Беспилотные автомобили по-русски история одного изобретения

Содержание

Беспилотные автомобили по-русски: история одного изобретения

Дельта принтеры крайне требовательны к точности изготовления комплектующих (геометрия рамы, длины диагоналей, люфтам соединения диагоналей, эффектора и кареток) и всей геометрии принтера. Так же, если концевые выключатели (EndStop) расположены на разной высоте (или разный момент срабатывания в случае контактных концевиков), то высота по каждой из осей оказывается разная и мы получаем наклонную плоскость не совпадающая с плоскостью рабочего столика(стекла). Данные неточности могут быть исправлены либо механически (путем регулировки концевых выключателей по высоте), либо программно. Мы используем программный способ калибровки.
Далее будут рассмотрены основные настройки дельта принтера.
Для управления и настройки принтера мы используем программу Pronterface.
Калибровка принтера делится на три этапа:

1 Этап. Корректируем плоскость по трем точкам

Выставление в одну плоскость трех точек — A, B, C (расположенных рядом с тремя направляющими). По сути необходимо уточнить высоту от плоскости до концевых выключателей для каждой из осей.
Большинство (если не все) платы для управления трехмерным принтером (В нашем случае RAMPS 1.4) работают в декартовой системе координат, другими словами есть привод на оси: X, Y, Z.
В дельта принтере необходимо перейти от декартовых координат к полярным. Поэтому условимся, что подключенные к двигателям X, Y, Z соответствует осям A, B, C.(Против часовой стрелки начиная с любого двигателя, в нашем случае смотря на логотип слева — X-A, справа Y-B, дальний Z-C) Далее при слайсинге, печати и управлении принтером в ручном режиме, мы будем оперировать классической декартовой системой координат, электроника принтера сама будет пересчитывать данные в нужную ей систему. Это условность нам необходима для понятия принципа работы и непосредственной калибровки принтера.

Точки, по которым мы будем производить калибровку назовем аналогично (A, B, C) и позиция этих точек равна A= X-52 Y-30; B= X+52 Y-30; C= X0 Y60.

Алгоритм настройки:

    Подключаемся к принтеру. (В случае “крагозяб” в командной строке, необходимо сменить скорость COM порта. В нашем случае с 115200 на 250000 и переподключится)

После чего мы увидим все настройки принтера.

  • Обнуляем высоты осей X, Y, Z командой M666 x0 y0 z0.
    И сохраняем изменения командой M500. После каждого изменения настроек необходимо нажать home (или команда g28), для того что бы принтер знал откуда брать отсчет.
  • Калибровка принтера производится “на горячую”, то есть должен быть включен подогрев стола (если имеется) и нагрев печатающей головки (HotEnd’а) (Стол 60град., сопло 185 град.) Так же нам понадобится щуп, желательно металлический, известных размеров. Для этих задач вполне подойдет шестигранный ключ (самый большой, в нашем случае 8мм, он предоставляется в комплекте с принтерами Prizm Pro и Prizm Mini)
  • Опускаем печатающую головку на высоту (условно) 9мм (от стола, так, что бы сопло еле касалось нашего щупа, т.к. высота пока что не точно выставлена.) Команда: G1 Z9.
  • Теперь приступаем непосредственно к настройке наших трех точек.
    Для удобства можно вместо g- команд создать в Pronterface четыре кнопки, для перемещения печатающей головки в точки A, B, C, 0-ноль.
  • Последовательно перемещаясь между тремя точками (созданными ранее кнопками или командами) выясняем какая из них находится ниже всего (визуально) и принимает эту ось за нулевую, относительно нее мы будем менять высоту остальных двух точек.
  • Предположим, что точка A у нас ниже остальных. Перемещаем головку в точку B(Y) и клавишами управления высотой в Pronterface опускаем сопло до касания с нашим щупом, считая величину, на которую мы опустили сопло (в лоб считаем количество нажатий на кнопки +1 и +0.1)
    Далее командой меняем параметры высоты оси Y: M666 Y <посчитанная величина>
    M666 Y0.75
    M500
    G28
  • Ту же операцию проделываем с оставшимися осями. После чего следует опять проверить высоту всех точек, может получится, что разброс высот после первой калибровки уменьшится, но высота все равно будет отличатся, при этом самая низкая точка может изменится. В этом случае повторяем пункты 6-7.
  • 2 Этап. Исправляем линзу

    После того как мы выставили три точки в одну плоскость необходимо произвести коррекцию высоты центральной точки. Из за особенности механики дельты при перемещении печатающей головки между крайними точками в центре она может пройти либо ниже либо выше нашей плоскости, тем самым мы получаем не плоскость а линзу, либо вогнутую либо выпуклую.

    Корректируется этот параметр т.н. дельта радиусом, который подбирается экспериментально.

    Калибровка:

    1. Отправляем головку на высоту щупа в любую из трех точек стола. Например G1 Z9 X-52 Y-30
    2. Сравниваем высоту центральной точки и высоту точек A,B,C. (Если высота точек A, B, C разная, необходимо вернутся к предыдущей калибровки.)
    3. Если высота центральной точки больше остальных, то линза выпуклая и необходимо увеличить значение дельта радиуса. Увеличивать или уменьшать желательно с шагом +-0,2мм, при необходимости уменьшить или увеличить шаг в зависимости от характера и величины искривления (подбирается экспериментально)
    4. Команды:
      G666 R67,7
      M500
      G28
    5. Подгоняем дельта радиус пока наша плоскость не выровняется
    3 Этап. Находим истинную высоту от сопла до столика

    Третьим этапом мы подгоняем высоту печати (от сопла до нижней плоскости — столика) Так как мы считали, что общая высота заведомо не правильная, необходимо ее откорректировать, после всех настроек высот осей. Можно пойти двумя путями решения данной проблемы:
    1 Способ:
    Подогнав вручную наше сопло под щуп, так что бы оно свободно под ним проходило, но при этом не было ощутимого люфта,

    • Командой M114 выводим на экран значение фактической высоты нашего HotEnd’а
    • Командой M666 L получаем полное значение высоты (Параметр H)
    • После чего вычитаем из полной высоты фактическую высоту.
    • Получившееся значение вычитаем из высоты щупа.

