Μοντέλα και πλατφόρμες AI

Νέα Μέθοδος Απλοποιεί την Έγκριση Συστημάτων Αυτοματοποιημένου Οδήγησης

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια νέα μέθοδος που αναπτύχθηκε από ερευνητές στο Πανεπιστήμιο Τεχνολογίας της Γκράτσου μπορεί να βελτιώσει δραματικά και να απλοποιήσει τη διαδικασία έγκρισης για συστήματα αυτοματοποιημένου οδήγησης.

Οι δοκιμές σε симουλάτορες οδήγησης χρησιμοποιούνται για πολλά διαφορετικά λόγους, ειδικά επειδή μπορούν να προσομοιώσουν οποιαδήποτε σεναριο几乎 αμέσως. Αυτά τα σενάρια δεν επηρεάζονται από τον καιρό και τις καιρικές συνθήκες, και δεν υπάρχουν κίνδυνοι ασφαλείας για το όχημα, τους ανθρώπους ή το περιβάλλον.

Οι симουλάτορες οδήγησης είναι επίσης πολύ φθηνότεροι και απαιτούν λιγότερη οργάνωση σε σύγκριση με την πραγματικότητα.

Ωστόσο, υπάρχουν κάποιες ερωτήσεις σχετικά με την πρακτική όταν πρόκειται για αυτοματοποιημένο οδήγηση.

Αυτοματοποιημένο Οδήγηση και Симουλάτορες Οδήγησης

Ο Arno Eichberger είναι επικεφαλής της ερευνητικής περιοχής «Αυτοματοποιημένο Οδήγηση & Συστήματα Βοήθειας Οδηγού» στο Ινστιτούτο Αυτοκινητοβιομηχανίας του Πανεπιστημίου Τεχνολογίας της Γκράτσου (TU Graz).

«Στο πεδίο της υψηλά αυτοματοποιημένης οδήγησης, Tuy nhiên, οι μελέτες симουλατόρων οδήγησης συχνά αμφισβητούνται λόγω της έλλειψης πραγματικότητας», λέει ο Eichberger. «Επιπλέον, μέχρι πρόσφατα δεν υπήρχαν стандαρδποιημένες διαδικασίες δοκιμών που θα μπορούσαν να χρησιμοποιηθούν για να ελέγξουν σύνθετα καθήκοντα όπως η αμοιβαία αλληλεπίδραση μεταξύ ανθρώπου και συστήματος (διαδικασίες παραλαβής).»

Η πρώτη παγκόσμια ρύθμιση για Συστήματα Αυτοματοποιημένης Διατήρησης Λωρίδας (ALKS) εφαρμόστηκε στις αρχές του 2021. Σύμφωνα με τον Eichberger, ο νόμος επιλύει το ζήτημα της οδικής έγκρισης.

«Μέχρι τώρα, οι ρυθμιστικές αρχές δεν ήξεραν πώς να δοκιμάσουν και να εγκρίνουν συστήματα αυτοματοποιημένου οδήγησης», είπε. «Οι κατασκευαστές οχημάτων, με τη σειρά τους, δεν ήξεραν ποια απαιτήσεις τα συστήματα έπρεπε να ικανοποιήσουν για να εγκριθούν.»

Οι κανονισμοί έχουν καθορίσει, με βάση einen βοηθό交通, τα κριτήρια έγκρισης για υψηλά αυτοματοποιημένα συστήματα μέχρι μια μέγιστη ταχύτητα των 60 km/h. Μόλις ενεργοποιηθεί ο βοηθός, γίνεται υπεύθυνος για τον έλεγχο. Ο οδηγός μπορεί να αφήσει το τιμόνι, αλλά πρέπει να αναλάβει τον έλεγχο εάν υπάρχει μια δυσλειτουργία. Το σύστημα πρέπει επίσης να αναγνωρίσει ότι ο οδηγός έχει αυτή τη δυνατότητα.

https://www.youtube.com/watch?v=TOFEYFu0r1k

Η Νέα Μέθοδος

Η νέα μέθοδος που αναπτύχθηκε από τον Eichberger και την ομάδα του από το Fraunhofer Austria, AVL, και JOANNEUM RESEARCH βασίζεται στον κανονισμό. Είναι σε θέση να ελέγξει ασφαλώς, αποτελεσματικά και πραγματικά την ετοιμότητα να αναλάβει τον έλεγχο σε einen симουλάτορα οδήγησης. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν για την πιστοποίηση συστημάτων ALKS.

