AI szenzorok segíthetik az autonóm járműveket a havas utakon

Az autonóm autók egyik legnagyobb kihívása a rossz időjárási körülmények közötti észlelés. Az olyan városokban, ahol gyakran esik a hó, mint például Detroitban és Chicagoban ez jelentős nehézséget okozhat. A járművek az alapvető szenzoros adatokra támaszkodnak az akadályok elkerülésében és a jármű úton tartásában, ezt veszélyezteti a havazás.

A SPIE Defense + Commercial Sensing 2021- ben bemutatott két új cikkben a Michigani Műszaki Egyetem kutatói új megoldásokat vitattak meg az autonóm járművek havas időben való vezetési forgatókönyvei esetére. Számos autó közlekedik már vakfolt vagy fékezés segítő rendszerrel, vagy akár önvezető mód lehetőséggel. Bár a technológia még sok szempontból gyerekcipőben jár, az autógyártók és a kutatóegyetemek folyamatosan dolgoznak a technológia és az algoritmusok fejlesztésén. A balesetek bekövetkezése gyakran az autó intelligenciájának téves megítélése vagy emberi hiba következménye.

Az emberi szem is egyfajta érzékelő, mivel érzékeli az egyensúlyt és a mozgást. Az agyunk processzorként működik, segít megérteni környezetünket. Ezek együttesen lehetővé teszik, hogy minden helyzetben közlekedni tudjunk, még azokban is, amelyek újak számunkra, mivel agyunk általánosítja az újszerű tapasztalatokat.

Az autonóm járműveknél általában két kamera van felszerelve, és sztereó látás segítségével szkennelik és érzékelik a mélységet, utánozva az emberi látást. Ugyanakkor az egyensúlyt és a mozgást egy inerciális mérési egységgel mérik. A számítógépek viszont csak a korábban felmerült vagy azok felismerésére már beprogramozott forgatókönyvekre képesek reagálni.

Az autonóm járművek feladatspecifikus mesterséges intelligencia algoritmusokra támaszkodnak, amelyekhez több érzékelőre van szükség, például kamerákra, infravörös érzékelőkre, radarra, fényérzékelőkre és lidarra.

Nathir Rawashdeh a számítástechnika adjunktusa a Michigan Tech Számítástechnikai Főiskoláján és a tanulmány egyik vezető szerzője.

„Minden érzékelőnek vannak korlátai, és minden érzékelő kiegészíti a másik hiányosságait” – mondta Rawashdeh. „A szenzorfúzió több különböző modalitású érzékelőt használ a helyzetek megértéséhez. Nem lehet minden programot minden részletre kiterjedően programozni, ha az ingerek bonyolult mintázattal rendelkeznek. Ezért van szükségünk mesterséges intelligenciára.”

A tanulmány munkatársai között volt Nader Abu-Alrub, az elektrotechnika és a számítástechnika doktorandusz hallgatója, valamint Jeremy Bos, villamos- és számítástechnikai adjunktus.

Az autonóm szenzorokat és az önvezető algoritmusokat szinte kizárólag napos és tiszta időjárási körülmények között fejlesztik ki. Bos laboratóriuma először egy Michigan Tech autonóm járművel kezdte az adatok gyűjtését nagy havazásban, és több mint 1000 képkocka lidar, radar és képadatot gyűjtöttek a havas utakról Németországban és Norvégiában.

Bos szerint az érzékelőkkel való észlelés nehéz a sokféle hó miatt. Fontos az adatok előzetes feldolgozása és a pontos címkézés biztosítása.

További nagy kihívás az adatok rossz minősége és szennyeződése, és a hó felhalmozódása az érzékelőkön is problémákat okoz. Az érzékelők letörlése után sem mindig van egyetértés az akadályok észlelésében. Gyakran nagyon nehéz elérni, hogy az érzékelők és azok kockázatértékelései kommunikáljanak és tanuljanak egymástól, mivel mindegyik saját következtetésre juthat. A csapat azonban azt szeretné, ha az autonóm szenzorok együttesen jutnának eredményre az érzékelők fúziójának használatával.

„A szigorú szavazás helyett a szenzorfúzió használatával új becslést fogunk előállítani” – mondja Bos.

Az autonóm jármű-érzékelők rossz időjárás esetén tovább tanulnak és javulnak, és az olyan új megközelítések, mint az érzékelők fúziója, utat mutathatnak az autonóm járművek számára a havas utakon.

Forrás: Unite.ai

https://www.unite.ai/ai-sensors-could-help-autonomous-vehicles-in-snowy-cities/