    Таким образом мы получаем величину недохода сопла до нижней плоскости, которое необходимо прибавить к полному значению высоты и и записать в память принтера командами:
    G666 H 235.2
    M500
    G28

    2 Способ:
    Второй способ прост как валенок. С “потолка”, “на глаз” прибавляем значение высоты (после каждого изменение не забываем “уходить” в home), добиваясь необходимого значения высоты, но есть шанс переборщить со значениями и ваше сопло с хрустом шмякнется об стекло.

    Как сделать авто калибровку для вашего принтера и что при этом авто калибрует принтер вы узнаете из следующих статей.

    Вы можете помочь и перевести немного средств на развитие сайта

    amazing › Блог › Беспилотные автомобили. Часть 16: Первая смерть на Автопилоте

    Грустные новости пришли из штата Флорида (США). Находясь за рулём Теслы с активированным Автопилотом, в серьёзном ДТП погиб человек. Джошуа Браун (Joshua Brown) — предприниматель и автомобильный энтузиаст.

    Disclaimer: Как мне кажется, это тема не совсем подходит для цикла статей «Беспилотные автомобили», так как Tesla Model S не является беспилотной машиной, а функция Autopilot по состоянию на середину 2020 года — продвинутый круиз-контроль, а не замена водителю. Тем не менее, большая часть публики видит ситуацию именно так: робот убил человека.

    Джошуа был не просто автовладельцем, а одним из тех фанатов Теслы, которые кайфуют от новых технологий и делятся своей передовой автомобильной жизнью. Есть какая-то грустная ирония в том, что самый популярный ролик на его канале в YouTube — о том, как Autopilot спасает его от столкновения с небольшим грузовиком:

    К сожалению, во второй раз всё пошло не так. На данный момент подробностей мало, а фотографий нет. Известно лишь, что авария произошла на хайвее при ярком встречном солнечном свете — из-за чего ни камеры Автопилота, ни сам водитель вовремя не заметили пересекавшую дорогу фуру. Пока известно лишь, что она была белого цвета и её 62-летний водитель получил не опасные для жизни травмы.

    Столкновение произошло с трейлером фуры на полной скорости (100-120 км/ч), из-за чего верхнюю часть седана буквально срезало.

    Несмотря на то, что безопасность у Тесл на очень высоком уровне и не раз спасала своих владельцев в серьёзных ДТП, в данном случае у водителя практически не было шансов выжить.

    Tesla официально прокомментировала случившееся, выразила соболезнования и ещё раз напомнила всем владельцам:
    — это публичная бета-версия технологии;
    — будьте чуть расслабленней, но следите за дорогой и не убирайте руки с руля;
    — ответственность лежит на вас.

    Полгода назад, когда Autopilot только-только выкатили на публику, я предполагал, что что-то подобное случится и что Элон Маск осознанно принимает на себя риск первопроходца:

    Это не тот случай, когда от сбывшихся прогнозов хочется радоваться. Но, увы, это неизбежность — прогресс (как и красота) требуют жертв. Они были и будут. Множество людей погибло, гибнет каждый день и ещё долго будет гибнуть, переоценивая свои навыки вождения или излишне полагаясь на вспомогательную электронику (ESP, полный привод, круиз-контроль и так далее).

    NHTSA (National Highway Traffic Safety Administration) проводит официальное расследование. Для Маска и команды это серьёзное испытание (проверки, курс акций на бирже, PR, продажи).

    От себя: соболезную родным и близким погибшего и призываю всех, вне зависимости от марки и модели автомобиля, не забегать вперёд в использовании новых технологий.

    Добавлено 1 июля: Согласно показаниям водителя фуры, в момент столкновения водитель Теслы смотрел фильм «Гарри Поттер».

    Добавлено 2 июля: Схема ДТП (с сайта газеты The New York Times):

    Добавлено 3 июля: Место происшествия (кадр телеканала ABC):

    Добавлено 27 июля: National Highway Transportation Safety Administration (NHTSA) сообщило, что в момент столкновения машина двигалась с превышением скорости — 74 мили в час при разрешённых 65. Также ведомство распространило фотографию с места происшествия:

    Это должен знать каждый водитель:  Renault Logan, Sandero и Sandero Stepway получили роботизированную трансмиссию

    Первые беспилотные автомобили: с чего всё начиналось

    Кажется, всего за несколько лет беспилотные автомобили превратились из фантастики в реальность. И пусть многие думают, что технология появилась за одну ночь, путь к новым транспортным средствам был долгим и извилистым.

    Нам было трудно максимально сжать историю первых автомобилей с системой автоматического управления, но мы вложились в основные 10 этапов. Хотя существуют десятки проектов автономных транспортных средств, которые не вошли в наш список, мы постарались выделить главные моменты. И так, первые беспилотные автомобили – как появилась эта идея, и почему они изменили современный облик транспорта.

