Älyanturit voivat auttaa itseajavia autoja lumisissa kaupungeissa

Yksi suurimmista haasteista, joiden edessä itseajavat autot ovat, on se, että ne kamppailevat navigoimisessa huonissa sääolosuhteissa, mikä rajoittaa merkittävästi niiden käyttöä lumisissa kaupungeissa, kuten Detroitissa ja Chicagossa. Autot riippuvat tärkeästä anturidatalta esteiden havaitsemiseksi ja oikean tien puolella pysymiseksi, mutta tämä data kamppailee lumessa. 

Kahdessa uudessa tutkimuksessa, jotka esiteltiin SPIE Defense + Commercial Sensing 2021 -tapaamisessa, Michiganin teknillisen yliopiston tutkijat keskustelivat uusista ratkaisuista lumisissa ajo-olosuhteissa itseajaville autoille.

On olemassa laaja valikoima itseajavia autoja, joista joillakin on sokeat pisteet tai jarrutusavustus ja toisilla on päällä ja pois itseajotoimintoja. Joillakin parhaimmilla autoilla on mahdollista toimia täysin itsenäisesti. 

Koska teknologia on monilla tavoin vasta alkuvaiheessa, autonvalmistajat ja tutkimusyliopistot työskentelevät jatkuvasti parantaakseen teknologiaa ja algoritmeja. Kun onnettomuuksia sattuu, ne johtuvat usein auton älykkään ohjelmoinnin tai ihmisen virheen vuoksi. 

Ihmisen anturit

Ihmisen silmät ovat myös tyyppi antureita, jotka aistivat tasapainoa ja liikettä. Aivomme toimivat prosessorina, joka auttaa meitä ymmärtämään ympäristöämme. Nämä yhdessä mahdollistavat meidän ajamisen kaikissa tilanteissa, myös sellaisissa, joissa emme ole aikaisemmin käyneet, koska aivot voivat yleistää uusia kokemuksia. 

Itseajavat autot ovat yleensä varustettu kahdella kameralla, jotka on kiinnitetty gimbaleihin, ja ne skannaavat ja havaitsevat syvyyttä stereonäön avulla jäljitelläkseen ihmisen näköa. Samalla tasapainoa ja liikettä voidaan mitata inertialmittalaitteella. Tietokoneet voivat toisaalta reagoida vain aikaisemmin koettuihin tilanteisiin tai niihin, joita ne on ohjelmoitu tunnistamaan. 

Anturien yhdistäminen

Itseajavat autot riippuvat tehtävikohtaisista älykkäistä algoritmeista, jotka vaativat useita antureita, kuten kalansilmäkameroita, infrapunantureita, tutkaa, valon havaitsemista ja lidaria.

Nathir Rawashdeh on apulaisprofessori tietojenkäsittelytieteessä Michiganin teknillisen yliopiston College of Computing -yksikössä ja yksi tutkimuksen johtavista tekijöistä. 

“Jokaisella anturilla on rajoituksia, ja jokainen anturi kattaa toisen anturin selän”, Rawashdeh sanoi. “Anturien yhdistäminen käyttää useita eri tyyppisiä antureita ymmärtääkseen kohtauksen. Et voi ohjelmoida kaikkia yksityiskohtia, kun syötteillä on vaikeita malleja. Siksi tarvitsemme älykkyyttä.”

Tutkimuksen yhteistyökumppaneihin kuului Nader Abu-Alrub, tohtorikoulutettava sähkö- ja tietotekniikassa, ja Jeremy Bos, apulaisprofessori sähkö- ja tietotekniikassa. Muita yhteistyökumppaneita olivat maisterin tutkinnon opiskelijat ja valmistuneet Bosin laboratoriosta: Akhil Kurup, Derek Chopp ja Zach Jeffreies. 

Itseajavat anturit ja itseajotoiminnon algoritmit kehitetään lähes yksinomaan aurinkoisissa ja selkeissä maisemissa. Bosin laboratorio alkoi kerätä dataa Michiganin teknillisen yliopiston itseajavasta autosta raskaassa lumisateessa, ja yli 1 000 kehyksen lidar-, tutka- ja kuvadataa kerättiin lumisilta teiltä Saksassa ja Norjassa. 

Bosin mukaan anturien havaitseminen on vaikeaa lumen monimuotoisuuden vuoksi. On tärkeää esikäsitellä dataa ja varmistaa sen oikea merkintä. 

 “Kaikki lumi ei ole samanlaista”, Bos sanoi “Äly on kuin kokki — jos sinulla on hyvät aineet, ruoka on erinomainen”, hän sanoi. “Anna älykkäälle oppimisverkolle likaista anturidataa ja saat huonon tuloksen.”

Jotkut muut suuret haasteet liittyvät matalalaatuiseen dataan ja likaantumiseen, ja lumen kertyminen antureihin aiheuttaa omat ongelmansa. Jopa anturien puhdistamisen jälkeen ei aina ole yhtenäistä näkemystä esteiden havaitsemisesta. On usein erittäin vaikeaa saada anturit ja niiden riskiarviot viestimään ja oppimasta toisistaan, koska kunkin anturin voi tulla omiin johtopäätöksiinsä. Tiimin tavoitteena on kuitenkin, että itseajavat anturit tulisivat yhdessä johtopäätökseen anturien yhdistämisen avulla. 

“Emme äänestä suoraan, vaan käytämme anturien yhdistämistä uuden arvion luomiseen”, Bos sanoo. 

Itseajavien autojen anturit jatkavat oppimista ja parantumista huonossa säähän, ja uudet lähestymistavat, kuten anturien yhdistäminen, voivat olla tie itseajaville autoille lumisilla teillä.