AI sebességrekord az Indy Autonomous Challengen

Az Indy Autonomous Challenge (IAC) egy versenysorozat, amelyet eredetileg az Indianapolis Motor Speedway (Indy 500 versenypálya) versenysorozata ihletett. A névben az Indy erre a kapcsolatra utal, de az IAC már nem csak a legendás Indy-pályára korlátozódik, hanem az autonóm versenyautók fejlesztésére fókuszál globálisan, különböző helyszíneken.

A járműipar és az autonóm vezetési technológiák a napokban az eredmények újabb mérföldkövéhez érkeztek: a Politecnico di Milano mesterséges intelligenciája által vezérelt Maserati MC20 Coupe versenyautója új autonóm sebességi világrekordot állított fel: 318 km/h végsebességet ért el emberi beavatkozás nélkül, amivel megdöntötte az előző 310 km/h sebességrekordot. A sebességcsúcsot a floridai Cape Canaveral Space Florida Launch and Landing Facility kifutópályáján állították fel, amely egykor a NASA űrrepülőgépeinek leszállóhelye volt. A pálya hossza 2,8 mérföld, ami ideális környezetet biztosított a nagy sebességű teszthez.

A járművet az AIDA (Artificial Intelligence Driving Autonomous) rendszer vezérli, amelyet a Politecnico di Milano fejlesztett ki azzal a céllal, hogy egy megbízható, hatékony önvezető technológiát hozzon létre, amely valós közúti körülmények között is működőképes. A kutatók szerint a mai gépjárműves mobilitásunk a következő problémákkal küzd: túl sok autó – átlagosan 750 autó jut 1000 lakosra, ami hatalmas forgalmi torlódásokat eredményez; alacsony éves futásteljesítmény – egy átlagos autó évente csak 10 000 km-t tesz meg, így kihasználtsága alacsony; kevésbé hatékony autóhasználat – az autók 85%-a az idő nagy részében áll, és kevesebb mint 5%-ban van használatban. A kutatók szerint ennek egyik megoldása az autonóm megosztott járművek alkalmazása, amelyek önállóan közlekednek a felhasználókhoz (illetve a töltőállomásokhoz és a parkolóhelyekre), ezáltal egy sor felesleges tennivalót véve le az emberi sofőr válláról. Az utazási idő optimalizálása az AI-alapú vezérlés révén hatékonyabb utakat és közlekedési stratégiákat biztosít; biztosítja az energiaforrások optimalizálását, a forgalmi dugók csökkentését, egyben a közlekedésbiztonság javítását is szolgálja az emberi hibák kiküszöbölésével.

Távirányítás helyett felügyelet

Alap utcai változatában az AIDA alacsony sebességnél működik autonóm módban (max. 30 km/h), míg a hosszabb utak során az emberi vezetésre támaszkodik. Amennyiben a jármű összetett vagy váratlan helyzettel találkozik, akkor megáll vagy félreáll és távoli beavatkozást kér a rendszer felügyeletét ellátó személytől. Az operátor egyszerű tervezési parancsokat adhat - azaz promptolhatja a rendszert - hogy az autó hogyan folytassa az útját, de ezt nem távirányítással teszi, hanem az autonóm döntéshozatali rendszert látja el iránymutatásokkal. A rendszer közepes hálózati követelményeket támaszt (pl. 4G elégséges) amely megkönnyítik az alkalmazását.

Az AIDA rendszer fejlesztői az idő 98%-át azzal töltik, hogy felkészítsék a járművet a legritkább (2%-ban előforduló ritka helyzetek kezelésére, mivel az autonóm vezetési rendszerek fejlesztésének egyik legnagyobb kihívása a váratlan szituációkra való megfelelő reagálás.

A képen látható Maserati MC20 autonóm verziójának tetején látható érzékelőplatform több érzékelő és kamera található, amelyek az AIDA autonóm vezetési rendszer részét képezik. A jármű tetején két körkörös kialakítású Lidar (Light Detection and Ranging) szenzor található, amelyek 360 fokos térképezést biztosítanak, lehetővé téve a jármű számára, hogy pontos 3D-s képet alkosson a környezetéről. A Lidar kulcsszerepet játszik az akadályok észlelésében, a járművek távolságának meghatározásában, valamint az út és környezeti objektumok felismerésében. A tető közepén több előre néző kamera látható, amelyek sztereó kameraként működhetnek. Ezek a kamerák vizuális adatokat gyűjtenek a sávokról, útjelzésekről és gyalogosokról. Az AI-alapú feldolgozás segít az autonóm járműnek felismerni a közlekedési helyzeteket, például a piros lámpákat, táblákat és járműmozgásokat. Az autonóm járműveknek pontos helymeghatározásra van szükségük, amelyhez GPS-alapú GNSS (Global Navigation Satellite System) vevő és IMU (Inertial Measurement Unit) érzékelők kombinációja segíti a navigációt. Az IMU a gyorsulást és a jármű dőlését érzékeli, míg a GNSS a pontos helymeghatározást biztosítja. Bár a képen nem látható, az ilyen autonóm rendszerek gyakran milliméterhullámú radarokat használnak az autó középső és alsó részén. A radarok segítenek észlelni a mozgó objektumokat, például más járműveket vagy gyalogosokat rossz időjárási viszonyok között is.

A rendszer moduláris felépítésű, így különböző komplexitású környezetekben (pl. városi forgalomban, parkolókban, ipari területeken) adaptálható és továbbfejleszthető.

Nade mit keres ez a rendszer pont az Indy-sorozatban a versenypályán?

A különböző rendszerek fejlesztésénél nemcsak a városi alkalmazásokat kell tesztelni, hanem a határokat feszegető helyzeteket is. A fejlesztők célja nem feltétlenül csak alacsony sebességű alkalmazás, hanem egy modulárisan skálázható rendszer megoldás létrehozása, amely skálázottságából kifolyólag különböző helyzetekben is működőképes. Ez a sebességi rekord lassan elvezethet oda, hogy a technológiát később akár nagyobb sebességű közúti alkalmazásokra is kiterjesszék, például autópályás önvezetésre. Az IAC lehetőséget ad arra, hogy az AIDA bizonyítsa, képes extrém sebességnél is stabil maradni és helyes döntéseket hozni. Az alacsony sebességű alkalmazásoknál (pl. parkolás) főként kiszámítható forgatókönyvek fordulnak elő, míg nagy sebességnél komplexebb fizikai és dinamikai hatások lépnek fel, például az abroncsok tapadási határainak változása, az aerodinamikai instabilitás, illetve az extrém gyors helyzetfelismerés és reakcióidő szükségessége. Az AIDA így az Indy tesztjeiből is tanulhat, az IAC egy látványos technológiai verseny, amely a tesztlehetőségek mellett kiváló marketingértéket és innovációs lehetőségeket kínál.

Forrás: autonomousvehicleinternational.com, aida.polimi.it