    Гениальная идея или безумная мечта?

    После рождения автомобиля изобретатели начали подумывать об автономном транспорте. В 1925 году известный изобретатель Фрэнсис Гудина (Houdina) демонстрирует радиоуправляемую машину, на которой он проезжает по улицам Манхэттена без посторонней помощи за рулем. Согласно New York Times, радиоуправляемое транспортное средство запускало двигатель, переключало передачи и издавало звуковой сигнал, «как если бы за рулем была призрачная рука».

    Интересен тот факт, что его имя было достаточно похоже на имя знаменитого беглого художника и иллюзиониста Гарри Гудини. Поэтому многие думали, что это был последний трюк Гудини. Гудини был возмущен схожестью их имен, однажды иллюзионист посетил компанию Houdina и устроил ссору, во время которой сломал электрическую люстру.

    Джон Маккарти и «автоматический шофер»

    Один из отцов-основателей искусственного интеллекта, Джон Маккарти, описал в 1969 году что-то похожее на современное автономное транспортное средство в эссе «Автомобили с компьютерным управлением». Маккарти вводит понятие «автоматического шофера», способного ориентироваться на общественной дороге через вход телевизионной камеры, который использует тот же визуальный вход, доступный водителю-человеку.

    В своей работе автор пишет, что пользователи должны вводить пункт назначения, используя клавиатуру, которая будет подсказывать машине, куда отвезти пассажира. Также известный информатик и изобретатель говорит о дополнительных командах, позволяющих пользователям менять пункт назначения, останавливаться, замедляться или ускоряться в случае чрезвычайной ситуации. Такой автомобиль не был построен, но в эссе Маккарти излагается задача, к которой должны стремиться другие исследователи.

    «Без рук вокруг Америки»

    В 1990-х годах Дин Померло написал диссертацию на получение ученой степени доктора философии, в которой описывается, как нейронные сети позволяют транспортному средству с автоматическим управлением получать необработанные изображения с дороги и выводить сигналы управления в реальном времени. Померло — не единственный исследователь, работающий над беспилотными автомобилями, но именно его идея использования нейронных сетей оказывается гораздо эффективнее, чем альтернативные попытки вручную разделить изображения на «дорожные» и «внедорожные».

    В 1995 году Померло и его коллега Тодд Йохем внедрили в эксплуатацию систему автономного автомобиля Navlab. Минивэн проехал 2797 миль с побережья Питтсбурга (штат Пенсильвания) на берег в Сан-Диего (штат Калифорния).

    Непосильный конкурс DARPA

    В 2002 году DARPA, агентство Министерства обороны США, объявляет о грандиозном конкурсе. DARPA предложила исследователям из ведущих исследовательских учреждений приз в размере 1 миллиона долларов, если они смогут построить автономный автомобиль, способный преодолеть 142 мили по пустыне Мохаве.

    В 2004 году началось соревнование, но ни один из 15 участников не смог преодолеть это расстояние. Самая близкая к победе машина прошла за несколько часов всего 8 миль, а потом загорелась. Это был разрушительный удар по созданию настоящих беспилотных автомобилей.

    Парковка становится все умнее

    Несмотря на то, что в 2000-х годах автономные транспортные средства все еще казались чем-то фантастическим, активно начали появляться автономные парковки. Они продемонстрировали, что датчики и автономные дорожные технологии приближаются к сценарию реального мира.

    Так, японский гибридный автомобиль Toyota Prius с 2003 года предлагает автоматическую помощь при параллельной парковке. В то же время Lexus добавляет аналогичную систему для своего седана Lexus LS. В 2009 году Ford внедряет Active Park Assist, а через год BMW ездит с собственным ассистентом параллельной парковки.

    Google в помощь

    Начиная с 2009 года, Google втайне начал разрабатывать проект автомобиля, который теперь называется Waymo. Первоначально проектом руководил Себастьян Трун, бывший директор Стэнфордской лаборатории искусственного интеллекта и соавтор Google Street View.

    Спустя пару лет Google объявил, что его беспилотные автомобили в совокупности проехали 300 000 миль под управлением компьютера без единой аварии. В 2020 году он представил прототип машины без руля, педали газа или тормоза, что делает ее на 100% автономной.

    Крупные автопроизводители тоже в игре

    К 2020 году крупные автопроизводители, в частности General Motors, Ford, Mercedes Benz и BMW, разработали технологии автономного транспорта. Nissan пообещал выпустить беспилотные машины к 2020 году.

    Другие автомобили такие, как Mercedes S-Class 2020 года, оснащаются полуавтономными функциями: самоуправление, возможность оставаться на полосе, предотвращение аварий и многое другое. Tesla и Uber, наоборот, активно изучают технологии самостоятельного вождения.

    Первые фатальные случаи

    К сожалению, от беспилотных автомобилей появляются первые жертвы. Так, инцидент случился во Флориде, когда Tesla Model S в режиме автопилота с пассажиром внутри врезалась в 18-колесный тягач. Электрокар не успел вовремя затормозить после того, как трейлер развернулся перед ним.

    Смертельные случаи на дороге с автоматическими машинами возобновили дебаты о некоторых технических и этических проблемах. Но, тем не менее, это никоим образом не помешало дальнейшему развитию беспилотных технологий.

    Audi А8 на пути к успеху

    Компания Audi утверждает, что ее роскошный седан A8 следующего поколения будет первым серийным автомобилем с автономностью SAE Level 3. Traffic Jam Pilot A8 позволяет автомобилю ездить без вмешательства человека, но при определенных условиях. Система работает только в пробках со скоростью до 37 миль/час на разделенных магистралях с четко обозначенными полосами въезда и выезда.

