Продвинутый алгоритм автопилота обеспечивает безопасные, агрессивные смены полосы

• Новый алгоритм смены полосы опирается на реальные данные, собранные камерами и сенсорами автомобиля.
• Он создает и вычисляет новые буферные зоны на лету.
• Он позволяет широкий спектр стилей вождения от агрессивного до консервативного, обеспечивая безопасность.

Знаете ли вы, что первый шаг к беспилотным автомобилям пришелся на 1980-е годы, и он все еще там — антиблокировочная тормозная система. Идея была в использовании сенсоров для предотвращения блокировки колес и отправки машины в неконтролируемый занос. Десятилетие позже производители использовали сенсоры для тракции и контроля стабильности.

С тех пор мы прошли долгий путь; теперь автономные автомобили используют комбинацию сенсоров, радара, камеры и искусственного интеллекта для перемещения между пунктами назначения. Технологические компании постоянно вносят улучшения в свои алгоритмы автопилота, делая их безопаснее и надежнее.

Одной из критически важных частей систем автопилота является алгоритм смены полосы, горячая тема среди разработчиков. Большинство существующих алгоритмов смены полосы имеют 1 из 2 ограничений —

1. Они основаны на сложной статистической модели, которую нельзя проанализировать в реальном времени, или
2. Они настолько просты, что всегда приводят к одному общему решению: не менять полосу.

Теперь исследователи MIT разработали новый алгоритм, который опирается на информацию в реальном времени и позволяет более агрессивные [человекоподобные] смены полосы, чем предыдущие системы автопилота. Под информацией в реальном времени мы подразумеваем данные других транспортных средств [как их скорость и направление], собранные камерами и сенсорами автомобиля.

Конвенциональный алгоритм смены полосы

Первичная цель — заставить машины водить сами себя как люди с как можно меньшим количеством данных. Новый алгоритм может адаптировать широкий спектр стилей вождения, от агрессивного до консервативного, обеспечивая безопасность.

Как работает алгоритм?

Самое важное для автономных транспортных средств — безопасность. Алгоритмы вычисляют буферные зоны вокруг других транспортных средств для избежания столкновений. Эти буферные зоны содержат текущие, а также будущие позиции всех близлежащих транспортных средств.

Алгоритм вычисляет будущую позицию других транспортных средств на коротком временном интервале, анализируя их скорость и направление. Решение о том, когда менять полосу, полностью зависит от этих буферных зон.

Эффективность и производительность системы основана на методе, используемом для вычисления буферных зон в контексте модели трафика. Обычно оптимальные буферные зоны предварительно вычисляются, и они становятся слишком ограничительными, когда трафик быстрый и плотный, предотвращая смену полосы транспортным средством.

Однако предложенный алгоритм вычисляет новые буферные зоны на лету. Чтобы сделать эти буферные зоны надежными или безстолкновительными, алгоритм использует эффективный математический метод под названием Гауссово распределение — непрерывная функция, приближающая точное биномиальное распределение событий.

Источник: MIT

Распределение показывает текущую позицию транспортного средства. Размеры транспортного средства, а также неопределенность оценки его позиции учитываются. Используя эти оценки [скорость и направление транспортного средства], алгоритм генерирует логистическую функцию, которая дополнительно умножается на Гауссово распределение.

Предложенный алгоритм

Это смещает распределение (при более высоких скоростях) в направлении движения транспортного средства. Распределение и есть новая буферная зона транспортного средства. Поскольку число переменных меньше, система может вычислить это в реальном времени.

Тестирование

Они использовали симуляцию для тестирования этого алгоритма. Симулированная среда имела шестнадцать автономных автомобилей и сотни других транспортных средств.

Читайте также: Новая технология автопилота может навигировать без 3D-карт

Автономные автомобили [работающие на новом алгоритме] не имели прямой коммуникации друг с другом, и все они работали параллельно без каких-либо столкновений или конфликтов. Каждый автомобиль ассоциирован с разными параметрами риска, позволяя разработчикам генерировать множественные стили вождения.