I Sensori AI Potrebbero Aiutare i Veicoli Autonomi nelle Città Neve

Una delle sfide più grandi che i veicoli autonomi devono affrontare è che lottano per navigare in condizioni meteorologiche avverse, il che limita notevolmente la loro implementazione in città innevate come Detroit e Chicago. I veicoli si affidano a dati di sensori cruciali per rilevare ostacoli e rimanere sul lato corretto della strada, ma questi dati lottano nella neve.

In due nuovi saggi presentati alla SPIE Defense + Commercial Sensing 2021, i ricercatori della Michigan Technological University hanno discusso nuove soluzioni per scenari di guida in neve con veicoli autonomi.

Esistono una vasta gamma di veicoli autonomi, tra cui alcuni con punti ciechi o assistenza alla frenata, e altri con modalità di guida autonoma attivabili e disattivabili. Alcuni dei migliori veicoli possono funzionare interamente in modo autonomo.

Poiché la tecnologia è ancora in una fase iniziale in molti modi, i costruttori di automobili e le università di ricerca stanno continuamente lavorando per migliorare la tecnologia e gli algoritmi. Quando si verificano incidenti, sono spesso il risultato di un errore di valutazione dell’intelligenza artificiale del veicolo o di un errore umano.

Sensori Umani

Gli occhi umani sono anch’essi una forma di sensori, poiché percepiscono l’equilibrio e il movimento. Il nostro cervello agisce come un processore, aiutandoci a comprendere l’ambiente circostante. Questi due elementi insieme ci consentono di guidare in tutti gli scenari, anche in quelli nuovi, poiché il nostro cervello può generalizzare esperienze nuove.

I veicoli autonomi di solito hanno due telecamere montate su gimbal, e scansionano e percepiscono la profondità utilizzando la visione stereoscopica per imitare la visione umana. Allo stesso tempo, l’equilibrio e il movimento possono essere misurati con un’unità di misura inerziale. I computer, d’altra parte, possono reagire solo a scenari già incontrati o a quelli per cui sono già stati programmati per riconoscerli.

Fusione dei Sensori

I veicoli autonomi si affidano ad algoritmi di intelligenza artificiale specifici per ogni attività, che richiedono più sensori come telecamere a fisheye, sensori infrarossi, radar, rilevamento della luce e lidar.

Nathir Rawashdeh è professore assistente di informatica presso il College of Computing della Michigan Tech e uno degli autori principali dello studio.

“Ogni sensore ha limitazioni, e ogni sensore copre le spalle di un altro”, ha detto Rawashdeh. “La fusione dei sensori utilizza più sensori di diverse modalità per comprendere una scena. Non è possibile programmare esaurientemente per ogni dettaglio quando gli input presentano schemi difficili. È per questo che abbiamo bisogno dell’intelligenza artificiale”.

I collaboratori dello studio includevano Nader Abu-Alrub, studente di dottorato in ingegneria elettrica e informatica, e Jeremy Bos, professore assistente di ingegneria elettrica e informatica. Altri collaboratori includevano studenti di master e laureati del laboratorio di Bos: Akhil Kurup, Derek Chopp e Zach Jeffreies.

I sensori autonomi e gli algoritmi di guida autonoma sono quasi esclusivamente sviluppati in paesaggi soleggiati e chiari. Il laboratorio di Bos ha iniziato a raccogliere dati in un veicolo autonomo della Michigan Tech nella neve pesante, e oltre 1.000 frame di dati lidar, radar e immagini sono stati raccolti da strade innevate in Germania e Norvegia.

Secondo Bos, la rilevazione dei sensori è difficile a causa della varietà di neve. È importante pre-elaborare i dati e assicurarsi di etichettarli in modo accurato.

“Tutta la neve non è stata creata uguale”, ha detto Bos. “L’intelligenza artificiale è come un cuoco: se hai ingredienti di buona qualità, ci sarà un pasto eccellente”, ha detto. “Dai alla rete di apprendimento dell’intelligenza artificiale dati di sensori sporchi e otterrai un risultato scadente”.

Altre sfide importanti coinvolgono dati di bassa qualità e sporcizia, e l’accumulo di neve sui sensori causa problemi propri. Anche dopo che i sensori sono stati puliti, non c’è sempre accordo nella rilevazione degli ostacoli. È spesso molto difficile far sì che i sensori e le loro valutazioni del rischio comunichino e imparino gli uni dagli altri, poiché ognuno può giungere a una propria conclusione. Tuttavia, il team vuole che i sensori autonomi collettivamente giungano a una conclusione utilizzando la fusione dei sensori.

“Invece di votare strettamente, utilizzando la fusione dei sensori arriveremo a una nuova stima”, dice Bos.

I sensori dei veicoli autonomi continueranno a imparare e migliorare in condizioni meteorologiche avverse, e nuovi approcci come la fusione dei sensori potrebbero guidare la strada per i veicoli autonomi sulle strade innevate.