    Но стремление Audi освободить пассажиров от рутины пробок связано не только с технологическими препятствиями. Хотя мы можем подтвердить, что Traffic Jam Pilot работает, все еще неясно, одобрят ли регуляторы использование системы в автомобилях. Это только одна грань более масштабной дискуссии о правилах вождения машин, которая только начинается.

    Искусственный интеллект в автономных машинах

    На выставке CES 2020 Nvidia представила новый автомобильный чип для самостоятельного вождения под названием Xavier, который включает возможности искусственного интеллекта. Затем компания объявила, что сотрудничает с Volkswagen для разработки ИИ для будущих автомобилей с автоматическим управлением.

    Несмотря на то, что это не первая попытка наполнить автономные автомобили искусственным интеллектом (Toyota уже изучала концепцию с MIT и Стэнфордом), сотрудничество VW-Nvidia является первым, направленным на соединение ИИ с готовым оборудованием. Это открывает возможность для автомобилей с самостоятельным вождением работать лучше, а также запускать новые функции, к примеру, цифровых помощников.

    Вот мы и прошли все 10 остановок, которые раскрыли основную историю, как создавались первые беспилотные автомобили. Да, путь был не прост, вспоминая неудачные проекты на конкурсе DARPA и прочие события, однако сейчас мы наблюдаем быстрое развитие беспилотных технологий. Теперь машина может отвезти вас утром на работу или забрать домой из шумной вечеринки. Просто фантастика! А точнее, уже реальность.

    Беспилотные автомобили по-русски: история одного изобретения

    Тех, кто не знаком с Лекспартизаном, предупреждаю, что это блогер исповедует «радикальную честность» и никогда не стесняется в выражениях. Не все читатели такое способны переносить, но материал чрезвычайно интересный и заслуживает внимания. Как никак, речь идёт о нашем ближайшем будущем))

    Беспилотные автомобили грозят изменить мир и лишить работы сотни миллионов людей.
    Беспилотный общественный транспорт уже работает на маршрутах, а беспилотная служба такси вполне позволит отказаться от собственной машины, так как будет гораздо дешевле. Как показало исследование Колумбийского университета, 9 тыс. автономных автомобилей могут с легкостью заменить все такси Нью-Йорка. При этом на ожидание заказанной машины уйдет не более 40 секунд.
    Однако, пока это всё вопрос отдалённого будущего.

    Юридическая проблема.
    Кто будет отвечать в случае аварии? Проблема явно надумана «сраной интеллигенцией» из породы «борцов за права человека против здравого смысла». Если автомобиль является полуавтономным и представляет собой некий драйв-ассистент для езды по трассам, то виноват, конечно, водитель. Это его задача вовремя перехватить управление в критической ситуации. Именно поэтому я считаю, что драйв-ассистенты крайне вредны и опасны. Они не рассчитаны на сложные ситуации, которые могут возникнуть в любой момент. Более того, свободный от управления водитель может воткнуть в кино, заснуть, заняться сексом с попутчицей на ходу. И просто будет неспособен вовремя получить управления. Даже если водитель будет постоянно на стрёме и держать руки на руле, ему всё же требуется несколько секунд, чтобы снова «слиться с машиной» и восстановить управляемость. А резкая передача управления может привести к неконтроллируемым последствиям. Я уж молчу, что водитель в нештатной ситуации может запаниковать, но в любом случае управление возьмёт в свои руки. Так что я категорически против существующих на данный момент «автопилотов» Тесла и других помагателей. Руль должен держать кто-то один.

    В случае же полностью автономного авто проблема отвественности ложится на компанию-производителя и решается в обычном страховом порядке выплатами жертвам ДТП. Так как «водитель» в таком авто является не более, чем пассажиром, даже если он там один. Проблема просто надумана «сраной интеллигенцией», которая повинуется инстинкту толпы и просто требует чьей-то крови. Обычно такой категории людей наплевать, чьей.
    Так как аварийность автономных авто будет гораздо ниже обычных, не вижу проблем выплачивать большие компенсации жертвам ДТП, если виновником является робомобиль.

    — Даю вводную. Вы управляете движущимся транспортным средством. Впереди перед вами неожиданно возникают две человеческие фигуры — старушка и девочка. Кого будете давить?
    — Гм. Ну, это. Старушку.
    — Тормоз. Тормоз давить надо!
    Тут проблемой является то, что в безвыходной с точки зрения компьютера ситуации, автомобиль может принести в жертву своего хозяина, предпочтя его жизнью заплатить за жизнь других людей. И это, по мнению «интеллигенции» ужаснах. На самом деле, катаясь в такси, вы доверяете свою жизнь незнакомому и, возможно, неадекватному человеку, который постарается при опасной ситуации увести из под удара себя, подставив пассажирское место. Просто инстинкт самосохранения. И ничего, никто не жужит. Так что в данном случае тоже придётся доверить жизнь компании-производителю автоавтомобиля.

    Это должен знать каждый водитель:  Opel Corsa Богатство выбора

    Лично я считаю юридические и этические проблемы абсолютно надуманными.
    А вот технические проблемы — это уже серьёзно.
    Технические требования.

