Беспилотные автомобили научились ездить по сельским дорогам

Американские инженеры разработали фреймворк для беспилотных автомобилей, позволяющий им передвигаться по дорогам без подробных 3D-карт местности. Система использует только минимальную топологическую карту и данные GPS для глобальной навигации, а также лидар для составления точной карты окружающего пространства в реальном времени. Система прежде всего будет полезна в малонаселенной местности, в которой экономически невыгодно создавать подробные 3D-карты местности и часто обновлять их, рассказывают разработчики в MIT News. Статья с описанием разработки будет представлена на конференции ICRA 2018.

Беспилотные автомобили многих компаний уже умеют хорошо ориентироваться в сложных условиях, например, в городе с интенсивным движением и большим количеств поворотов. Во многом такой уровень автономности обусловлен тем, что эти автомобили имеют высокоточные 3D-карты местности и за счет этого могут во время езды фокусироваться на динамических объектах, таких как другие автомобили и пешеходы. Но, поскольку объем этих карт очень велик, протяженность дорог в больших странах может составлять несколько миллионов километров, а карты необходимо регулярно обновлять, компании создают их лишь для крупных городов. Кроме того беспилотным автомобилям необходимо, чтобы дорожная разметка и края дороги были в хорошем состоянии. Недавняя авария автомобиля Tesla с активированным режимом автопилота показала, что даже в крупных городах разметка не всегда достаточно понятна беспилотным автомобилям. Из-за этих проблем современные беспилотные автомобили оказываются неприспособленными для езды по небольшим дорогам в отдаленных регионах и сельской местности.

Группа инженеров под руководством Даниелы Рус (Daniela Rus) из Массачусетского технологического института представила систему, которая позволяет беспилотным автомобилям самостоятельно ездить по дорогам практически без предварительных знаний о местности. Разработанный ими фреймворк состоит из двух основных частей, одна из которых отвечает за глобальное планирование маршрута из начальной в конечную точку, а вторая за непосредственное движение по небольшим сегментам намеченного пути. Для глобальной навигации разработчики использовали карту OpenStreetMap, в которой каждая дорога состоит из множества точек, соединяемых линиями. При этом зачастую расстояние между этими точками больше, чем дальность действия лидара, поэтому алгоритм умеет прокладывать маршрут между точками, «видя» дорогу своими датчиками.

Для локальной навигации исследователи использовали данные лидара и одометра. Лидар создает локальную 3D-карту местности, но данные с него собираются не так часто, как с одометрических датчиков, поэтому они помогают автомобилю примерно оценивать свое положение на локальной карте во время замеров лидара. Один из недостатков разработки инженеров заключается в том, что алгоритм рассчитывает за счет данных с лидара лишь края дороги, но не учитывает разметку на ней. Авторы протестировали его работоспособность на модифицированном автомобиле Toyota Prius и неразмеченной проселочной дороге без бордюров в штате Массачусетс.

Разработчики отмечают, что система обновляет локальную карту окружающей местности 5 раз в секунду, а дальность составляемой карты составляет 35 метров. Таким образом, по расчетам авторов, автомобиль, управляемый такой системой, может безопасно передвигаться со скоростью более ста километров в час. Стоит отметить, что, по-видимому, авторы приводят расчеты для пустой дороги, а встречные автомобили значительно снижают максимальную безопасную скорость.

Недавно другие инженеры из MIT научили лидары видеть предметы в сильном тумане, через который их практически невозможно увидеть невооруженным взглядом. Пока метод неприменим для беспилотных автомобилей из-за того, что он предназначен только для статичных объектов, но авторы планируют дорабатывать его.

Григорий Копиев