Датчики AI можуть допомогти автономним транспортним засобам у засніжених містах

Одна з найбільших проблем, з якою стикаються автономні транспортні засоби, полягає в тому, що їм важко орієнтуватися в поганих погодних умовах, що дійсно обмежує їх використання в засніжених містах, таких як Детройт і Чикаго. Транспортні засоби покладаються на ключові дані датчиків, щоб виявляти перешкоди та триматися правильної сторони дороги, але ці дані погано підходять під час снігу. 

У двох нових статтях, представлених в SPIE Defense + Commercial Sensing 2021Дослідники з Мічиганського технологічного університету обговорили нові рішення для сценаріїв водіння по снігу з автономними транспортними засобами.

Існує широкий вибір автономних транспортних засобів, у тому числі деякі з «сліпими» зонами або допоміжним гальмуванням, а інші з увімкненням і вимкненням режимів самостійного керування. Деякі з найкращих транспортних засобів можуть працювати повністю самостійно. 

Оскільки багато в чому ця технологія все ще знаходиться в зародковому стані, автовиробники та дослідницькі університети постійно працюють над удосконаленням технології та алгоритмів. Коли аварії трапляються, вони часто стаються результатом неправильної оцінки ШІ автомобіля або людської помилки. 

Людські сенсори

Людські очі також є формою датчиків, оскільки вони відчувають рівновагу та рух. Наш мозок діє як процесор, допомагаючи нам зрозуміти навколишнє середовище. Разом вони дозволяють нам керувати автомобілем у будь-яких сценаріях, навіть у тих, які є новими, оскільки наш мозок може узагальнювати новий досвід. 

Автономні транспортні засоби зазвичай мають дві камери, встановлені на підвісах, і вони сканують і сприймають глибину за допомогою стереозображення, щоб імітувати людський зір. У той же час рівновагу і рух можна виміряти за допомогою інерціального вимірювального приладу. З іншого боку, комп’ютери можуть реагувати лише на випадки, які вже зустрічалися раніше, або на ті, на які вони вже були запрограмовані. 

Датчик злиття

Автономні транспортні засоби покладаються на спеціальні алгоритми штучного інтелекту, які потребують кількох датчиків, таких як камери «риб’яче око», інфрачервоні датчики, радар, система виявлення світла та лідар.

Натхір Равашде — доцент кафедри обчислювальної техніки Мічіганського технічного коледжу комп’ютерної техніки та один із провідних авторів дослідження. 

«Кожен датчик має обмеження, і кожен датчик закриває спину іншого», — сказав Равашде. «Злиття датчиків використовує кілька датчиків різних модальностей для розуміння сцени. Ви не можете повністю запрограмувати кожну деталь, якщо вхідні дані мають складні шаблони. Ось чому нам потрібен ШІ».

Серед співавторів дослідження були Надер Абу-Алруб, докторант з електротехніки та комп’ютерної інженерії, і Джеремі Бос, доцент кафедри електротехніки та комп’ютерної інженерії. Серед інших співавторів були студенти магістратури та випускники лабораторії Боса: Ахіл Куруп, Дерек Чопп і Зак Джефріс. 

Автономні датчики та алгоритми автономного керування розробляються майже виключно на сонячних і чистих ландшафтах. Лабораторія Боса вперше почала збирати дані в автономному транспортному засобі Michigan Tech під час сильного снігу, і було зібрано понад 1,000 кадрів даних лідара, радара та зображень із засніжених доріг у Німеччині та Норвегії. 

За словами Боса, сенсорне виявлення важко через різноманітність снігу. Важливо попередньо обробити дані та забезпечити точне маркування. 

 «Не весь сніг створений однаковим», — сказав Бос. «ШІ схожий на шеф-кухаря — якщо у вас є хороші інгредієнти, ви отримаєте чудову їжу», — сказав він. «Надайте навчальній мережі ШІ брудні дані датчиків, і ви отримаєте поганий результат».

Деякі інші серйозні проблеми включають дані низької якості та бруд, а накопичення снігу на датчиках створює свої проблеми. Навіть після того, як датчики очищені, не завжди є узгодженість у виявленні перешкод. Часто дуже важко змусити датчики та їхні оцінки ризиків спілкуватися та навчатися один у одного, оскільки кожен може дійти власного висновку. Однак команда хоче, щоб автономні датчики колективно дійшли висновку за допомогою злиття датчиків. 

«Замість суворого голосування, використовуючи синтез датчиків, ми дамо нову оцінку», — каже Бос. 

Датчики автономних транспортних засобів продовжуватимуть навчатися та вдосконалюватись у погану погоду, а нові підходи, такі як злиття датчиків, можуть прокласти шлях для автономних транспортних засобів на засніжених дорогах.