    Масимальная скорость по автомагистрали 120 км\ч. Тормозной путь, учитывая мгновенную реакцию компьютера примерно 100 метров. Зимой, конечно, больше, но зимой и скорости должны быть меньше, пусть это и не указано в ПДД.
    Удвоим эту дистанцию, так как движение может быть встречным.
    То есть, исходя из этого компьютер должен ориентироваться в радиусе 200 метров в реальном времени.

    Автомобиль ориентируется с помощью нескольких систем.

    1. GPS. Является базовой точкой отсчёта местоположения и позволяет автоавтомобилю выстраивать маршрут. Эта технология имеет ряд значительных ограничений. Во-первых, ее использование требует «прямой видимости неба», что исключает возможность ее применения в туннелях, закрытых парковках и, даже, в лесу. Но, что еще важнее, GPS не обладает достаточной точностью для реализации поставленной задачи. Погрешность этой технологии колеблется в пределах метров, а когда речь идет о движении по оживленной улице, значение имеет каждый сантиметр. «Мы часто используем GPS, как точку отсчета в алгоритме локализации» — говорит Маддерн — «но мы не полагаемся на него, когда определяем, в какой полосе находится автомобиль».

    Однако, GPS всё же может достигать сантиметровой точности.
    Ученые описали свою технологию в журнале «GPS World» в феврале этого года. После этого они провели эксперименты с 5$ антенной, которая более высококачественная, чем антенны смартфонов. Самым важным достижением команды Хамфриса стало создание мощного и чувствительного программно-конфигурируемого GPS-приемника GRID.
    Хамфрис говорит, что они использовали эту антенну и свое программное обеспечение с телефоном Samsung Galaxy для генерирования трехмерной карты крыши своего здания, основываясь на глобальных координатах с точностью до двух сантиметров.
    Им также удалось отслеживать с той же точностью гарнитуру виртуальной реальности, а также наклоны и повороты с точностью до градуса.

    С другой стороны это очень похоже на использование акселерометра\гироскопа, так что может быть фейком.
    Ну и, конечно, можно понатыкать везде базовых станций для уточнения сигнала GPS.

    2. Лидар.
    Представляет собой лазерный радар\зд-сканер. С помощью его данных автоавтомобиль выстраивает 3х-мерную карту местности из облака точек. Выглядит это примерно вот так.

    С помощью облака точек легко определить скорость и размеры объектов.
    Однако, главный недостаток лидара — цена. Он может стоить от 8 000$ до 80 000$. Что дороже самого авто. Tesla Motors по этой причине не использует лидар в своём автопилоте, если я не ошибаюсь. Однако, не всё так грустно.
    Злобные военные Пиндостана умудрились избавится от механики, карданова подвеса, линз, сервоприводов и прочего с помощью лазера и Фазированной антенной Решётки. Всё это удалось уместить на обычный микрочип, повысив надёжность и увеличив скорость сканирования в тысячи раз.

    58 млн. Лучше, чем тратить столько же миллиардов на олимпиаду. Это будет реальное машинное зрение.

    А тем временем компания Quanergy Systems, офис который располагается в небольшом городке Саннивейл в округе Санта-Клара штата Калифорния, заявила, что она сможет предложить лазерный сканирующий дальномер (LIDAR) стоимостью 250$ и размером с кредитную карту уже в следующем году. В 2020 году она обещает сенсор размером с почтовую марку и стоимостью 100$ или даже дешевле. «Это стало возможным благодаря твердотельной лазерной системе»- говорит исполнительный директор компании Louay Eldada, научная работа которого, благодаря которой он получил ученую степень в Колумбийском университете, легла в основу технологии. Eldada продемонстрировал 1000$ версию сканирующего дальномера в Детройте и заявил, что компания представит более дешевый 250$ твердотельный сенсор на выставке Consumer Electronics Show в январе 2020 года. Он отказался от сообщения подробностей того, каким образом может функционировать такая система. Сенсор Quanergy не будет иметь вращающихся частей и Eldada говорит, что он будет стабильно работать в условиях, когда идет дождь или снег.

    Так что не только вояками жив Пиндостан. Почему-то мне кажется, что это одна и та же технология. В любом случае ждём с нетерпением.

    3. Камеры.
    Камеры могут использоваться как для построения 3Д так и для получения обычной картинки для распознавания. Как из камер получают трёхмерное представление я описывал в статье, посвящённой виртуальной реальности.

    Одной из основных задач в стереовидении является проблема соответствия: для данной точки на одном изображении, как найти ту же точку на снимке с другой камеры? До того, пока соответствие не установлено​, разница и, следовательно, глубина, не могут быть точно определены. Решение задачи нахождения соответствия включает сложные, затратные по вычислениям алгоритмы выделения элементов и их сопоставления. Выделение элементов и их сопоставление также требует достаточной интенсивности и изменчивости цвета на изображении для устойчивой корреляции. Это требование делает стерео зрение менее эффективным, если предметы не обладают такой изменчивостью.

    Учитывая проблемы и низкую производительность перевода стереокартинки в зд, всё же для получения зх-мерных данных приходится пользоватся лидаром. Кроме того, камеры сильно зависят от погоды и освещения. Ночью они практически не работают. Лидар более приспособлен для таких условий. Но попытки работать с камерами, конечно, ведутся. Это самый дешёвый способ.

    Так что камеры в основном используются для распознавания изображений. Для определения знаков, разметки, людей, объектов. А вот данные о их месторасположении и скорости берутся в основном с лидара.

    Хотя авторы нейронной сети SegNet утверждают, что смогут обойтись и без него.

