Naukowcy opracowują systemy autonomiczne 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 może określić, czy wokół rogu znajdują się jakieś poruszające się obiekty. 

Jednym z głównych celów każdej firmy, która stara się stworzyć autonomiczne pojazdy, jest zwiększenie bezpieczeństwa. Inżynierowie nieustannie 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 wykorzystywany w przyszłych robotach, które będą poruszać się po szpitalach. Te roboty mogą dostarczać leki lub zaopatrzenie w całym szpitalu, a system pomoże im uniknąć zderzeń z ludźmi. 

W przyszłym tygodniu na Międzynarodowej Konferencji o Inteligentnych Robotach i Systemach (IROS) zostanie przedstawiony artykuł. Zawiera on 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 to często LIDAR, który jest w stanie wykryć widoczne obiekty o ponad pół sekundy. 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 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 zapewnienie ‘promieniowania rentgenowskiego’ pojazdom poruszającym się szybko po ulicach”.

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

Artykuł został skompilowany przez Daniela Rusa; 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 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 Antonio Torralbę. Dwaj profesorowie nie byli współautorami artykułu IROS, a ich praca została przedstawiona w 2017 i 2018 roku. 

ShadowCam wykorzystuje klatki wideo z kamery o określonym celu i jest w stanie wykryć jakiekolwiek 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. 

ShadowCam został zmodyfikowany i zmieniony, aby można go było wykorzystywać w autonomicznych pojazdach. Początkowo wykorzystywał on etykiety rzeczywistości rozszerzonej o nazwie „AprilTags”, które były jak kod QR. ShadowCam wykorzystywał je do skupienia się na pewnych klastrach pikseli w celu określenia, czy są jakieś cienie. Jednak ten system okazał się niemożliwy do wykorzystania w rzeczywistych sytuacjach. 

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

Technika wizualnej odometrii, którą naukowcy wykorzystują, nazywa się „Direct Sparse Odometry” (DSO) i działa podobnie do AprilTags. DSO wykorzystuje 3D-print chmurę i nanosi różne cechy środowiska na nią. Potem potok komputerowego widzenia lokalizuje obszar zainteresowania, taki jak podłoga. 

ShadowCam wykorzystuje DSO-rejestrację obrazu i nakłada wszystkie obrazy z tego samego punktu widzenia robota. Następnie robot, poruszający się lub stojący, może skupić się na tym samym fragmencie pikseli, gdzie jest cień. 

Co dalej

Naukowcy będą nadal pracować nad tym systemem i będą się koncentrować na różnicach między warunkami oświetleniowymi w pomieszczeniach i na zewnątrz. Ostatecznie zespół chce zwiększyć prędkość systemu, a także zautomatyzować proces.