I sensori AI potrebbero aiutare i veicoli autonomi nelle città innevate

Una delle maggiori sfide che i veicoli autonomi devono affrontare è la loro difficoltà a navigare in condizioni meteorologiche avverse, il che limita davvero la loro implementazione in città innevate come Detroit e Chicago. I veicoli fanno affidamento sui dati cruciali dei sensori per rilevare gli ostacoli e mantenersi sul lato corretto della strada, ma questi dati fanno fatica sulla neve. 

In due nuovi articoli presentati in Difesa SPIE + Rilevamento commerciale 2021, i ricercatori della Michigan Technological University hanno discusso nuove soluzioni per gli scenari di guida innevata con veicoli autonomi.

Esiste un'ampia gamma di veicoli autonomi, inclusi alcuni con angoli ciechi o assistenza alla frenata, e altri con modalità di guida autonoma attiva e disattiva. Alcuni dei migliori veicoli possono funzionare interamente da soli. 

Poiché la tecnologia è ancora agli inizi per molti versi, le case automobilistiche e le università di ricerca lavorano continuamente per migliorare la tecnologia e gli algoritmi. Quando si verificano incidenti, sono spesso il risultato di un errore di valutazione da parte dell'intelligenza artificiale dell'auto o di un errore umano. 

Sensori umani

Anche gli occhi umani sono una forma di sensori, poiché percepiscono l'equilibrio e il movimento. Il nostro cervello agisce come un processore, aiutandoci a capire il nostro ambiente. Questi insieme ci consentono di guidare in tutti gli scenari, anche quelli nuovi, poiché il nostro cervello può generalizzare nuove esperienze. 

I veicoli autonomi di solito hanno due telecamere montate su sospensioni cardaniche e scansionano e percepiscono la profondità utilizzando la visione stereo 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 incontrati in precedenza oa quelli che sono già stati programmati per riconoscere. 

Fusione del sensore

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

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

"Ogni sensore ha i suoi limiti, e ogni sensore copre le spalle di un altro", ha detto Rawashdeh. "La fusione dei sensori utilizza più sensori con diverse modalità per comprendere una scena. Non è possibile programmare in modo esaustivo ogni dettaglio quando gli input hanno schemi complessi. Ecco perché abbiamo bisogno dell'intelligenza artificiale".

I collaboratori dello studio includevano Nader Abu-Alrub, studente di dottorato in ingegneria elettrica e informatica, e Jeremy Bos, assistente professore 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 sviluppati quasi esclusivamente in paesaggi soleggiati e limpidi. Il laboratorio di Bos ha iniziato a raccogliere dati in un veicolo autonomo della Michigan Tech nella neve pesante e sono stati raccolti oltre 1,000 fotogrammi di dati lidar, radar e di immagini da strade innevate in Germania e Norvegia. 

Secondo Bos, il rilevamento del sensore è difficile a causa di una varietà di neve. È importante pre-elaborare i dati e garantire un'etichettatura accurata. 

 "Non tutta la neve è uguale", ha detto Bos. "L'intelligenza artificiale è come uno chef: se hai buoni ingredienti, otterrai un pasto eccellente", ha detto. "Se fornisci alla rete di apprendimento dell'intelligenza artificiale dati di sensori errati, otterrai un pessimo risultato".

Alcune altre grandi sfide riguardano dati di bassa qualità e sporco, e l'accumulo di neve sui sensori causa i propri problemi. Anche dopo che i sensori sono stati liberati, non sempre c'è accordo nel rilevare gli ostacoli. Spesso è davvero difficile far comunicare i sensori e le loro valutazioni del rischio e imparare gli uni dagli altri, poiché ognuno può giungere alla propria conclusione. Tuttavia, il team desidera che i sensori autonomi giungano collettivamente a una conclusione utilizzando la fusione dei sensori. 

"Piuttosto che votare rigorosamente, utilizzando la fusione dei sensori arriveremo a una nuova stima", afferma Bos. 

I sensori dei veicoli autonomi continueranno ad apprendere e migliorare in caso di maltempo e nuovi approcci come la fusione dei sensori potrebbero aprire la strada ai veicoli autonomi sulle strade innevate.