Как работает автономный автомобиль и как он может двигаться самостоятельно? Обеспечивает ли это безопасность дорожного движения? В статье мы постараемся ответить на эти вопросы.
Содержание
Автономные машины. Чувства автономной машины . Автономные машины. Как машина видит дорогу Автономные машины. Что делать с данными автономных авто. Искусственный интеллект
Автономные автомобили, также называемые самоуправляемыми автомобилями, в настоящее время работают не только с такими технологическими гигантами, как Google, Apple, Tesla и Uber, но также с рядом автомобильных компаний, включая Mercedes, Volkswagen / Audi, BMW, General Motors, Volvo, Форд, консорциум Renault-Nissan-Mitsubishi и Toyota. Nvidia и Intel, хорошо известные в мире ПК, также внесли свой вклад в создание автономных систем управления транспортными средствами, подготовив ряд решений, используемых во многих тестовых решениях и транспортных средствах без водителя. Кроме того, большая группа моделей роскошных автомобилей, доступных в автосалонах, характеризуется определенной степенью автономности, примером которой является Mercedes E-класса, справляющийся даже в городских условиях, или Audi A8, способный самостоятельно ездить по шоссе. Более того, такие системы, как парковочные ассистенты, стали обычным явлением, и это также механизм, необходимый в автономном автомобиле.
Чтобы систематизировать и отсортировать автономные возможности автомобилей с автономным управлением, организация по стандартизации SAE International (Общества инженеров автомобильной промышленности) ввела пятиуровневую классификацию автономных транспортных средств в соответствии со стандартом SAE J3016. Самый низкий уровень, 0, это отсутствие автономии. В таком автомобиле водитель несет ответственность за все аспекты вождения. Уровень 1 едет с поддержкой. Автомобили этого типа имеют некоторые элементы, которые автоматически поддерживают вождение. Это может быть система поддержания расстояния до впереди идущего транспортного средства, система экстренного торможения в ситуации, угрожающей безопасности, или механизм остановки транспортного средства, когда водитель падает.
Мы можем начать говорить о самоуправляемых автомобилях с уровня 2. Эти автомобили имеют полуавтоматическую опцию вождения. Обычно это такие системы, как: помощник по пробкам, где машина автоматически оптимизирует скорость движения и отвечает за ускорение до определенной скорости, торможение, остановку и запуск автомобиля. Однако эта система должна постоянно контролироваться водителем.
Да, на практике алгоритм обнаружения объектов работает для автономного транспортного средства Google Waymo. Он ограничивает пространственное расположение всех распознанных объектов с помощью специальной рамки (источник: Google).
Уровень 3 — высокоавтоматизированное вождение. Эта группа транспортных средств включает в себя вышеупомянутые Mercedes E-Class и Audi A8, которые способны самостоятельно передвигаться в стандартных дорожных условиях на шоссе, ускоряться, тормозить для сохранения расстояния или смены полосы движения. Конечно, в системе уровня 3 водитель не должен постоянно контролировать вождение. Важно, чтобы система самостоятельно распознала свои пределы, то есть момент, когда окружающие условия больше не находятся в пределах ее рабочего диапазона, например, внезапное движение по шоссе или нестандартное поведение других водителей на дороге. Затем водитель должен немедленно взять на себя управление транспортным средством, иначе он остановит транспортное средство.
Уровень 4 полностью автоматизированный вождения. В настоящее время нет серийного автомобиля, который можно было бы отнести к категории 4, но транспортным средством на этом уровне является автономный Volvo XC90, используемый в тестах Uber, которые смертельно поражают пешеходов (см. Кадр «Смерть под колесами автономного транспортного средства»).
Последняя категория — уровень 5. Это полностью автономное вождение. Водитель дает системе полное вождение, но при определенных условиях может потребоваться полный контроль над автомобилем. В автомобиле 5 уровня рулевого колеса нет, и пользователь входит только в пункт назначения, куда он хочет попасть. Примером этого типа транспортного средства является прототип, разработанный Google, Waymo Firefly, небольшой городской автомобиль без системы ручного управления, включая руль, рычаг переключения передач или педали.
Автономные машины. Чувства автономного автомобиля
Автомобили с самоуправлением используют несколько датчиков для ориентации. Вначале стоит упомянуть спутниковую навигационную систему, которая позволяет с очень высокой точностью, до 20 см, определять положение автомобиля в поле, что уже является достаточной точностью для дорожных применений. Такая высокая точность позиционирования была достигнута благодаря тому, что в навигации автономного автомобиля используются не только система GPS, но и спутники систем ГЛОНАСС, Galileo и BeiDou. Кроме того, используется механизм повышения точности геолокации, основанный на исправлениях, полученных от эталонной сети станций NTRIP (Сетевой транспорт RTCM через Интернет-протокол).
