Self-driving is one of the greatest challenges of our age. For the first time, we have the technological background, spatial and temporal resolution for a robotic system to fully understand its surroundings.
This means that automated systems are now capable of controlling a vehicle at speeds of 130 km/h (80 mi/h) being aware that any mistake can cost human lives. Self-driving systems do this by recognizing their surroundings and understanding the kinematic characteristics of each object in every moment with negligible uncertainty. They will then define the safe free space, the trajectory and route they should follow to reach a destination.
Az elmúlt héten kétszer is írtam azokról a kutatásokról, amikben a modern képfelismerő rendszerek átverhetőségét vizsgálták. Az önvezető autók köréből is hoztak konkrét példákat, hiszen ezekben kritikus lehet a jelzések és a forgalmi szituációk helyes értelmezése. A kutatók példái csak a táblákra vonatkoztak. Forgalmi helyzetek, mozgásban lévő objektumok még bonyolultabb kérdéseket vetnek fel.
Az AImotive (korábban ADASworks) nevű magyar cég másoktól kissé eltérő utat jár be az önvezető autókhoz szükséges műszaki megoldások fejlesztésében. Megközelítésük az, hogy olcsó, akár utólag is az autóba építhető, látáson (kamerákon) alapuló rendszerekkel lehet a környezet észlelését a legjobban megoldani. Ezek a Google által preferált Lidar (lézeres) eszközök árának töredékébe kerülnek.
Az AImotive szenzorokkal foglalkozó vezetője (dr. Kozma Péter) most arról ír, hogy milyen integrációs problémákat kell kezelni, amikor több szenzort, és különböző típusú szenzorokat használunk az autóban. Összhangban kell lenniük a térbeli pozícióknak, az óráknak szinkronban kell lenniük, és végül: a központi egységnek helyesen kell értelmeznie a kapott információkat – akkor is, ha valamelyik szenzor hibázik.
Az még nem világos számomra, hogy a korábbi példákban szereplő értelmezési hibákat ezzel a módszerrel hogyan lehet kezelni…
#AImotive #ADASworks #AI #selfdriving #autonomous @AImotive #sensors #lidar #visual