    Как говорится в пресс-релизе, первая часть системы берёт изображение улицы, которой ещё нет в её базе, и классифицирует её, распределяя объекты в 12 разных категорий — дороги, уличные знаки, пешеходы, здания, велосипедисты и так далее. Всё это — в режиме реального времени. Система может работать со светом, тенями и ночными окружениями, и на данный момент корректно классифицирует более 90 % пикселей. Впрочем, этого пока не хватает для автоавтомобиля. А также непонятно, как система сможет определять направление и скорость других участников дорожного движения.

    Программное обеспечение.
    Как вы уже заметили, для самодвижущихся тележек активно используют нейронные сети. На всех этапах. От распознавания образов до планирования действий. И это даёт заметный результат, хотя, в отличии от традиционного программирования вовсе его не гарантирует. Нейронные сети оказались настолько эффективными, что даже хакер-одиночка бросает вызов громадным корпорациям всего через пару месяцев работы над проектом, запилив свою повозку с блекджеком и шлюхами.

    Нейросети для авто являются сложными, многоуровневыми, глубокими.
    Цель внешнего слоя — обработать информацию и донести до «ядра» примерно такую трёхмерную сцену

    Хотя в реальности она выглядит скорее так:

    Ну и, конечно, для такого программного обеспечения требуется соотвествующее аппаратное обеспечение. При работе с беспилотным автомобилем нам однозначно понадобятся нейросети и распознавание изображений.
    И Nvidia выпустила суперкомпьютер для энтузиастов беспилотного вождения. Drive PX 2.
    Суммарно на плате 2 SoC-процессора. В каждом 2 ядра Denver ARMv8 и 4 ядра Cortex-A57(могли бы и Cortex-A72 поставить) и 2 видеоускорителя архитектуры Pascal. Именно эти GPU и дают основную производительность. А её не мало, около 8 терафлопс. Конечно, за всё это великолепие приходится платить, и нетолько деньгами. Несмотря на самый современный техпроцесс в 16 нм, плата греется, что чайник и требует принудительного жидкостного охлаждения. Кроме того с железкой идёт нейросеть, которую месяц обучали на миллионе изображений и другие программные ништяки, вроде облачных сервисов и тд и тп.

    Куда девать старую машину?
    Хорошо, допустим беспилотные машины покорят автотрассы. Но это случится очень нескоро, ведь автопарк полностью не заменить в ближайшее время. А значит, будет выгоднее содержать живых водителей на старых автомобилях.
    Однако, на самом деле давно существуют комплекты для переделки обычного автомобиля в автомобиль на радиоуправлении.

    Даже ИГИЛовцы пользуются подобными технологиями. Хрен с ними, арабами. Даже русские так умеют с самолётами и катерами.
    Так что никуда старый автопарк не денется. А вот водителям стоит подготовиться к работе в ночную смену. Пока.
    Профсоюзы водителей, конечно, будут против. Будут погромы, луддитство, подстроенные аварии. Но прогресс не остановить.

    Общие итоги.
    В скором времени, очевидно, технологии выйдут на уровень недорого беспилотного автомобиля. Лидары дешевеют, распознавание образов развивается, нейросети обучаются.
    Количество перерастает в качество, качество в массовость, массовость в доступность.
    Если, конечно, дебильные «драйв-ассистенты» не натворят кучу аварий с заснувшими водилами и от разработок беспилотного транспорта придётся временно отказаться под влиянием общественности.

    Российские беспилотные автомобили от Cognitive Technologies

    Видеопробег беспилотного автомобиля

    Прототип системы автономного вождения C-Pilot от Cognitive Technologies на автомобиле Nissan. C-Pilot включает оптические камеры, радары, лидары и другие датчики для обнаружения предметов, а также сенсоры позиционирования на базе ГЛОНАСС/GPS, электронные гироскопы и мощный бортовой вычислитель.

    В России системами беспилотного вождения занимается компания Cognitive Technologies, издавна специализировавшаяся на распознавании изображений и машинном зрении, и технологии этой компании для беспилотного транспорта уже вовсю тестируются на российских полигонах. О технологии беспилотных автомобилей, которой в ближайшем будущем вы вверим свои жизни, мы поговорили с директором департамента разработки беспилотных транспортных средств Юрием Минкиным.

    Главное отличие российской системы от конкурентов кроется в возможностях нашего искусственного интеллекта обрабатывать информацию о дорогах с плохой разметкой и большими вертикальными колебаниями в неблагоприятных погодных условиях — под снегом разметку увидеть просто невозможно. Поэтому Cognitive Technologies использует технологию виртуального туннеля, в основе которого лежит принцип внутреннего самоподобия изображения текущей дорожной ситуации (дорожной сцены) и последующей. Искусственный интеллект пытается предсказать продолжение дороги по разнообразным признакам, присущим дорожному полотну — будь это автомагистраль, проселочная или грунтовая дорога, — используя предыдущий опыт и все возможные данные. Этот механизм работает достаточно хорошо.

    Почувствуйте разницу

    Автопилот видит даже лучше обычного водителя. Главный источник информации, как и у людей, «глаза»-видеокамеры. Если их забрызгать грязью или снегом, они ничего не увидят. Поэтому размещают их в очищаемых областях — как правило, за лобовым стеклом и за задним стеклоочистителем. «Подстраховывают» видеокамеры и простреливают слепые зоны радары, которые менее чувствительны к помехам. Но у радара есть другие ограничения — он не может читать дорожные знаки и разметку. И низкая разрешающая способность — он «видит» отраженный сигнал, но не всегда может понять, от чего он исходит. Это мост или фура, которая перегородила дорогу? А совокупность радара и камер позволяет строить точную картинку.