Система искусственного интеллекта обеспечивает все возможные пути видимых объектов, которые были ранее идентифицированы и найдены. На фото кадры, на которых расположены объекты, отмечены координатами предсказанного движения (источник: Google).
Проще говоря, он работает таким образом, что после подключения через модем LTE через Интернет к серверу NTRIP автономный автомобиль отправляет ему приблизительное положение. На этом основании сервер NTRIP определяет ближайшую опорную станцию сети и затем генерирует соответствующие данные коррекции, которые отправляются обратно в навигационную систему автомобиля. Конечно, сеть NTRIP используется не только автономными автомобилями, но и, например, аварийными службами. В Польше сеть NTRIP в настоящее время состоит из 139 опорных станций.
Вторая важная сенсорная система, используемая в автономных автомобилях, представляет собой набор из нескольких лазерных сканирующих устройств, называемых LiDAR (Light Detection and Ranging). LiDAR работают аналогично радарам, но вместо использования микроволн они используют лазерное излучение с длиной волны, невидимой для человеческого глаза. LiDAR непрерывно сканируют окружение автономного транспортного средства и, основываясь на отраженном излучении, создают в режиме реального времени трехмерное изображение с высоким разрешением пространства вокруг автомобиля и объектов, людей, транспортных средств, животных и т. Д., Движущихся в пределах их диапазона. Их диапазон составляет около 200 метров, а работа не зависит от погоды и время дня и ночи. В автономных автомобилях установлено от нескольких до дюжины LiDAR.
Результатом расчетов является определение оптимального и безопасного маршрута, по которому должен следовать автономный автомобиль (зеленая линия). Чтобы преодолеть этот маршрут, компьютер управления автомобилем выдает ряд компонентов автомобиля для поворота, ускорения, торможения, включения указателей поворота и т. Д. (Источник: Google).
Другая система датчиков — это радиолокационная система, дополняющая работу LiDAR и позволяющая определять местоположение и скорость близлежащих транспортных средств. Преимущество радара — большая дальность действия, достигающая 250-300 метров, и нечувствительность к погодным условиям, таким как дождь, туман или снегопад. Обычно от четырех до шести радаров используются в автономном автомобиле.
Автономная машина не может обойтись без датчиков изображения. Это просто система камер высокого разрешения, работающих как в видимом, так и в инфракрасном излучении, которые постоянно наблюдают за окружающей обстановкой, как глаза водителя. Эта система дополняет системы радаров и LiDAR и дополнительно отвечает за интерпретацию дорожных знаков, дорожных линий, светофоров и т. Д. Инфракрасные камеры способны обнаруживать, например, появляющихся людей или животных, что невозможно сделать с помощью камеры, работающей на свету. видимый. В автономных автомобилях обычно устанавливается от шести до 12 камер, некоторые из которых являются инфракрасными камерами, способными распознавать объекты на расстоянии до 120-150 метров.
Последней сенсорной системой, найденной в автономных автомобилях, являются ультразвуковые датчики. Они используются для распознавания ближайшего окружения автомобиля на максимальном расстоянии 5 метров. Они работают как система эхолокации летучих мышей и отвечают за обнаружение препятствий, таких как бордюры, столбики, цепи, близлежащие животные и люди. Ультразвуковая система датчиков позволяет, среди прочего припарковать машину без ошибок. даже на очень узкой парковке.
Автономные машины. Как машина видит дорогу
Датчики, описанные ранее, позволяют программному обеспечению, управляющему автономным автомобилем, создавать карту окружающей среды и проводить текущий анализ меняющейся дорожной ситуации. Виртуальный эквивалент окружающего мира автомобиля встроен в память компьютера. Все объекты, замеченные и отсканированные датчиками, затем распознаются и классифицируются. Только на этой основе алгоритмы искусственного интеллекта принимают решения о маршруте и маршруте движения автомобиля.
Маршрут автономного транспортного средства отмечен на автомагистрали (источник: Google).
