قبل از اینکه وسایل نقلیه خودگردان (بدون راننده) در ترافیک جاده شرکت کنند ، باید به طور قطعی نشان دهند که خطری برای دیگران ندارند. نرم افزار جدیدی که در دانشگاه فنی مونیخ (TUM) تولید شده است با پیش بینی انواع مختلف وضعیت ترافیک در هر میلی ثانیه از بروز تصادفات جلوگیری می کند.
یک ماشین به تقاطع نزدیک می شود. وسیله نقلیه دیگری از تقاطع خارج می شود ، اما هنوز مشخص نیست که به راست یا چپ می چرخد. در همان زمان ، یک عابر پیاده وارد مسیر مستقیم جلوی ماشین می شود و یک دوچرخه سوار در آن طرف خیابان وجود دارد. افرادی با تجربه ترافیک جاده ای به طور کلی حرکات سایر شرکت کنندگان در ترافیک را به درستی ارزیابی می کنند.
ماتیاس آلتوف ، استاد سیستم های سایبری-فیزیکی در TUM ، توضیح می دهد: "این نوع شرایط یک چالش عظیم برای وسایل نقلیه خودمختار کنترل شده توسط برنامه های رایانه ای است ، اما رانندگی خودمختار تنها در صورتی مورد استقبال عموم قرار می گیرد که بتوانید اطمینان حاصل کنید که وسایل نقلیه دیگر کاربران جاده را به خطر نمی اندازد هرچقدر که وضعیت ترافیک گیج کننده باشد."
الگوریتم هایی که به آینده نگاه میکنند:
هدف نهایی در هنگام تولید نرم افزار برای وسایل نقلیه خودمختار ، اطمینان از عدم بروز تصادف است. آلتوف ، که عضو دانشکده رباتیک و هوش ماشین مونیخ در TUM است ، و تیم او اکنون یک ماژول نرم افزاری ساخته اند که به طور دائمی حتی وقایع هنگام رانندگی را تجزیه و تحلیل و پیش بینی می کند. داده های حسگر خودرو در هر میلی ثانیه ثبت و ارزیابی می شوند. این نرم افزار می تواند تمام حرکات احتمالی هر شرکت کننده در ترافیک را در صورتی که به مقررات جاده ای و راهنمایی رانندگی متعهد باشند محاسبه کند و به سیستم اجازه می دهد سه تا شش ثانیه به آینده نگاه کند.
بر اساس این سناریوهای آینده ، سیستم گزینه های مختلف حرکتی را برای خودرو تعیین می کند. در همان زمان ، این برنامه مانورهای احتمالی اضطراری را محاسبه می کند که در آن می توان وسیله نقلیه را با شتاب گرفتن یا ترمز گرفتن از خطر خارج کرد و دیگران را نیز به خطر نیندازد. وسیله نقلیه خودمختار فقط ممکن است مسیرهایی را دنبال کند که فاقد برخورد قابل پیش بینی است و گزینه مانور اضطراری برای آنها مشخص شده است.
مدل های ساده برای محاسبات سریع:
این نوع پیش بینی دقیق وضعیت ترافیک قبلاً بسیار وقت گیر و در نتیجه غیر عملی تلقی می شد. اما اکنون ، تیم تحقیقاتی مونیخ نه تنها قابلیت نظری تجزیه و تحلیل داده های زمان واقعی با شبیه سازی همزمان حوادث ترافیکی آینده را نشان داده است ، همچنین نشان داده اند که نتایج قابل اتکایی را ارائه می دهد. محاسبات سریع توسط مدلهای دینامیکی ساده امکان پذیر شده است. به اصطلاح ، تجزیه و تحلیل قابلیت دستیابی برای محاسبه موقعیت های احتمالی آینده خودرو یا عابر پیاده استفاده می شود. هنگامی که تمام خصوصیات کاربران جاده در نظر گرفته می شود ، محاسبات بسیار زمانبر می شود. به همین دلیل آلتوف و تیمش با مدل های ساده کار می کنند. اینها از نظر دامنه حرکتی برتر از نمونه واقعی هستند با این حال از نظر ریاضی راحت تر اداره می شوند. این آزادی حرکت افزایش یافته به مدل ها اجازه می دهد تعداد بیشتری از موقعیت های ممکن را به تصویر بکشند اما شامل زیر مجموعه ای از موقعیت های مورد انتظار برای کاربران واقعی جاده است.
داده های واقعی ترافیک برای یک محیط آزمون مجازی:
برای ارزیابی آنها ، دانشمندان کامپیوتر یک مدل مجازی را بر اساس داده های واقعی که در طول رانندگی های آزمایشی با یک وسیله نقلیه خودمختار در مونیخ جمع آوری کرده بودند ، ایجاد کردند. این امر به آنها امکان می دهد تا یک محیط آزمایشی تهیه کنند که سناریوهای ترافیکی روزمره را منعکس کند. آلتوف خلاصه می کند: با استفاده از شبیه سازی ها ، ما توانستیم ثابت کنیم که ماژول ایمنی از نظر رفتار رانندگی منجر به از دست دادن عملکرد نمی شود ، محاسبات پیش بینی صحیح است ، از تصادفات جلوگیری می شود ، و در شرایط اضطراری خودرو به طور آشکار متوقف می شود.
این دانشمند کامپیوتر تأکید می کند که نرم افزار امنیتی جدید می تواند توسعه وسایل نقلیه مستقل را ساده کند زیرا می تواند با تمام برنامه های کنترل حرکت استاندارد ترکیب شود.
منبع : ScienceDaily
قبل از اینکه وسایل نقلیه خودگردان (بدون راننده) در ترافیک جاده شرکت کنند ، باید به طور قطعی نشان دهند که خطری برای دیگران ندارند. نرم افزار جدیدی که در دانشگاه فنی مونیخ (TUM) تولید شده است با پیش بینی انواع مختلف وضعیت ترافیک در هر میلی ثانیه از بروز تصادفات جلوگیری می کند.
یک ماشین به تقاطع نزدیک می شود. وسیله نقلیه دیگری از تقاطع خارج می شود ، اما هنوز مشخص نیست که به راست یا چپ می چرخد. در همان زمان ، یک عابر پیاده وارد مسیر مستقیم جلوی ماشین می شود و یک دوچرخه سوار در آن طرف خیابان وجود دارد. افرادی با تجربه ترافیک جاده ای به طور کلی حرکات سایر شرکت کنندگان در ترافیک را به درستی ارزیابی می کنند.
ماتیاس آلتوف ، استاد سیستم های سایبری-فیزیکی در TUM ، توضیح می دهد: "این نوع شرایط یک چالش عظیم برای وسایل نقلیه خودمختار کنترل شده توسط برنامه های رایانه ای است ، اما رانندگی خودمختار تنها در صورتی مورد استقبال عموم قرار می گیرد که بتوانید اطمینان حاصل کنید که وسایل نقلیه دیگر کاربران جاده را به خطر نمی اندازد هرچقدر که وضعیت ترافیک گیج کننده باشد."
الگوریتم هایی که به آینده نگاه میکنند:
هدف نهایی در هنگام تولید نرم افزار برای وسایل نقلیه خودمختار ، اطمینان از عدم بروز تصادف است. آلتوف ، که عضو دانشکده رباتیک و هوش ماشین مونیخ در TUM است ، و تیم او اکنون یک ماژول نرم افزاری ساخته اند که به طور دائمی حتی وقایع هنگام رانندگی را تجزیه و تحلیل و پیش بینی می کند. داده های حسگر خودرو در هر میلی ثانیه ثبت و ارزیابی می شوند. این نرم افزار می تواند تمام حرکات احتمالی هر شرکت کننده در ترافیک را در صورتی که به مقررات جاده ای و راهنمایی رانندگی متعهد باشند محاسبه کند و به سیستم اجازه می دهد سه تا شش ثانیه به آینده نگاه کند.
بر اساس این سناریوهای آینده ، سیستم گزینه های مختلف حرکتی را برای خودرو تعیین می کند. در همان زمان ، این برنامه مانورهای احتمالی اضطراری را محاسبه می کند که در آن می توان وسیله نقلیه را با شتاب گرفتن یا ترمز گرفتن از خطر خارج کرد و دیگران را نیز به خطر نیندازد. وسیله نقلیه خودمختار فقط ممکن است مسیرهایی را دنبال کند که فاقد برخورد قابل پیش بینی است و گزینه مانور اضطراری برای آنها مشخص شده است.
مدل های ساده برای محاسبات سریع:
این نوع پیش بینی دقیق وضعیت ترافیک قبلاً بسیار وقت گیر و در نتیجه غیر عملی تلقی می شد. اما اکنون ، تیم تحقیقاتی مونیخ نه تنها قابلیت نظری تجزیه و تحلیل داده های زمان واقعی با شبیه سازی همزمان حوادث ترافیکی آینده را نشان داده است ، همچنین نشان داده اند که نتایج قابل اتکایی را ارائه می دهد. محاسبات سریع توسط مدلهای دینامیکی ساده امکان پذیر شده است. به اصطلاح ، تجزیه و تحلیل قابلیت دستیابی برای محاسبه موقعیت های احتمالی آینده خودرو یا عابر پیاده استفاده می شود. هنگامی که تمام خصوصیات کاربران جاده در نظر گرفته می شود ، محاسبات بسیار زمانبر می شود. به همین دلیل آلتوف و تیمش با مدل های ساده کار می کنند. اینها از نظر دامنه حرکتی برتر از نمونه واقعی هستند با این حال از نظر ریاضی راحت تر اداره می شوند. این آزادی حرکت افزایش یافته به مدل ها اجازه می دهد تعداد بیشتری از موقعیت های ممکن را به تصویر بکشند اما شامل زیر مجموعه ای از موقعیت های مورد انتظار برای کاربران واقعی جاده است.
داده های واقعی ترافیک برای یک محیط آزمون مجازی:
برای ارزیابی آنها ، دانشمندان کامپیوتر یک مدل مجازی را بر اساس داده های واقعی که در طول رانندگی های آزمایشی با یک وسیله نقلیه خودمختار در مونیخ جمع آوری کرده بودند ، ایجاد کردند. این امر به آنها امکان می دهد تا یک محیط آزمایشی تهیه کنند که سناریوهای ترافیکی روزمره را منعکس کند. آلتوف خلاصه می کند: با استفاده از شبیه سازی ها ، ما توانستیم ثابت کنیم که ماژول ایمنی از نظر رفتار رانندگی منجر به از دست دادن عملکرد نمی شود ، محاسبات پیش بینی صحیح است ، از تصادفات جلوگیری می شود ، و در شرایط اضطراری خودرو به طور آشکار متوقف می شود.
این دانشمند کامپیوتر تأکید می کند که نرم افزار امنیتی جدید می تواند توسعه وسایل نقلیه مستقل را ساده کند زیرا می تواند با تمام برنامه های کنترل حرکت استاندارد ترکیب شود.
منبع : ScienceDaily