Czujniki AI mogą pomóc pojazdom autonomicznym w śnieżnych miastach

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

W dwóch nowych artykułach 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 hamowania, oraz inne z trybami samodzielnego prowadzenia włączanymi i wyłączanymi. Niektóre z najlepszych pojazdów mogą działać całkowicie samodzielnie. 

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

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 łączach, i skanują oraz postrzegają głębię za pomocą stereowizji, aby naśladować 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 komputingu w College of Computing 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 scenę. Nie można wyczerpująco zaprogramować każdego szczegółu, gdy dane wejściowe mają trudne wzorce. Dlatego potrzebujemy sztucznej inteligencji.”

Współpracownicy badania obejmowali Nadera Abu-Alruba, doktoranta na wydziale elektrotechniki i komputingu, oraz Jeremy’ego Bos, asystenta profesora elektrotechniki i komputingu. Innymi współpracownikami byli studenci i absolwenci studiów magisterskich 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 wspaniały posiłek,” powiedział. “Podaj sztucznej sieci uczącej brudne dane czujników i otrzymasz zły wynik.”

Innymi dużymi wyzwaniami są niskiej jakości dane i brud, a śnieg i zamarzanie na czujnikach powodują własne problemy. Nawet po oczyszczeniu czujników nie ma zawsze porozumienia w wykrywaniu przeszkód. Często jest bardzo trudno uzyskać, aby czujniki i ich oceny ryzyka komunikowały się i uczyły od siebie, ponieważ każdy może dojść do własnych wniosków. Jednak zespół chce, aby czujniki autonomiczne zbiorowo doszły do wniosku, używając fuzji czujników. 

“Zamiast głosowania, używając fuzji czujników, będziemy mieli 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.