или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Команда KAIST рассказали о проблемах автономного вождения в непогоду на конкурсе Hyundai

schedule 24.11.2014 в 08:36 link KAIST Hyundai испытания беспилотники БПТС
​На прошлой неделе в Интернет попало видео с конкурса автомобильных технологий Hyundai в Южной Корее. Видео показало, как команда автономного автомобиля KAIST водить авто в хорошую погоду, а затем делает это снова на следующий день после сильного дождя. Это привело к размышлению о некоторых из проблем, которые может вызвать дождь для автомобиля и насколько сложно для автономных транспортных средств в целом бороться с изменяющимися погодными условиями – передает Robotics.ua.

David Hyunchul Shim, советник проекта для беспилотных исследований автомобильного автомобиля KAIST предоставил более подробную информацию о том, что происходит с их автомобилем в дождливый день, и о философии о того, как автономные автомобили должны работать в гораздо сложных условиях.



Схема конкурса включает такие задачи, как выявление пешеходов, мониторинг встречных автомобилей и соблюдение дорожных знаков. Транспортные средства, которые не смогли пройти эти миссии, были наказаны двумя минутами штрафа, а транспортные средства, которые требовали вмешательства человека, получали трех минутный штраф. Человек водитель смог закончить курс за чуть более четыре минуты, в то время как команда-победитель сделала это за пять минут и тридцать секунд. Безупречный пробег на автомобиле KAIST занял чуть более шести минут.

Фундаментальным различием между подходом KAIST и команды-победителя (университет Hanyang) является философский вопрос. Можно выполнить очень точную локализацию на дорогах, если у вас есть уже существующая карта этой дороги, которую ваша автономная машина может использовать для сравнения с тем, что видят её датчики. Это то, что Google делает с автономными автомобилями, и то, что победитель конкурса Hyundai сделал также.

Команда KAIST, однако, считает, что, опираться на готовые карты – не лучший путь для автономных автомобилей: «Мы считали, что это не правильный путь, если наша система работает в области, где карта не доступна», говорит Шим. Вместо этого они пытаются разработать автономный автомобиль, который может ездить сам, как это делают люди, опираясь на датчики и общие знания о среде, чтобы справиться с любой дорогой, в любое время, в любом месте.

Это различие в философии можно рассматривать также в конкурсе DARPA Grand Challenge, где команда-победитель (Stanford) выбрали, чтобы их робот Stanley определил автономно собственную скорость, в то время как ученым из университета Карнеги-Меллона пришлось отметить тысячи путевых точек GPS с ограничениями скорости для своих роботов (Highlander и Sandstorm).

Другой вопрос в том, что KAIST приходилось иметь дело с мокрой погодой, или, более конкретно, на мокрой дороге и, как датчики на машине справлялись. Шим объясняет это так:
«Реальная проблема на второй день была связана с внезапными осадками прямо перед гонкой. Мы использовали LIDAR и камеры для выявления полос, но это стало чрезвычайно сложно из-за временных показаний, вызванных отражением воды. За несколько дней до конкурса у нас была возможность найти параметры датчика для мокрых дорог, так что автомобиль был в состоянии работать на мокрой дороге гораздо лучше, чем мы думали. Однако, когда порог для обнаружения углов был установлен выше, чем в обычный день, показания датчика уменьшились вдвое. Это вызвало все наши проблемы с поворотами и обнаружением препятствий.

В принципе, то, что KAIST проигнорировали данные со своих оптических систем видения, было связано с тем, что большая их часть была, вероятно, вызвана множеством отражений на мокрой дороге. При снижении этого порога даже если совсем немного, это приводит к зрительной системе, а не игнорированию полос и препятствий, которые действительно есть, что и вызвало автомобиль KAIST столкнуться с многими неприятностями.

Кроме того, переменная облачность не была доброжелательной к камерам, которые использовались для обнаружения дорожных знаков и пешеходов. Шим описывает это так: «Обнаружение пешехода не удалось, потому что камера была установлена в облачный день. Но, когда небо частично прояснилось и камера стала смотреть прямо на солнце, мы проверили эти изображения и все они были абсолютно белыми. Это также вызвало проблемы с последним заданием, а именно парковкой».

Как Шим отмечает, что «это не так легко найти видео, показывающие автономное вождение в дождливый день», и он абсолютно прав, потому что автономные автомобили не очень хорошо справляются с этим. Камеры и LIDAR системы просто не имеют интеллекта и универсальности (пока), что доступно для человеческих глаз и мозгов. Google, Tesla, или другие компании, которые также создают роботы-автомобили для потребителей, они должны надежно решать эти вопросы.

Здорово, что такие команды как KAIST не скрывают своих проблем с автономными автомобилями, и хотелось бы, чтобы все компании робототехники рассказывали общественности об этапах своего развития, так как это помогает нам гораздо лучше понять, каковой реальность робототехники является сейчас.

Комментарии: