Αλγόριθµοι συνυπολογίζουν πληθώρα κυκλοφοριακών καταστάσεων, ώστε να εξασφαλισθεί η προστασία της ανθρώπινης ζωής και η σωστή λειτουργία των οχηµάτων, χωρίς απρόοπτα.
Στο ερευνητικό έργο AVEAS, η Porsche Engineering εργάζεται για την αυτοµατοποιηµένη ανίχνευση κρίσιµων καταστάσεων κυκλοφορίας από δεδοµένα αισθητήρων που χρησιµοποιούν τεχνητή νοηµοσύνη (AI) και αποθηκεύοντας διαφορετικές καταστάσεις σε µία βάση δεδοµένων. Τα µοντέλα της διαδροµής και οι συνθήκες κυκλοφορίας που δηµιουργούνται µε αυτόν τον τρόπο ποικίλλουν, επίσης, προκειµένου να δηµιουργηθούν περισσότερες δοκιµαστικές περιπτώσεις για εικονική επιβεβαίωση και έγκριση κάθε συστήµατος και πρωτοκόλλου.
Τα αυριανά οχήματα αυτόνομης οδήγησης πρέπει να είναι σε θέση να αντιδρούν με ασφάλεια σε κρίσιμες καταστάσεις, όπως θα έκανε ο ανθρώπινος παράγοντας και ακόμη καλύτερα. Για το λόγο αυτό και η Porsche Engineering εξετάζει, ήδη, εντατικά τέτοια σενάρια σε προσομοιώσεις. Οι μηχανικοί αυξάνουν επισταμένα την κρισιμότητα, πχ, μειώνοντας την απόσταση μεταξύ των οχημάτων.
«Χτίζουμε έναν πλήρη κατάλογο κρίσιμων σεναρίων που μας επιτρέπουν να επικυρώνουμε συστήματα και λειτουργίες υποβοήθησης οδηγού για εξαιρετικά αυτοματοποιημένη οδήγηση» εξηγούν ο Δρ Joachim Schaper, Επικεφαλής AI και Big Data στην Porsche Engineering και η Tille Karoline Rupp, υπεύθυνη για την προσομοίωση στο τμήμα Μηχανικής της εταιρείας.
«Αυτή τη στιγμή αναπτύσσουμε μία μέθοδο που θα συνεχίσει να αναγνωρίζει τους χρήστες του δρόμου, ακόμη και όταν αυτή η κατηγορία των χρηστών του δρόμου δεν έχει εμφανιστεί για μεγάλο χρονικό διάστημα» προσθέτει ο Leon Eisemann, υποψήφιος διδάκτορας και ειδικός στην αναγνώριση εικόνας, ο οποίος, επίσης εργάζεται στο συγκεκριμένο project.
Οι εικονικές δοκιµές αποτελούν µέρος του ερευνητικού έργου AVEAS (το ακρωνύµιο προέρχεται από τη γερµανική φράση Absicherungsrelevante Verkehrssituationen Erheben, Analysieren, Simulieren, που σηµαίνει «συλλογή, ανάλυση, προσοµοίωση καταστάσεων κυκλοφορίας που σχετίζονται µε την επικύρωση», στην οποία, εκτός από την Porsche Engineering, συµµετέχουν άλλοι 20 εταίροι, συµπεριλαµβανοµένων αρκετών ινστιτούτων Fraunhofer και της εταιρείας της Καρλσρούης understand.ai.
Σενάρια προσομοίωσης
Το πρόγραμμα AVEAS στοχεύει να εξαλείψει ένα σημαντικό εμπόδιο στην προοπτική της αυτόνομης οδήγησης: την έλλειψη δεδομένων. Προκειμένου να επικυρωθούν οι λειτουργίες για πλήρως αυτοματοποιημένη οδήγηση, θεωρητικά θα έπρεπε να διανυθούν… δισεκατομμύρια χιλιόμετρα δοκιμών. Επειδή αυτό θα απαιτούσε τεράστιο χρόνο και χρήμα, τα πραγματικά τεστ συμπληρώνονται εικονικά. Ωστόσο, είναι ιδιαίτερα δύσκολο κάτι τέτοιο σε κρίσιμες καταστάσεις κυκλοφορίας, καθώς υπάρχει έλλειψη πραγματικών βασικών δεδομένων για την προσομοίωση -εξάλλου, σε κανονικές συνθήκες, οριακές καταστάσεις σπάνια συμβαίνουν. Ο στόχος, λοιπόν, του έργου είναι να αξιολογήσει αυτόματα τα test drives και να προετοιμάσει τα συστήματα για δύσκολες περιπτώσεις ως ενδεχόμενα σενάρια.
