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 dei limiti e ogni sensore copre la schiena di un altro", ha detto Rawashdeh. “La fusione dei sensori utilizza più sensori di diverse modalità per comprendere una scena. Non è possibile programmare in modo esaustivo ogni dettaglio quando gli input hanno schemi difficili. 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. 

 "Tutta la neve non è creata uguale", ha detto Bos "l'intelligenza artificiale è come uno chef: se hai buoni ingredienti, ci sarà un pasto eccellente", ha detto. "Dai alla rete di apprendimento dell'intelligenza artificiale i dati dei sensori sporchi e otterrai un cattivo 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.