I ricercatori sviluppano sistemi autonomi in grado di rilevare cambiamenti nelle ombre

Gli ingegneri del MIT hanno sviluppato un nuovo sistema estremamente importante per la sicurezza dei veicoli autonomi. Il sistema è in grado di rilevare piccoli cambiamenti nelle ombre sul terreno e può determinare se ci sono oggetti in movimento intorno all’angolo. 

Uno degli obiettivi principali per qualsiasi azienda che cerca di creare veicoli autonomi è aumentare la sicurezza. Gli ingegneri stanno costantemente lavorando per migliorare la capacità dei veicoli di evitare collisioni con altre auto o pedoni, in particolare quelli che stanno girando intorno all’angolo di un edificio. 

Il nuovo sistema ha anche il potenziale per essere utilizzato su robot che navigano negli ospedali. Questi robot potrebbero consegnare farmaci o rifornimenti in tutto l’ospedale e il sistema li aiuterebbe a evitare di colpire le persone. 

Un documento sarà presentato la prossima settimana alla Conferenza internazionale su robot intelligenti e sistemi (IROS). Include descrizioni degli esperimenti condotti con successo dai ricercatori, tra cui un’auto autonoma che si manovra intorno a un garage e si ferma quando si avvicina a un altro veicolo.

Il sistema attuale è spesso LIDAR, che è in grado di rilevare oggetti visibili con un anticipo di oltre mezzo secondo. Secondo i ricercatori, le frazioni di secondo possono fare una grande differenza nei veicoli autonomi veloci.  

“Per applicazioni in cui i robot si muovono in ambienti con altri oggetti o persone in movimento, il nostro metodo può dare al robot un precoce avvertimento che qualcuno sta girando l’angolo, in modo che il veicolo possa rallentare, adattare il percorso e prepararsi in anticipo per evitare una collisione”, aggiunge la coautrice Daniela Rus, direttrice del Laboratorio di scienza e intelligenza artificiale del computer (CSAIL) e professore di ingegneria elettrica e informatica Andrew e Erna Viterbi. “Il grande sogno è fornire una sorta di ‘visione a raggi X’ ai veicoli che si muovono velocemente per le strade”.

Il nuovo sistema autonomo è stato testato solo all’interno. In queste condizioni, le condizioni di illuminazione sono più basse e le velocità dei robot sono più lente. Il sistema autonomo può analizzare e rilevare ombre molto più facilmente in questo ambiente. 

Il documento è stato compilato da Daniela Rus; il primo autore Felix Naser, ex ricercatore del CSAIL; Alexander Amini, studente di dottorato del CSAIL; Igor Gilitschenski, borsista post-dottorato del CSAIL; la studentessa di dottorato Christina Liao; Guy Rosman dell’Istituto di ricerca Toyota; e Sertac Karaman, professore associato di aeronautica e astronautica al MIT. 

Sistema ShadowCam

Prima dei nuovi sviluppi, i ricercatori avevano già un sistema chiamato “ShadowCam”. Il sistema è in grado di identificare e classificare i cambiamenti nelle ombre sul terreno attraverso l’uso di tecniche di visione computerizzata. Le versioni precedenti del sistema sono state sviluppate dai professori del MIT William Freeman e Antonio Torralba. I due professori non erano coautori del documento IROS e il loro lavoro è stato presentato nel 2017 e nel 2018. 

ShadowCam utilizza frame video da una telecamera specifica e può rilevare qualsiasi cambiamento di intensità luminosa nel tempo. Ciò dice al sistema se qualcosa si sta allontanando o avvicinando e poi analizza le informazioni e classifica ogni immagine come un oggetto stazionario o in movimento. Ciò consente al sistema di procedere nel modo migliore possibile. 

ShadowCam è stato modificato per essere utilizzato su veicoli autonomi. Originariamente, utilizzava etichette di realtà aumentata chiamate “AprilTags”, simili ai codici QR. ShadowCam utilizzava queste etichette per concentrarsi su determinati cluster di pixel per determinare se c’erano ombre presenti. Tuttavia, questo sistema si è rivelato impossibile da utilizzare in scenari del mondo reale. 

A causa di ciò, i ricercatori hanno creato un nuovo processo che utilizza la registrazione di immagini e una tecnica di odometria visiva insieme. La registrazione di immagini sovrappone più immagini per identificare eventuali variazioni. 

La tecnica di odometria visiva utilizzata dai ricercatori si chiama “Direct Sparse Odometry” (DSO) e funziona in modo simile alle AprilTags. DSO utilizza una nuvola di punti 3D e traccia le diverse caratteristiche di un ambiente su di essa. Un pipeline di visione computerizzata localizza poi una regione di interesse come un pavimento. 

ShadowCam utilizza DSO e la registrazione di immagini e sovrappone tutte le immagini dalla stessa prospettiva del robot. Il robot, in movimento o fermo, può quindi concentrarsi sulla stessa patch di pixel dove c’è un’ombra. 

Cosa succede dopo

I ricercatori continueranno a lavorare su questo sistema e si concentreranno sulle differenze tra le condizioni di illuminazione interna ed esterna. In ultima analisi, il team vuole aumentare la velocità del sistema e anche automatizzare il processo.