Чутливі датчики ІІ можуть допомогти автономним транспортним засобам у снігових містах

Однією з найбільших проблем, з якими стикаються автономні транспортні засоби, є те, що вони погано орієнтуються в поганих погодних умовах, що суттєво обмежує їхнє впровадження у снігових містах, таких як Детройт і Чикаго. Транспортні засоби залежать від важливої інформації з датчиків для виявлення перешкод і руху по правильній стороні дороги, але ця інформація погано працює у снігу.

У двох нових статтях, представлених на SPIE Defense + Commercial Sensing 2021, дослідники з Університету технологій Мічигану обговорили нові рішення для сценаріїв руху автономних транспортних засобів у снігових умовах.

Існує широкий діапазон автономних транспортних засобів, включаючи деякі з сліпими плямами або системами допомоги при гальмуванні, а також інші з режимами самохідного руху ввімкнено та вимкнено. Деякі з кращих транспортних засобів можуть рухатися цілком самостійно.

Оскільки технологія ще у багатьох аспектах знаходиться на стадії розвитку, виробники автомобілів та дослідницькі університети безперервно працюють над покращенням технологій та алгоритмів. Коли відбуваються аварії, вони часто є результатом неправильної оцінки штучного інтелекту автомобіля або помилки людини.

Чутливі датчики людини

Очі людини також є певним видом датчиків, оскільки вони сприймають баланс і рух. Наш мозок діє як процесор, допомагаючи нам зрозуміти нашу довкілля. Ці фактори разом дозволяють нам рухатися у всіх сценаріях, навіть тих, які є новими, оскільки наш мозок може узагальнювати новий досвід.

Автономні транспортні засоби зазвичай мають дві камери, встановлені на гімбалах, і вони сканують та сприймають глибину за допомогою стереозору, щоб імітувати людське зір. Водночас баланс і рух можна виміряти за допомогою інерційного вимірювального блоку. Комп’ютери, з іншого боку, можуть реагувати лише на раніше зустрічені сценарії або ті, для яких вони вже були запрограмовані.

Об’єднання датчиків

Автономні транспортні засоби залежать від спеціальних алгоритмів штучного інтелекту, які вимагають декількох датчиків, таких як камери з риб’ячим оком, інфрачервоні датчики, радар, виявлення світла та лідар.

Натір Равашде є помічником професора обчислювальної техніки в Коледжі обчислювальної техніки Мічиганського технологічного університету та одним із головних авторів дослідження.

“Кожен датчик має обмеження, і кожен датчик покриває обмеження іншого”, – сказав Равашде. “Об’єднання датчиків використовує декілька датчиків різного типу для розуміння сцени. Ви не можете вичерпно запрограмувати кожну деталь, коли входи мають складні закономірності. Саме тому нам потрібен штучний інтелект.”

Серед співавторів дослідження були Надер Абу-Арруб, аспірант кафедри електротехніки та комп’ютерних наук, і Джеремі Бос, помічник професора кафедри електротехніки та комп’ютерних наук.

Автономні датчики та алгоритми самохідного руху майже виключно розробляються у сонячних і чистих ландшафтах. Лабораторія Боса почала збирати дані у автономному транспортному засобі Мічиганського технологічного університету під час сильного снігопаду, і було зібрано понад 1000 кадрів даних лідара, радара та зображень зі снігових доріг Німеччини та Норвегії.

За словами Боса, виявлення датчиків є складним через різноманітність снігу. Важливо попередньо обробляти дані та забезпечувати точне маркування.

“Не весь сніг створений рівним”, – сказав Бос. “Штучний інтелект схожий на шеф-кухаря – якщо у вас є хороші інгредієнти, буде відмінна страва”, – сказав він. “Дайте штучній мережі навчання брудні дані з датчиків, і ви отримаєте поганий результат.”

Іншими великими проблемами є низькоякісні дані та бруд, а також сніг, який накопичується на датчиках, що створює свої власні проблеми. Навіть після того, як датчики очищені, не завжди існує згода щодо виявлення перешкод. Часто дуже складно змусити датчики та їх оцінки ризику спілкуватися та вчиться один в одного, оскільки кожен з них може прийти до свого власного висновку. Однак команда хоче, щоб автономні датчики спільно прийшли до висновку, використовуючи об’єднання датчиків.

“Натомість ніж просто голосувати, використовуючи об’єднання датчиків, ми прийдемо до нового оцінювання”, – сказав Бос.

Автономні датчики транспортних засобів продовжуватимуть навчатися та покращуватися у поганих погодних умовах, а нові підходи, такі як об’єднання датчиків, можуть привести шлях для автономних транспортних засобів на снігових дорогах.