Czujniki AI mogą pomóc pojazdom autonomicznym w śnieżnych miastach

Jednym z największych wyzwań stojących przed pojazdami autonomicznymi jest to, że mają trudności z nawigacją w złych warunkach pogodowych, co znacznie ogranicza ich wdrożenie w śnieżnych miastach, takich jak Detroit i Chicago. Pojazdy te polegają na kluczowych danych sensorycznych w celu wykrycia przeszkód i pozostania na właściwej stronie drogi, ale te dane mają trudności w śniegu.

W dwóch nowych pracach przedstawionych na SPIE Defense + Commercial Sensing 2021, badacze z Michigan Technological University omawiali nowe rozwiązania dla scenariuszy jazdy w śniegu z pojazdami autonomicznymi.

Istnieje szeroki zakres pojazdów autonomicznych, w tym niektóre z martwymi punktami lub asystentem hamulcowym, oraz inne z trybami samodzielnego prowadzenia włączonymi i wyłączonymi. Niektóre z najlepszych pojazdów mogą działać całkowicie samodzielnie.

Ponieważ technologia ta jest jeszcze w powijakach, producenci samochodów i uniwersytety badawcze nieustannie pracują nad udoskonalaniem technologii i algorytmów. Kiedy dochodzi do wypadków, są one często wynikiem błędu osądu samochodu lub błędu ludzkiego.

Czujniki Ludzkie

Ludzkie oczy są również rodzajem czujników, ponieważ czują równowagę i ruch. Nasz mózg działa jako procesor, pomagając nam zrozumieć nasze otoczenie. Te razem umożliwiają nam prowadzenie pojazdu we wszystkich scenariuszach, nawet tych nowych, ponieważ nasze mózgi mogą uogólniać nowe doświadczenia.

Pojazdy autonomiczne zwykle mają dwie kamery zamontowane na gimbalach, a one skanują i postrzegają głębię za pomocą widzenia stereoskopowego, naśladując ludzkie widzenie. Równocześnie równowagę i ruch można mierzyć za pomocą jednostki pomiaru inertialnego. Komputery z drugiej strony mogą tylko reagować na wcześniej spotkane scenariusze lub te, które zostały już zaprogramowane do rozpoznania.

Fuzja Czujników

Pojazdy autonomiczne polegają na algorytmach sztucznej inteligencji przeznaczonych do określonych zadań, które wymagają wielu czujników, takich jak kamery o szerokim kącie, czujniki podczerwieni, radar, wykrywanie światła i lidar.

Nathir Rawashdeh jest asystentem profesora w College of Computing na Michigan Tech i jednym z głównych autorów badania.

“Każdy czujnik ma ograniczenia, a każdy czujnik pokrywa ograniczenia innego”, powiedział Rawashdeh. “Fuzja czujników wykorzystuje wiele czujników różnych modalności, aby zrozumieć scenariusz. Nie można wyczerpująco zaprogramować każdego szczegółu, gdy dane wejściowe mają trudne wzory. Dlatego potrzebujemy sztucznej inteligencji”.

Współpracownicy badania obejmowali Nader Abu-Alrub, doktoranta na wydziale inżynierii elektrycznej i komputerowej, oraz Jeremy’ego Bos, asystenta profesora na wydziale inżynierii elektrycznej i komputerowej. Pozostali współpracownicy obejmowali studentów studiów magisterskich i absolwentów z laboratorium Bos: Akhil Kurup, Derek Chopp i Zach Jeffreies.

Czujniki autonomiczne i algorytmy samodzielnego prowadzenia są prawie wyłącznie rozwijane w słonecznych i czystych krajobrazach. Laboratorium Bos rozpoczęło najpierw zbieranie danych w pojeździe autonomicznym Michigan Tech w ciężkim śniegu, a ponad 1000 ramek danych lidar, radar i obrazu zostało zebranych z śnieżnych dróg w Niemczech i Norwegii.

Według Bos, wykrywanie czujników jest trudne ze względu na różnorodność śniegu. Ważne jest przetworzenie danych i zapewnienie dokładnego oznaczania.

“Wszystkie śniegi nie są równie stworzone”, powiedział Bos. “Sztuczna inteligencja jest jak kucharz – jeśli masz dobre składniki, będzie doskonały posiłek”, powiedział. “Podaj sieci uczącej sztucznej inteligencji brudne dane sensoryczne, a otrzymasz zły wynik”.

Innymi znaczącymi wyzwaniami są niska jakość danych i brud, a nagromadzenie śniegu na czujnikach powoduje własne problemy. Nawet po oczyszczeniu czujników nie zawsze jest zgoda w wykrywaniu przeszkód. Często jest bardzo trudno uzyskać komunikację i naukę czujników oraz ich ocen ryzyka, ponieważ każdy z nich może dojść do własnych wniosków. Jednak zespół chce, aby czujniki autonomiczne zbiorowo doszły do wniosku za pomocą fuzji czujników.

“Zamiast głosowania, używając fuzji czujników, będziemy mieć nową ocenę”, mówi Bos.

Czujniki pojazdów autonomicznych będą nadal uczyć się i poprawiać w złych warunkach pogodowych, a nowe podejścia, takie jak fuzja czujników, mogą prowadzić drogę dla pojazdów autonomicznych na śnieżnych drogach.