    Это должен знать каждый водитель:  Opel Astra GTC, Opel Astra OPC быстрее быстрого

    Еще одна фишка Cognitive Technologies — технология фовеального (или центрального) зрения, аналогичного человеческому. Человек в высоком разрешении видит только довольно узкий фронтальный сектор, а периферийные области несколько размыты. Точно так же Cognitive Technologies качественно обрабатывает всего 5−7% видимой области, которые и содержат наиболее важную информацию для оценки дорожной ситуации, при этом отбрасывая более 95% «шума». Это экономит вычислительные ресурсы и, следовательно, влияет на скорость реакции системы, а она критическая: как правило, на принятие решения уходят миллисекунды.

    Еще одно ноу-хау — функция гиппокампа, моделирования человеческой кратковременной памяти. «Мы получаем информацию не по одному кадру, но и по предыдущим, — говорит Юрий Минкин. — Например, видим на кадре не полный объект, а обрезанный. Часть пешехода на обочине. Мы возвращаемся к предыдущим кадрам и смотрим, что там было, наверняка этот объект попадал в кадр целиком. И восстанавливаем сцену».

    Как действует технология виртуального туннеля, лучше один раз увидеть, чем сто раз прочитать. Искусственный интеллект на основе нейронных сетей уже сейчас довольно точно строит продолжение дороги, используя довольно скудную информацию.

    К 2020 году Cognitive Technologies совместно с КамАЗ собираются создать на базе автомобиля КамАЗ беспилотник нового поколения, способный функционировать на дорогах междугороднего сообщения. Государство выделило на реализацию этого проекта 300 млн рублей.

    Пост был сделан с содействием блогера Евгений Супер !

    Беспилотные автомобили: на что они способны на самом деле

    Автомобили без водителя уже ездят по реальным дорогам, а не только существуют в фантастических фильмах. Как они вообще не врезаются во все подряд и в какие аварии уже попадали? Стоит ли искать новую работу и правда ли их всех скоро заменят роботы?

    К беспилотности дело идет давно — автопроизводители в последние годы внедрили даже в свои рядовые модели массу технологий, думающих за водителя, а иногда и действующих за него при сохранении дистанции в потоке, автоматической парковке или торможении перед препятствием. Уже сейчас это позволяет предотвращать аварии.

    Но каким же будет полностью беспилотный автомобиль? Скорее всего, у него вовсе исчезнут и руль, и педали, а останется только компьютер и, может быть, кнопка экстренной остановки. За дорогой в существующих разработках следят несколько радаров и видеокамер, а еще прибор под названием лидар — с помощью лазера он формирует трехмерную картину окружающего пространства. А главное — совершенствуются «мозги» машины — программы, которые в режиме реального времени обрабатывают всю поступающую информацию, чтобы вовремя на нее реагировать и отдавать команды на поворот или торможение. Приятно, что одна из перспективных разработок в этой области — российская. В отличие от конкурентов, наши ориентируются на работу системы в любую погоду и на любых дорогах.

    Тут даже в степени воплощена функция гиппокампа — отдела человеческого мозга, отвечающего за кратковременную память. То есть отечественная система, глядя на пешеходный переход с растущим неподалеку деревом, способна «вспомнить», что к переходу шел человек, которого дерево потом закрыло, и трагедии не случится. Кстати, как говорят российские специалисты, именно отсутствие подобной самообучаемости, скорее всего, и привело к единственной пока смертельной аварии с участием автопилота. Известный американский электромобиль, где есть опция автономной езды, не распознал грузовик, который своей окраски как бы потерялся на фоне неба. Человек бы понял, что таких странных кусков неба с колесами не бывает, а компьютер не смог. Водитель тогда погиб, не успев вовремя взять управление на себя.

    Существующие системы пока не позволяют полностью доверить им жизнь. Недавние полевые тесты в США показали: даже продвинутая версия автопилота не смогла самостоятельно проехать на оживленной трассе и полутора километров — испытателю приходилось хвататься за руль и уворачиваться от столкновения. Искусственный интеллект временами сам ставит в тупик других водителей своим нетипичным поведением: он неспособен, например, проявить доброту и пропустить соседа, который явно на это рассчитывает. Впрочем, разработчики уверены: вскоре автопилоты повысят безопасность движения, потому что исключат ненадежный человеческий фактор.

    Конечно, предстоит решить еще множество технических проблем. В том числе определиться, какой алгоритм заложить в машину на случай тяжелого морального выбора — например, если нет других вариантов, кроме как сбить пешехода или выехать на встречку и неминуемо попасть в аварию. Ученые в США сейчас проводят опросы людей, чтобы выяснить границы общественной приемлемости того или другого сценария. Пока же лучше всего беспилотные авто чувствуют себя на закрытых территориях, без насыщенного движения. Автономные автобусы, например, уже вовсю ходят в лондонском аэропорту Хитроу между терминалом 5 и платной парковкой. В России тоже работают над своим электроавтобусом с автопилотом.

    Подробности — в видеоматериале программы «Чудо техники».

    Краткая история развития беспилотных автомобилей

    В последнее время буквально каждый день выходит новость, так или иначе, связанная с беспилотными автомобилями. Все крупные автоконцерны активно занимаются разработками робомобилей и технологий для них. У многих людей может возникнуть ложное мнение, что история развития беспилотных транспортных средств берет свое начало в XXI веке. Однако мало кто знает, что первые попытки создания полностью автономного автомобиля были предприняты еще в 1980 году. Например, если зайти в архив статей The New York Times, то по запросу «unmanned vehicles», появится большое количество материала 15 летней давности.

