Интеллектуальная система автономного вождения наземного транспорта
Рассказываем об интеллектуальной системе для наземных беспилотников Cognitive Pilot (Cognitive Pilot).
Система способна преобразовать почти любой пилотируемый наземный объект в частично или полностью беспилотный. Таким наземным объектом может быть как частный, так и общественный транспорт (легковой автомобиль, трамвай, автобус, поезд и т.д.), сельскохозяйственная техника (комбайн, трактор, опрыскиватель), коммерческий транспорт (грузовые перевозки, такси). При этом C-Pilot можно переставлять из одной машины в другую, что при необходимости позволяет существенно экономить (например, в аграрной сфере).
Применяемые технологии
Программное обеспечение
Интеллектуальная система автономного вождения состоит из программного обеспечения, работающего на основе глубокого обучения нейронных сетей. Будучи мультиплатформенным, ПО позволяет быстро адаптировать систему к любой аппаратной платформе. Это не единожды созданное и неизменяемое ПО – мы постоянно собираем данные для нейронных сетей, чтобы их обучать, и к настоящему времени имеем сотни тысяч часов видео и других данных от разных датчиков. Кроме того, мы постоянно совершенствуем методы тестирования.
Компьютерное зрение
C-Pilot использует компьютерное зрение: информация о дорожной сцене поступает в бортовой вычислитель с различных датчиков (оптическая камера, запатентованный 4D-радар, сенсор позиционирования на базе ГЛОНАСС/GPS, электронный гироскоп). И уже в ПО вычислителя происходит обработка этой информации нейронными сетями.
Задача компьютерного зрения – обнаружение объектов, в нашем случае – на дороге. C-Pilot основан на самых передовых и высокоточных алгоритмах обнаружения объектов. Мы используем некоторые биологические подходы к компьютерному зрению, которые вкупе с доступными мобильными процессорами сокращают цикл разработки. В результате мы получаем обновляемое и, главное, недорогое решение с минимальной, но достаточной вычислительной мощностью.
Самая же сильная особенность нашей технологии – это обнаружение объектов дорожной сцены в плохих погодных условиях (порой, в ужасных). Она позволяет нам разрабатывать передовые программные компоненты, которые можно применять для различных систем ADS.
Объединение данных
Cognitive Technologies разработала революционный подход к объединению данных на низком уровне. Он повышает точность распознавания на 20% и устойчивость на 25% по сравнению с подходом объединения данных на высоком уровне. Принцип действия этого подхода заключается в следующем: мы получаем необработанные данные от датчиков (например, от камеры и радара) и затем настраиваем их для синхронизации данных (Concat) → эти синхронизированные данные поступают в нейронные сети, где они обрабатываются с помощью DNN → результаты.
Также мы используем смоделированные данные: воссоздать всю совокупность ситуаций, которые могут случиться на дороге, на основе реальных данных сложно, поэтому мы проводим некоторые работы с использованием “виртуальных полигонов”, где дорожная сцена или ее элементы моделируются искусственно.
При подходе объединения данных высокого уровня некоторая информация о ситуации на дороге может быть упущена, а разработанный нами способ интеграции данных с разных устройств позволяет заполнить недостающую информацию для лучшего понимания текущей дорожной сцены. Комплексное использование всех данных позволяет объединить информацию о скорости, типе объекта и расстоянии до него, его местонахождении и физических характеристиках. Внедрение этой технологии снижает частоту аварий на автономных транспортных средствах до 25%.
Что умеет C-Pilot
C-Pilot имеет централизованную архитектуру, состоящую из четырех модулей:
- «Наблюдатель» отвечает за обнаружение объектов на дороге;
- «Географ» отвечает за обнаружение событий и позиционирование объектов;
- «Навигатор» отвечает за планирование траектории и маршрута;
- «Машинист» отвечает за работу исполнительных устройств.
Задачи, которые выполняет C-Pilot с точностью 99%:
- Обнаружение полосы движения
- Обнаружение автомобиля
- Прямое предупреждение о столкновении
- Обнаружение пешеходов (даже частично заслонённых) и их защита
- Предупреждение о выходе из полосы движения и помощь в сохранении полосы движения
- Распознавание дорожных знаков
- Автопилот в пробке
- Автопилот на шоссе
Жизненно важные преимущества C-Pilot:
- Обладает интуицией: может “предсказывать” возможное изменение в действиях других участников движения по мельчайшим изменениям поведения, нюансам вождения;
- Управляет зонами риска: обнаруживает мелкие объекты, видя детали;
- Работает на реальных дорогах: ямы и другие повреждения поверхности, частично стёртая дорожная разметка;
- Отлично работает при плохой погоде и в сложных условиях освещения.
Как работает функция предупреждения схода с полосы C-Pilot
Главная её задача – повысить дорожную безопасность. Ежегодно непреднамеренный сход автомобилей со “своих” полос дорожной трассы из-за невнимательности или усталости водителя становится причиной 1,6 млн аварий. Наша технология предупреждения схода с полосы подаёт водителю предупреждающий сигнал, чтобы предотвратить сход, или подруливает, помогая вернуть машину в полосу. Для определения дорожной разметки и границ проезжей части система использует данные с видеокамеры и обрабатывает их нейронными сетями искусственного интеллекта.
Тестирование на родных дорогах
Согласитесь, довольно убедительно звучит: “Беспилотник C-Pilot был протестирован на более 1 млн км российских дорог в самых суровых условиях”? Это означает, что мы обучали “наши” нейронные сети и в снегопад, и со стёртой разметкой, и с ямами, и при прочих прелестях на дорогах российской глубинки.
В Cognitive Technologies разработчики систем автономного вождения накатывают более 1 млн км для отладки алгоритмической части и полноценной сертификации.
Из всех тестов на движение в плохих погодных условиях (дождь, снег) пришлось порядка 27% времени. Доля поездок в темное время суток и в условиях недостаточной видимости составила около 18%. Из этого расстояния по дорогам России было пройдено порядка 88%. Остальные испытания проходили на дорогах Евросоюза (для проведения тестов использовалось 3 автомобиля), США (5 автомобилей), Китая (1 автомобиль) и Японии (1 автомобиль).
В городе
Из интервью Ольги Усковой деловому порталу Tadviser: “Известно, что каждый из регионов мира имеет собственные стандарты дорожных знаков, разметки и правил движения. Отличия существуют и в погодных и климатических условиях, и в качестве дорог, и в специфике транспортных потоков и окружающего пространства, и в самих участниках дорожного движения. Например, в азиатских и африканских странах перед вашим автомобилем легко могут появиться слоны, коровы и другие животные. Мы сейчас выходим на зарубежный рынок интеллектуальных систем управления автомобилем и нам для обеспечения необходимого уровня безопасности необходимо пройти апробацию нашей математики во всевозможных условиях”.