A világ első valósághű szimulált vezetési környezete

Az első statisztikailag valósághű útpálya-szimulációt a Michigani Egyetem kutatói fejlesztették ki. Bár jelenleg egy különösen veszélyes körforgalmat modellez, a jövőben kibővítik más vezetési helyzetekkel is az autonóm járműszoftverek tesztelésére.

A szimuláció egy gépi tanulási modell, amelyet az Ann Arbor déli oldalán található körforgalomban gyűjtött adatokon tanítottak, amely az egyik leginkább ütközésveszélyes kereszteződés Michigan államban, és csak néhány mérföldre található a kutatócsoport irodáitól.

A Neural Naturalistic Driving Environment vagy a NeuralNDE rendszer az adatokból a járművezetők mindennapi tapasztalatait szimulálta. Az ehhez hasonló virtuális utakra azért van szükség, hogy biztosítsák az autonóm járműszoftverek biztonságát, mielőtt más autókkal, kerékpárosokkal és gyalogosokkal találkoznának az utakon.

„A NeuralNDE reprodukálja a vezetési környezetet, és ami még fontosabb, valósághűen szimulálja ezeket a biztonság szempontjából kritikus helyzeteket, így értékelni tudjuk az autonóm járművek biztonsági teljesítményét” – mondta Henry Liu, az UM építőmérnöki professzora és az Mcity igazgatója.

A valóságban ritkán fordulnak elő olyan biztonsági szempontból kritikus események, amelyek megkövetelik, hogy a vezető a másodperc töredéke alatt döntsön és tegyen lépéseket. A sofőrök több órát is eltölthetnek az események között, amelyek arra kényszerítik őket, hogy fékezzenek vagy kanyarodjanak az ütközés elkerülése érdekében, és minden eseménynek megvannak a saját egyedi körülményei.

Ezek a körülmények, amelyeket a „ritkaság átkaként”, illetve a „dimenzionalitás átkaként” ismerünk, szűk keresztmetszetet jelentenek az utak szimulálására tett erőfeszítésekben. A dimenzionalitás átkát a vezetési környezet összetettsége okozza, amely olyan tényezőket foglal magában, mint az útburkolat minősége, az aktuális időjárási viszonyok és a közlekedők különböző típusai, beleértve a gyalogosokat és a kerékpárosokat.

A csapat megpróbálta mindezt figyelembe venni a helyzetek modellezéséhez. Érzékelő rendszereket szereltek fel villanyoszlopokra, amelyek folyamatosan adatokat gyűjtenek a State Street/Ellsworth Road körforgalomban.

„Az ok, amiért ezt a helyet választottuk, az az, hogy a körforgalmak nagy kihívást jelentenek a városokban az autonóm járművek számára. A körforgalomban a járművezetőknek az adott pillanatban kell egyeztetniük és együttműködniük a kereszteződésen áthaladó többi járművezetővel. Ezen túlmenően ez a bizonyos körforgalom nagy forgalmú, és két sávos, ami tovább bonyolítja a vezetési helyzetet” – mondta Xintao Yan, építő- és környezetmérnök hallgató és a tanulmány egyik szerzője.

A NeuralNDE kulcsfontosságú eleme a CCAT Safe AI Framework for Trustworthy Edge Scenario Tests vagy SAFE TEST rendszernek, amelyet Liu csapata fejlesztett ki, és amely mesterséges intelligencia segítségével 99,99%-kal csökkenti az autonóm járművek biztonságának biztosításához szükséges tesztelési kilométereket.

Lényegében megtöri a „ritkaság átkát”, ezerszer gyakrabban vezet be biztonságkritikus incidenseket, mint ahogyan azok a valódi vezetés során előfordulnak. A NeuralNDE kritikus fontosságú egy olyan projektben is, amely lehetővé teszi az Mcity Test Facility használatát az AV-szoftverek távoli tesztelésére.

A teljesen virtuális környezettől eltérően azonban ezek a tesztek vegyes valóságban zajlanak olyan zárt tesztpályákon, mint a McCity Test Facility és az American Center for Mobility, Ypsilantiban, Michigan államban. Az autonóm járművek a pálya valós körülményei mellett megtapasztalják a virtuális vezetők, kerékpárosok és gyalogosok biztonságos és veszélyes viselkedését is. Ezen forgatókönyvek ellenőrzött környezetben történő tesztelésével az AV-fejlesztők finomhangolhatják rendszereiket, hogy jobban kezeljék az összes vezetési helyzetet.

A NeuralNDE nemcsak az AV-fejlesztők számára előnyös, hanem az emberi vezetői viselkedést tanulmányozó kutatók számára is. A szimuláció képes értelmezni az arra vonatkozó adatokat, hogy a járművezetők hogyan reagálnak a különböző forgatókönyvekre, ami elősegítheti a funkcionálisabb közúti infrastruktúra fejlesztését.

2021-ben az UM Közlekedési Kutatóintézet 9,95 millió dolláros támogatásban részesült az Egyesült Államok Közlekedési Minisztériumától, hogy 21-re bővítse az érzékelőkkel felszerelt kereszteződések számát. Ez kiterjeszti a NeuralNDE képességeit, és valós idejű figyelmeztetéseket biztosít az összekapcsolt járműveket vezetők számára.

A kutatást az McCity, a CCAT és az UM Transportation Research Institute finanszírozta. Az 1965-ben alapított UMTRI a multidiszciplináris kutatás globális vezető vállalata, valamint az iparági vezetők, alapítványok és kormányzati ügynökségek választott partnere a biztonságos, méltányos és hatékony közlekedés és mobilitás előmozdítása érdekében. A CCAT pedig egy regionális egyetemi közlekedési kutatóközpont.

Forrás: news.umich.edu

Lépjen kapcsolatba velünk

Budapest, Than Károly u. 3, 1119
(1) 371 5936