Их система, получившая название Augmented Autonomous Driving Simulation (AADS), может упростить оценку технологии автономного вождения в лаборатории, а также обеспечить более надежную безопасность до начала дорогостоящих дорожных испытаний.
Ученые описали свою методологию в исследовательской статье, опубликованной 27 марта 2019 года в журнале Science Robotics.
«Эта работа представляет собой новую парадигму моделирования, в которой мы можем проверить надежность и безопасность технологии автоматического вождения, прежде чем развернуть ее на реальных автомобилях и протестировать на автомагистралях или городских дорогах», – сказал Маноча, один из авторов-корреспондентов статьи, и профессор с совместными назначениями в области информатики, электротехники и вычислительной техники, а также Института перспективных компьютерных исследований Университета Мэриленда.
Одним из потенциальных преимуществ беспилотных автомобилей является то, что они могут быть безопаснее, чем водители-люди, склонные к отвлечению, усталости и эмоциональным решениям, ведущим к ошибкам. Но для обеспечения безопасности автономные транспортные средства должны безошибочно оценивать условия вождения и реагировать на них. Учитывая бесчисленное количество ситуаций, с которыми автомобиль может столкнуться на дороге, автономная система вождения требует сотни миллионов миль тестовых поездок в сложных условиях, чтобы продемонстрировать надежность.
Хотя на это могут уйти десятилетия в дороге, предварительные оценки могут быть проведены быстро, эффективно и более безопасно с помощью компьютерного моделирования, которое точно представляет реальный мир и моделирует поведение окружающих объектов. Современные современные системы моделирования, описанные в научной литературе, не способны отображать фотореалистичную среду и отображать реальные модели транспортных потоков или поведение водителей.
AADS – это система, управляемая данными, которая более точно представляет информацию, которую беспилотный автомобиль будет получать на дороге.
Беспилотные автомобили полагаются на модуль восприятия, который получает и интерпретирует информацию о реальном мире, и на навигационный модуль, который принимает решения, например, куда двигаться, тормозить или ускоряться, на основе модуля восприятия.
В реальном мире модуль восприятия беспилотного автомобиля обычно получает входные данные от камер и лидарных датчиков, которые используют световые импульсы для измерения расстояний до окружающей среды.
В современной технологии симуляторов модуль восприятия получает входные данные из компьютерных изображений и математически смоделированных схем движения пешеходов, велосипедов и других автомобилей. Это относительно грубое представление о реальном мире.
Это также требует больших затрат и времени на создание, поскольку компьютерные модели изображений должны создаваться вручную.
Система AADS объединяет фотографии, видео и облака точек на лидаре, похожие на визуализацию трехмерных фигур, с реальными данными траектории пешеходов, велосипедов и других автомобилей. Эти траектории можно использовать для прогнозирования поведения при вождении и будущего положения других транспортных средств или пешеходов на дороге для более безопасной навигации.
«Мы визуализируем и моделируем реальный мир визуально, используя видео и фотографии, – сказал Маноча, – но также мы фиксируем реальное поведение и модели движения. То, как водят люди, нелегко уловить математическими моделями и законами физики. Итак, мы извлекли данные о реальных траекториях из всего имеющегося у нас видео и смоделировали поведение водителя, используя методологии социальных наук. Такой подход, основанный на данных, дал нам гораздо более реалистичный и полезный симулятор трафика."
Перед учеными стояла давняя проблема, связанная с использованием реальных видеоизображений и лидарных данных для моделирования: каждая сцена должна реагировать на движения беспилотного автомобиля, даже если эти движения не были зафиксированы исходной камерой или лидарным датчиком. Любой ракурс или точка обзора, не зафиксированные на фото или видео, должны быть визуализированы или смоделированы с использованием методов прогнозирования.
Вот почему технология моделирования всегда так сильно полагалась на компьютерную графику и методы прогнозирования, основанные на физике.
Чтобы преодолеть эту проблему, исследователи разработали технологию, которая изолирует различные компоненты реальной уличной сцены и визуализирует их как отдельные элементы, которые можно повторно синтезировать для создания множества фотореалистичных сценариев вождения.
С помощью AADS транспортные средства и пешеходов могут быть перемещены из одной среды в другую с правильным освещением и схемами движения.
Дороги можно воссоздавать с разным уровнем трафика. Различные углы обзора каждой сцены обеспечивают более реалистичную перспективу при смене полосы движения и поворотах. Кроме того, передовая технология обработки изображений обеспечивает плавные переходы и снижает искажения по сравнению с другими методами моделирования видео. Методы обработки изображений также используются для извлечения траекторий и, таким образом, моделирования поведения водителей.
«Поскольку мы используем видео из реального мира и движения в реальном мире, наш модуль восприятия имеет более точную информацию, чем предыдущие методы», – сказал Маноча. «А затем, благодаря реалистичности симулятора, мы можем лучше оценить навигационные стратегии автономной системы вождения."
Маноча сказал, что, публикуя эту работу, ученые надеются, что некоторые корпорации, разрабатывающие беспилотные автомобили, могут использовать тот же подход, основанный на данных, для улучшения своих собственных симуляторов для тестирования и оценки систем автономного вождения.
Видео-демонстрацию системы AADS можно посмотреть здесь: https: // www.YouTube.com / watch?v = OfxqXhcMH5g & feature = youtu.быть