Zelfrijdende ATVs zijn in aantocht

Een team van onderzoekers aan de Carnegie Mellon University (CMU) brengt ons een stap dichter bij het bereiken van zelfrijdende all-terrain voertuigen (ATVs). Het team reed met een ATV door verschillende omgevingen, waaronder hoge grassen, los grind en modder, om gegevens te verzamelen over hoe de ATV met deze soorten off-road omgevingen omging.

Het creëren van de TartanDrive-dataset

De ATV werd agressief bestuurd met snelheden tot 30 mijl per uur. Het gleed door bochten, ging omhoog en omlaag over heuvels en raakte vast in de modder, terwijl het belangrijke gegevens verzamelde zoals video, de snelheid van elk wiel en de verplaatsing van de schokdempers van zeven soorten sensoren.

Nadat alle gegevens waren verzameld, werden ze samengesteld in een dataset genaamd TartanDrive. Het bevat ongeveer 200.000 real-world interacties, en het team gelooft dat het de grootste real-world, multimodale, off-road rijdataset is. De gegevens kunnen later worden gebruikt om een zelfrijdend voertuig te trainen voor off-road navigatie.

Wenshan Wang is een projectwetenschapper in het Robotics Institute (RI).

“In tegenstelling tot autonoom rijden op de weg, is off-road rijden moeilijker omdat je de dynamiek van het terrein moet begrijpen om veilig en snel te rijden,” zei Wang.

Er is enig vorig onderzoek gedaan in dit gebied, maar het hield vaak in dat er geannoteerde kaarten werden gebruikt die labels zoals modder, gras, vegetatie en water leverden. Deze labels hielpen de robot het terrein te begrijpen dat het navigeerde, maar het probleem is dat deze soort informatie vaak moeilijk te verzamelen is. Het is ook vrij generieke informatie. Bijvoorbeeld, “modder” kan een omgeving betekenen die zowel rijdend als niet-rijdend is.

Het bouwen van voorspellingsmodellen

Met de multimodale sensorgegevens die het team verzamelde, konden ze voorspellingsmodellen bouwen die superieur zijn aan de modellen die zijn ontwikkeld met eenvoudige en niet-dynamische gegevens. Door de ATV agressief te besturen, werd het cruciaal om de dynamiek van zijn prestaties te begrijpen.

Samuel Triest is een tweedejaars masterstudent in robotica en hoofdauteur van het onderzoeksrapport.

“De dynamiek van deze systemen wordt moeilijker naarmate je meer snelheid toevoegt,” zei Triest. “Je rijdt sneller, je stuitert van meer dingen af. Veel van de gegevens waarin we geïnteresseerd waren, waren deze agressievere rijstijl, moeilijkere hellingen en dikkere vegetatie, omdat dat de plekken zijn waar sommige van de eenvoudigere regels beginnen te breken.”

Hoewel het waar is dat de meeste onderzoek en werk rond autonome voertuigen gericht is op rijden op de weg, zeggen de onderzoekers dat de eerste toepassingen waarschijnlijk in gecontroleerde, off-road gebieden zullen zijn. Dit laat minder risico op botsingen toe.

Het team voerde alle tests uit op een gecontroleerde locatie in de buurt van Pittsburgh, waar het National Robotics Engineering Center van CMU autonome off-road voertuigen test.

De ATV werd door mensen bestuurd met een drive-by-wire-systeem om het stuur en de snelheid te controleren.

“We dwongen de mens om door hetzelfde controle-interface te gaan als de robot zou doen,” zei Wang. “Op die manier kunnen de acties die de mens uitvoert rechtstreeks worden gebruikt als invoer voor hoe de robot zou moeten handelen.”

Het onderzoek zal worden gepresenteerd op de International Conference on Robotics and Automation (ICRA) in Philadelphia.