«на данный момент разработка интеллектуальных транспортных средств сосредоточена на двух основных вопросах — уровне автономии и уровне сотрудничества, — говорит Алкерио Мартиноли, управляющий лабораторию распределенных интеллектуальных систем и алгоритмов (DISAL) EPFL. В течение последних нескольких лет его команда трудилась над вопросами сотрудничества, которым автомобильная индустрия еще не уделяла должного внимания.
В рамках собственной кандидатской диссертации Милош Васич создал способы кооперативного восприятия, каковые расширяют ситуационную осведомленность интеллектуального транспортного средства способом объединения данных от бортовых датчиков с данными, предоставленными находящимися поблизости транспортными средствами.Исследователи использовали способы кооперативного восприятия в качестве базы для программной среды.
К примеру, в сценарии, в котором одна машина обгоняет другую на двухполосной дороге, они создали совокупность помощи, которая оценивает риск маневра при обгоне. Оценка риска учитывает возможность встречного автомобиля на встречной полосе, и кинематические условия, такие как скорость перемещения, расстояние, необходимое для обгона, и расстояние до встречного автомобиля. Совместное восприятие свидетельствует, что интеллектуальное транспортное средство может комбинировать личные эти с данными другого транспортного средства, чтобы как тот, что он хочет обогнать, что имеет более громадный угол обзора.
Так, вероятно безопасно решить, обгонять или нет. По словам Васича, «совместное восприятие делает обгон более надёжным и плавным».Видеть двух пешеходов вместо одногоВначале команда использовала симулятор, чтобы протестировать личные способы в различных сценариях, как с находящимися поблизости неспециализированными транспортными средствами, так и без них.
Затем, при помощи Groupe PSA, они приступили к реализации собственного проекта. Два электромобиля Citroen C-Zero были оснащены камерой Mobileye, верной совокупностью локализации, маршрутизатором для обеспечения связи Wi-Fi, компьютером для запуска ПО и внешним аккумулятором для питания всего. «Это не были свободные транспортные средства, — говорит Мартиноли, — но мы сделали их интеллектуальными при помощи стандартного оборудования».
Но успех дался непросто. Одна из трудностей при объединении данных с двух машин связана с относительной локализацией.
Автомобили должны были совсем правильно знать, где они находятся по отношению друг к другу, и к объектам поблизости. Если один-единственный пешеход не думается, что обе машины находятся в одном и том же месте, существует риск, что совместно они увидят две фигуры вместо одной. Используя другие сигналы, в особенности те, каковые поступают от датчиков и камер LIDAR, исследователи смогли исправить недочёты в навигационной совокупности и соответствующим образом скорректировать личные способы.
Это упражнение было тем более сложным, что эти приходилось обрабатывать в настоящем времени, пока машины находились в движении. «Как раз исходя из этого проект также помог повысить точность локализации в целом», — говорит Васич. Без оглядки на то, что в тестах учавствовали только два автомобиля, более долгосрочная цель — создать сеть между несколькими автомобилями, и с инфраструктурой проезжей части.Нерешенные вопросы
В дополнение к безопасности и комфорту вождения, совместные сети чтобы рода смогут в конечном итоге употребляться для оптимизации траектории перемещения транспортного средства, экономии и улучшения энергии транспортных потоков. Но команда знает, что многие вопросы, выходящие за рамки их изучения, остаются без ответа.
Во-первых, появляется вопрос об ответственности при аварии. Определение ответственности, которая уже включает в себя обладателя, производителя и разработчика машин или поставщика ПО, делается еще более сложным, в то время, в то время, когда транспортные средства сотрудничают. «Ответы на эти вопросы будут играться ключевую роль в определении того, будут ли приняты свободные транспортные средства», — додаёт Мартиноли.