Η ομάδα έπρεπε να εκτελέσει διάφορες διαδικασίες για να αποδείξει την εγκυρότητα της симуляції οδήγησης χρησιμοποιώντας την δοκιμή οδήγησης. Χρειαζόταν μια άμεση σύγκριση μεταξύ симуляτορος οδήγησης και πραγματικού οδήγησης, η οποία έπρεπε να ταιριάζει όσο το δυνατόν πιο στενά.

Η αντίληψη της μηχανής του περιβάλλοντος αποδείχθηκε να είναι μια πρόκληση σε αυτό το σημείο.

«Εάν αυτό πρέπει να τρέξει το ίδιο όπως στην πραγματικότητα, τα περιβάλλοντα στη симуляση πρέπει να ταιριάζουν με το πραγματικό περιβάλλον μέχρι τον ακριβή εκατοστό», είπε ο Eichberger.

Η ομάδα πέτυχε αυτή την ακρίβεια χρησιμοποιώντας «Ultra High Definition Maps» από το JOANNEUM RESEARCH, το οποίο είναι ένα από τα κορυφαία ερευνητικά ιδρύματα στον κόσμο.

Ο Patrick Luley είναι επικεφαλής του ερευνητικού εργαστηρίου για υψηλά αυτοματοποιημένο οδήγηση στο DIGITAL Institute.

«Χρησιμοποιούμε ένα κινητό σύστημα χαρτογράφησης για να μετρήσουμε τα περιβάλλοντα δοκιμών», είπε ο Luley. «Τελικά, δημιουργείται ένας αδιάκοπος 3D χάρτης με ένα εξαιρετικά υψηλό επίπεδο λεπτομέρειας από τα δεδομένα μέτρησης.除了 τους αντικείμενους της κυκλοφοριακής υποδομής όπως τα σημάδια κυκλοφορίας, τις λωρίδες και τις προστατευτικές μπάρες, η βλάστηση και τα κτήρια επίσης αντιπροσωπεύονται σε αυτόν τον χάρτη.»

Αυτή η αυτοματοποιημένη διαδικασία χαρτογράφησης UHD είναι πολύ ταχύτερη και φθηνότερη από το χειροκίνητο 3D μοντελισμό.

Το τελευταίο βήμα είναι η μεταφορά του υψηλής ανάλυσης 3D περιβάλλοντος στο симουλάτορα οδήγησης.

Σύμφωνα με τον Volker Settsgast από τη μονάδα Visual Computing, «Ετοιμάζουμε τα δεδομένα με τέτοιο τρόπο ώστε το 3D περιβάλλον να μπορεί να εμφανιστεί με υψηλή ταχύτητα».

Η επαλήθευση τότε επιβεβαιώνεται μέσω συγκριτικών δοκιμών στη πραγματική διαδρομή.

«Με τη μέθοδο μας, είναι δυνατό για τους κατασκευαστές οχημάτων να συγκρίνουν και να επικυρώσουν ένα bestimmten δείγμα στη πραγματική πίστα και στον симουλάτορα οδήγησης», λέει ο Eichberger. «Αυτό σημαίνει ότι η δοκιμή μπορεί τελικά να μεταφερθεί από την πραγματική πίστα στον симουλάτορα οδήγησης.»

Η ομάδα εργάζεται τώρα για τη σύγκρωση εικονικών δοκιμών έγκρισης τα επόμενα quelques μήνες.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.