Mobileye приобрела одну из самых передовых технологий распознавания изображений, полученную с помощью радарных систем LiDAR и традиционных камер, в настоящее время приобретенную Intel в начале 2017 года за 15 миллиардов долларов! Израильская компания с 1999 года занимается разработкой систем автоматического распознавания объектов, таких как другие транспортные средства, препятствия и пешеходы, как стационарные, так и движущиеся. Здесь используются алгоритмы машинного обучения, в том числе с использованием облачных вычислений, то есть вне транспортного средства, что позволяет умножить вычислительную мощность, доступную для автономного автомобиля. По словам Intel, автономные машины должны будут иметь вычислительную мощность для обработки 1 ГБ видеоданных в секунду, чтобы поддерживать строгую обработку данных в режиме реального времени.
Стандартная процедура распознавания изображений для автономных транспортных средств состоит из двух дополнительных алгоритмов. Первый, более сложный, — это семантическая сегментация пикселей, которые составляют компьютерное изображение, полученное с камер. Он распознает, какие пиксели (или блоки пикселей) принадлежат объектам определенных классов, таким как транспортные средства, люди, велосипедисты, животные, здания, дорога, дорожные знаки и т. Д. Таким образом, бортовой компьютер автономного автомобиля способен точно определить траекторию движения, по которой он должен двигаться.
Алгоритм обнаружения объектов реализован на бортовом компьютере Nvidia Drive PX Pegasus (источник: Nvidia).
Вторым алгоритмом является алгоритм обнаружения объекта, который понимается как способность ограничивать местоположение объекта с помощью специального кадра — именно работа этого алгоритма чаще всего показывается на экранах компьютеров во время различных типов автономных автомобильных презентаций. Его действие является наиболее впечатляющим, потому что каждый автомобиль или человек окружен на экране своей собственной рамой, следующей за объектом.
Важно отметить, что благодаря обнаружению объектов очень легко прогнозировать и отслеживать траектории движения. В алгоритмах обнаружения объектов также важно иметь возможность обнаруживать множество классов объектов одновременно. Конечно, люди и другие транспортные средства должны быть определены как стандартные. Как вы можете догадаться, ограничивающие рамки представляют собой гораздо более простой способ идентификации объектов и их местоположения, который требует меньшей вычислительной мощности, чем семантическая сегментация, но использование только алгоритма обнаружения объектов может привести к столкновению с близлежащим транспортным средством с выступающими элементами, например, зеркала. Алгоритм обнаружения может, в соответствии с принципом его работы, не очень точно сопоставлять кадр с контуром обойденного транспортного средства, поэтому на практике оба метода используются одновременно, в зависимости от расстояния до объектов, чтобы минимизировать количество выполняемых вычислений.
Работа алгоритма сегментации семантического пикселя позволяет с гораздо большей точностью определять границы движущихся объектов (источник: Nvidia).
Автономные машины. Что делать с данными
В конце 2017 года Nvidia представила специальный одноплатный бортовой компьютер для автономных автомобилей Nvidia Drive PX Pegasus. Он способен выполнять около 320 триллионов операций в секунду, что в десять раз больше, чем у его предшественника Nvidia Drive PX 2. Pegasus — это специализированное устройство, использующее алгоритмы машинного обучения, предназначенное для распознавания изображений как посредством семантической сегментации, так и для обнаружения объектов, а также для прямое вождение с помощью алгоритмов искусственного интеллекта, о которых в данный момент.
Наиболее важным преимуществом этого одноплатного компьютера является его небольшой размер, аналогичный размеру номерного знака. До сих пор бортовые компьютеры, используемые автономными автомобилями, занимали практически весь багажник. Серверные наборы были просто размещены там вместе с генератором энергии, который отвечал за поставку этого оборудования. Миниатюризация и уменьшение количества потребляемой энергии приближает возможность запуска серийного производства автономных транспортных средств.
Бортовой компьютер Nvidia Drive PX Pegasus (источник: Nvidia).
Скорость обработки данных сама по себе не все. Важной проблемой является огромное количество данных, генерируемых в секунду сенсорными системами самоходного автомобиля — по данным Intel, оно может достигать 4000 ГБ в день. Более того, разнообразие используемых датчиков затрудняет интеграцию этих данных в одно связное изображение, которое может быть обработано бортовым компьютером. Интересно, что здесь помогают приложения, которые реально воспроизводят работу промышленных роботов. Это программное обеспечение, используемое в распределенных системах, которые предназначены для соединения сигналов от различных источников, а затем моделируют их распределение в пространстве.