Η Porsche Engineering συνεισφέρει μεταξύ άλλων, ένα όχημα δοκιμής JUPITER (Joint User Personalized Integrated Testing and Engineering Resource). Είναι εξοπλισμένο με κάμερες, ραντάρ και αισθητήρες lidar και στέλνει τα δεδομένα που μετρά στο cloud. Η PE κάνει και την αξιολόγηση: Οι αλγόριθμοι καταγράφουν αυτόματα την πορεία του δρόμου, τη θέση των άλλων χρηστών και τη συμπεριφορά τους. Οι μέθοδοι μηχανικής μάθησης που χρησιμοποιούνται βελτιώνονται συνεχώς.
Επέκταση του πεδίου δοκιμών
Οι εικονικές δοκιμαστικές μονάδες πραγματοποιούνται στο εσωτερικά αναπτυγμένο περιβάλλον προσομοίωσης, γνωστό ως PEVATEC SimFramework (Porsche Engineering Virtual ADAS Testing Center Simulation Framework). Το πραγματικό ταξίδι μπορεί να επανασχεδιαστεί και στη συνέχεια να εκτυλιχθεί ως σενάριο, μετά από συγκεκριμένες τροποποιήσεις, μέσα στον ψηφιακό κόσμο.
Προκειµένου οι πραγµατικές και οι εικονικές δοκιµαστικές µονάδες να είναι σύµφωνες, απαιτείται µεγάλη εµπειρία.
Ένα εικονικό όχημα, για παράδειγμα, πρέπει να αντιδρά σε διαφορετικές επιφάνειες του δρόμου όπως ακριβώς το πραγματικό. Το έργο, το οποίο ξεκίνησε τον Δεκέμβριο του 2021, έχει, ήδη, αποδώσει τα πρώτα του αποτελέσματα. Ωστόσο, έχει φέρει και προκλήσεις. Οι αλγόριθμοι ανίχνευσης, για παράδειγμα, πρέπει να μπορούν να αναγνωρίζουν οχήματα από όλο τον κόσμο, όχι μόνο… γερμανικά. Εφόσον οι εταίροι του AVEAS συνεισφέρουν δεδομένα από διαφορετικές πηγές, η ανταλλαγή πληροφοριών απαιτεί ακριβή συντονισμό. Το Ινστιτούτο Τεχνολογίας της Καρλσρούης, για παράδειγμα, παρέχει αεροφωτογραφίες δρόμων, οι οποίες ενσωματώνονται επίσης στην κατασκευή των ψηφιακών σεναρίων. Το AVEAS θα λειτουργεί μέχρι το τέλος του 2024, οπότε θα πρέπει να έχει δημιουργηθεί ένας επεκτάσιμος χώρος για την αξιολόγηση των σεναρίων οδήγησης, καθώς και ένας κατάλογος με πολλές εκατοντάδες χιλιάδες κρίσιμα σενάρια. Και οι δύο θα μπορούσαν να επιταχύνουν σημαντικά τις εργασίες ανάπτυξης στο μέλλον.
Μοντελοποίηση διαδρομής – Ακριβής χαρτογράφηση του κόσμου
Οι προσομοιώσεις απαιτούν έναν κόσμο στον οποίο οι χρήστες του δρόμου μπορούν να κινούνται και με τον οποίο μπορούν να αλληλεπιδρούν. Τα μοντέλα διαδρομής, τα οποία στην τεχνική ορολογία αναφέρονται ως «σκηνή», περιγράφουν τόσο την περιοχή οδήγησης (δρόμος, χώρος στάθμευσης) όσο και τη γύρω περιοχή. Αποτελούνται από ένα μαθηματικό μοντέλο του οδικού δικτύου σε μορφή OpenDRIVE και ένα τρισδιάστατο μοντέλο που περιγράφει την ακριβή εμφάνιση και το υλικό των αντικειμένων. Οι ψηφιακοί χάρτες, όπως αυτοί που χρησιμοποιούνται από τα εμπορικά συστήματα πλοήγησης, δεν είναι αρκετά ακριβείς για όλα αυτά. Ανάλογα με την εργασία, μπορούν να συνδυαστούν χάρτες υψηλής ανάλυσης, ελεύθερα διαθέσιμο υλικό OpenStreetMap, μοντέλο ψηφιακού υψόμετρου και πολλά άλλα.
