Naukowcy opracowali autonomiczne systemy zdolne do wykrywania zmian w cieniach

Inżynierowie z MIT opracowali nowy system, który jest niezwykle ważny dla autonomicznych pojazdów i ich bezpieczeństwa. System jest w stanie wykryć niewielkie zmiany w cieniach na ziemi i określić, czy w pobliżu znajdują się poruszające się obiekty.

Jednym z głównych celów każdej firmy, która próbuje stworzyć autonomiczne pojazdy, jest zwiększenie bezpieczeństwa. Inżynierowie stale pracują nad tym, aby pojazdy były lepsze w unikaniu kolizji z innymi samochodami lub pieszymi, zwłaszcza tymi, które nadjeżdżają z za rogu budynku.

Nowy system ma również potencjał być wykorzystany w przyszłych robotach, które poruszają się po szpitalach. Te roboty mogą dostarczać leki lub zaopatrzenie w różne części szpitala, a system pomoże im uniknąć zderzeń z ludźmi.

W nadchodzącym tygodniu na Międzynarodowej Konferencji o Inteligentnych Robotach i Systemach (IROS) zostanie przedstawiony artykuł, który zawiera opisy udanych eksperymentów przeprowadzonych przez naukowców, w tym autonomiczny samochód manewrujący wokół garażu parkingowego i zatrzymujący się, gdy zbliża się do innego pojazdu.

Obecny system jest często LIDAR, który jest w stanie wykryć widoczne obiekty o ponad pół sekundy wcześniej. Według naukowców, ułamki sekundy mogą mieć ogromne znaczenie w szybko poruszających się autonomicznych pojazdach.

“Dla aplikacji, w których roboty poruszają się po środowiskach z innymi poruszającymi się obiektami lub ludźmi, nasza metoda może dać robotowi wczesne ostrzeżenie, że ktoś nadjeżdża z za rogu, więc pojazd może zwolnić, dostosować swoją trasę i przygotować się z wyprzedzeniem, aby uniknąć kolizji”, dodaje współautor Daniela Rus, dyrektor Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) oraz profesor Andrew i Erna Viterbi na Wydziale Elektrotechniki i Informatyki. “Duży sen to dostarczenie ‘promieniowania rentgenowskiego’ pojazdom poruszającym się szybko po ulicach”.

Nowy autonomiczny system został przetestowany tylko w środowisku wewnętrznym. W tych warunkach warunki oświetlenia są niższe, a prędkość robota jest wolniejsza. Autonomiczny system może analizować i wykrywać cienie znacznie łatwiej w tym środowisku.

Artykuł został opracowany przez Danielę Rus; pierwszego autora Felixa Nasera, byłego badacza CSAIL; Alexandra Amini, studenta doktoranckiego CSAIL; Igora Gilitschenskiego, pracownika naukowego CSAIL; studentkę Christinę Liao; Guya Rosmana z Toyota Research Institute; oraz Sertaca Karamana, associate profesora aeronautyki i astronautyki na MIT.

System ShadowCam

Przed nowymi rozwojem naukowcy mieli już system o nazwie “ShadowCam”. System ten jest w stanie identyfikować i klasyfikować zmiany w cieniach na ziemi za pomocą technik komputerowego widzenia. Wcześniejsze wersje systemu zostały opracowane przez profesorów MIT, Williama Freemana i Antonia Torralbę. Dwaj profesorowie nie byli współautorami artykułu IROS, a ich praca została przedstawiona w 2017 i 2018 roku.

System ShadowCam wykorzystuje ramki wideo z kamery o określonym celu i jest w stanie wykryć zmiany w natężeniu światła w czasie. To mówi systemowi, czy coś porusza się dalej lub bliżej, a następnie analizuje informacje i klasyfikuje każde zdjęcie jako obiekt stacjonarny lub poruszający się. To pozwala systemowi postępować w najlepszy możliwy sposób.

System ShadowCam został zmodyfikowany, aby można było go wykorzystywać w autonomicznych pojazdach. Początkowo wykorzystywał on etykiety rzeczywistości wirtualnej o nazwie “AprilTags”, które były podobne do kodów QR. System ShadowCam wykorzystywał te etykiety, aby skupić się na określonych klastrach pikseli i określić, czy są tam cienie. Jednak ten system okazał się niemożliwy do wykorzystania w prawdziwych sytuacjach.

Z tego powodu naukowcy stworzyli nowy proces, który wykorzystuje rejestrację obrazu i technikę odometrii wizualnej. Rejestracja obrazu nakłada wiele obrazów, aby zidentyfikować jakiekolwiek różnice.

Technika odometrii wizualnej, którą naukowcy wykorzystują, nazywa się “Bezpośrednia Odometria Rzadka” (DSO) i działa podobnie do AprilTags. DSO wykorzystuje chmurę punktów 3D i wykreśla różne cechy środowiska na niej. Potem potok komputerowego widzenia lokalizuje obszar zainteresowania, taki jak podłoga.

System ShadowCam wykorzystuje DSO-rejestrację obrazu i nakłada wszystkie obrazy z tego samego punktu widzenia robota. Robot, poruszający się lub stojący w miejscu, jest w stanie skupić się na tym samym fragmencie pikseli, gdzie jest cień.

Co dalej

Naukowcy będą kontynuować pracę nad tym systemem i będą się skupiać na różnicach między warunkami oświetlenia wewnętrznego i zewnętrznego. Ostatecznie zespół chce zwiększyć prędkość systemu, a także zautomatyzować proces.