Транспортное средство, способное принимать независимые решения во время дорожного движения, должно знать как можно больше об окружающей среде. Предполагается, что обработанные данные будут поступать не только от датчиков, но и от других транспортных средств и систем активной дорожной инфраструктуры, что означает, что в таком транспортном средстве должны использоваться современные системы связи и обмена данными.
Автономные машины. Искусственный интеллект
Обработка собранных данных сама по себе не будет означать, что автомобиль сможет ездить самостоятельно. Вам также нужна система принятия решений, которая заменит водителя. Отсутствующими элементами являются алгоритмы искусственного интеллекта и машинного обучения. Упомянутый Nvidia Drive PX Pegasus в дополнение к функции распознавания изображений обладает настолько большой вычислительной мощностью, что вы можете использовать его для управления автомобилем. Более того, сшитые аппаратные алгоритмы машинного обучения означают, что они могут учиться на ошибках. Toyota Motor Corporation и Nvidia установили партнерские отношения, в рамках которых этот японский автопроизводитель должен адаптировать платформу Drive PX Artificial Intelligence для работы на автомобилях с автономным управлением. Другие производители автомобилей также заинтересованы в этой платформе.
В свою очередь, Intel предлагает для автономных автомобилей платформу под названием Intel Go. По заявлению производителя, Intel Go в версии, основанной на энергосберегающей системе Intel Atom, должна обеспечивать достаточную мощность для автомобилей уровня 3, а автомобильный компьютер, построенный на базе наиболее эффективных в настоящее время процессоров Intel Xeon, обеспечивает достаточную вычислительную мощность для автомобилей уровней 4 и 5.
Intel Go — это платформа Intel, предназначенная для управления автономными автомобилями. Бортовой компьютер Intel Go Xeon позволяет автономно управлять автомобилями как уровня 4, так и уровня 5 (источник: Intel).
Автономные транспортные средства также будут испытаны в Польше в ближайшие годы. Выбор пал на Явожно, который в марте этого года. был специально отсканирован для подготовки карты для автономных автомобилей. Сначала были выбраны три места: подъездная дорога к автомагистрали А4, маршрут автобуса № 321 и вокруг рыночной площади.
Интересно, что сканирование LiDAR в районе, где будет двигаться автономное транспортное средство, и создание виртуальной карты для этих улиц связано с тем, что инженеры, работающие над разработкой автономных транспортных средств, недавно пришли к выводу, что гораздо лучшим решением является создание компьютера. автономное транспортное средство анализировало только переменные параметры, такие как другие транспортные средства и пешеходы, а оставшееся пространство было получено в виде подробной карты окружающей среды. Таким образом, сэкономленные вычислительные мощности могут быть направлены на анализ ситуации с трафиком, что позволит в большей степени избежать аварий.
Смерть под колесами автономного транспортного средства
В конце марта 2018 года общественное мнение было потрясено первым в мире несчастным случаем с участием автономного автомобиля (ранее были только безобидные удары). Авария произошла в пригороде Феникса, штат Аризона. 49-летняя женщина, Элейн Херцберг, была сбита автономной машиной Uber и была госпитализирована, где она умерла от травм.
Случай сразу вызвал большое противоречие, особенно после того, как местная полиция опубликовала запись несчастного случая, зарегистрированную камерами злополучного автомобиля. В момент удара автомобиль Убер ехал со скоростью около 61 километра в час. По данным полиции, на месте происшествия не было признаков торможения. Тестовый автомобиль Volvo XC90 работал в полностью автономном режиме, хотя за его рулем в соответствии с необходимыми правилами находился водитель, контролирующий ход вождения. Сотрудник Uber, 44-летний Рафаэль Васкес, сказал, что не успел среагировать и предотвратить воздействие. Это также хорошо видно на записи.
Важно, однако, чтобы датчики в машине не реагировали, несмотря на то, что женщина, переходя дорогу, пересекла три полосы перед тем, как попасть под машину. Как уже говорилось, камеры, установленные в транспортном средстве, возможно, не видели пешехода, потому что он вышел из тени, но странный факт заключается в том, что он также не был распознан лазерным датчиком LiDAR, который использовался для сканирования пространства вокруг транспортного средства. Эта система, которая обнаруживает объекты на дороге, работает независимо от времени суток. Поскольку автономные транспортные средства принимают решения на основе того, что обнаруживают их датчики, отсутствие информации от датчиков приводило к тому, что транспортное средство не реагировало. Дело закончилось урегулированием между семьей женщины и Убер, так что не было никакого судебного разбирательства, но испытания автономных автомобилей на американских дорогах были на некоторое время приостановлены.