    Существуют разные данные, когда точно появились первые полностью автономные транспортные средства. Фактом остается то, что изначально все подобные разработки создавались для военных целей. В начале XX века стали вестись первые исследования в области беспилотных летательных аппаратов. Еще 1916 году Арчибальдом Лоу был создан первый дрон — самолет на радиоуправлении. Во время Первой мировой войны уже активно применялись воздушные торпеды и самоходные немецкие мины.

    Впрочем, до середины XX века разработки в области беспилотных технологий носили скорее экспериментальный, чем практический характер, и, так или иначе, без непосредственного участия человека ни одна модель не обходилась. Беспилотные автомобили, как и летающие дроны, вначале были обычными прототипами на дистанционном управлении, и лишь постепенно становились автономными.

    От научных экспериментов до робомобилей Google

    Первые эксперименты по созданию беспилотной машины датируются началом 1960-х годов. В 1961 году студент Стэнфордского университета Джеймс Адамс в рамках своей научной работы создал прототип самоуправляемой тележки, более известной, как «Стэнфордская тележка».

    Самая первая модель управлялась посредством передачи сигнала через кабель. Второй прототип Адамс уже сделал радиоуправляемым. В 1970-х годах математик Джон Маккарти усовершенствовал тележку, оснастив ее системой технического зрения, с помощью которого устройство могло частично автономно двигаться, ориентируясь на белую линию. Тележка также имела несколько камер, дальномер и четыре канала для сбора информации. Более того Маккарти были предприняты попытки создания трехмерного картографирования окружающей обстановки.
    В последующие годы основные усилия инженеров в основном были направлены на разработку уже полностью автономного, а не дистанционного управляемого транспорта. На начальных этапах наибольших успехов добились ученые из США, Японии и Германии. Так, по утверждениям независимых экспертов, первый полностью автономный автомобиль удалось создать группе немецких исследователей под руководством пионера робототехники Эрнста Дикманса в 1980 году.

    По данному проекту Дикмансом было написано несколько научных работ, в которых детально описывается каждая деталь робомобиля. Удивительно, но многие технологии, применяемые более 30 лет назад, по сути, предвосхитили многое из того, что сейчас применяется в современных беспилотниках. Для должной работы своего автомобиля группа немецких ученых применила так называемый фильтр Калмана, параллельные вычислительные механизмы и имитацию саккадического движения глаз. По факту эта система представляла собой модель машинного обучения, способная адекватно оценивать всю окружающую обстановку.
    На основе разработок Дикманса с 1987 по 1995 год действовал проект «Прометей», направленный на совершенствование беспилотных автомобилей. В «Прометей» было вложено более $1 млрд., что сделало его самым дорогим в истории проектом по созданию роботизированных автомобилей. В 1994 году автомобиль «VAmP» Mercedes оборудованный технологиями Дикманса на протяжении нескольких часов самостоятельно на скорости до 130 км/ч передвигался по улицам Парижа, поворачивал, обгонял другие автомобили и перестраивался из одной полосы в другую.

    В середине 1990-х годов большой толчок к развитию беспилотных автомобилей дал прорыв в области искусственного интеллекта, нейронных сетей и машинного обучения. В 2004 году прошло первое в мире соревнование с участием роботов-автомобилей DARPA Grand Challenge, а еще спустя шесть лет Google протестировала свои первые робомобили. После этого идею создания беспилотных автомобилей подхватило большинство крупных автомобильных компаний. В настоящее время наиболее крупными игроками в этой сфере являются компании General Motors, Volkswagen, Audi, BMW, Volvo, Nissan, Google, Tesla Motors и другие.

    Итоги и перспективы

    Как можно наблюдать, большинство технологий, применяемых в современных беспилотных автомобилях (радары, лидары, различные датчики, системы спутниковой навигации, бортовые компьютеры, камеры и т.д.), были созданы еще более 20 лет назад. Тогда почему беспилотные автомобили до сих пор плотно не вошли в нашу жизнь? По сути, на этот вопрос ответил тот же Дикманс в одной из своих работ. Он сказал, что для того, чтобы робомобиль научился делать все то, что умеет делать профессиональный водитель, ему нужно научиться обрабатывать огромный объем информации и адекватно ее применять в сложной дорожной обстановке.

    Поэтому, как полагают ученые, чем дольше автомобиль будет находиться в движении, тем он в большей мере будет получать и применять необходимую информацию. Например, в автомобиль Google перед поездкой заранее устанавливаются карты с маршрутами. Но что делать, если автомобилю придется передвигаться по незнакомым маршрутам? В компании пока не могут дать четкий ответ на этот вопрос. На помощь этой и не только проблеме пришли технологии больших данных, с помощью которых беспилотный автомобиль будет получать, и передавать большие объемы актуальной информации. Кроме того, для нормального функционирования робомобилей требуется существенно изменить дорожную инфраструктуру.
    Несмотря на все сложности в интеграции беспилотных автомобилей в современную жизнь, существует одно большое преимущество, которое оправдывает все усилия и финансовые затраты. По официальным данным, в дорожно-транспортных происшествиях ежегодно погибает 1,3 млн. человек. Если в ближайшее десятилетие, доля беспилотных автомобилей составит хотя бы 10%, ежедневно удастся избежать тысяч смертей.

    Понравилась статья? Поделиться с друзьями:
    Всё про автомобили
    Добавить комментарий

    ;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: