městech, jako jsou Detroit a Chicago. Vozidla se spoléhají na kritická data ze senzorů pro detekci překážek a udržování se na správné straně silnice, ale tato data mají potíže ve sněhu.

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

Existuje široká škála autonomních vozidel, včetně těch s mrtvými úhly nebo asistencí při brzdění, a dalších s režimy samořiditelnosti zapnutými a vypnutými. Některá 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 dojde k nehodám, jsou často výsledkem nesprávného úsudku vozidla nebo lidské chyby.

Lidské 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 mozky mohou zobecnit nové zkušenosti.

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

Senzorová fúze

Autonomní vozidla spoléhají na úkolu-specifické algoritmy umělé inteligence, které vyžadují několik senzorů, jako jsou kamery s rybím okem, infračervené senzory, radar, detekce světla a lidar.

Nathir Rawashdeh je asistent profesora informatiky 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, aby pochopila scénu. Nemůžete vyčerpávajícím způsobem naprogramovat každý detail, když mají vstupy obtížné vzorce. Proto potřebujeme umělou inteligenci.”

Spolupracovníky studie byli Nader Abu-Alrub, doktorand v oboru elektrotechniky a informatiky, a Jeremy Bos, asistent profesora elektrotechniky a informatiky. Dalšími spolupracovníky byli magisterští studenti a absolventi z Bosovy laboratoře: Akhil Kurup, Derek Chopp a Zach Jeffreies.

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

Podle Bosse je detekce senzorů 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 výborné jídlo,” řekl. “Dejte umělým inteligencím špinavá data ze senzorů a dostanete špatný výsledek.”

Některé další velké výzvy zahrnují nízkokvalitní data a nečistoty a sněhové nánosy na senzorech způsobují své vlastní problémy. I po očištění senzorů není vždy shoda v detekci překážek. Často je velmi obtížné, aby senzory a jejich hodnocení rizik komunikovaly a učily se navzájem, protože každý může dospět ke svému vlastnímu závěru. Nicméně tým chce, aby autonomní senzory společně dospěly k závěru pomocí senzorové fúze.

“Místo toho, aby se striktně hlasovalo, pomocí senzorové fúze budeme mít nový odhad,” řekl Bos.

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