Как беспилотные автомобили справляются с российской зимой
Минувшая зима в Москве выдалась снежной, но несмотря на сугробы и снегопады беспилотные автомобили Яндекса продолжали выезжать на улицы города. Ребята из Яндекса расскажут, какие трудности могут возникнуть на дороге в холодное время года и как их машины с ними справляются.
Первые беспилотные автомобили Яндекса появились на дорогах в 2017 году. С тех пор машины проехали больше десяти миллионов километров, в основном — по Москве. Условия в столице — одни из самых сложных: здесь загруженные дороги, причудливая сеть улиц и переулков и разнообразная погода, от жары до стужи.
Зима 2020/21 запомнится москвичам обильными снегопадами; один из них — в субботу, 13 февраля — стал рекордным за всю историю наблюдений. Но несмотря ни на что автомобили продолжали выезжать на улицы. Яндекс рассказывает, какие трудности могут возникнуть зимой и как наши машины с ними справляются.
Плохая видимость во время снегопада
Данные о том, что окружает автомобиль, собирают датчики, в том числе лидары. Лидары испускают лучи, которые отражаются от объектов и возвращаются обратно. Получается лидарное облако — совокупность точек с известными координатами.
Когда идёт снег, часть лучей может отражаться от снежинок. Поскольку лидары генерируют более миллиона лучей в секунду, подавляющее большинство доходит до объектов. Шум, который может появиться на лидарном облаке из-за снежных отражений, устраняет нейронная сеть. Вот результат её работы:
Пар
В холодную погоду из выхлопных труб автомобилей, вентиляционных шахт и даже ливнёвок идёт густой пар. Он бывает настолько плотным, что на лидарном облаке может выглядеть как физическое препятствие. Здесь на помощь снова приходят нейронные сети — они распознают пар и отфильтровывают его. Чтобы нейросети могли уверенно различать, где завеса пара, а где настоящий объект, их обучают на записях, сделанных во время поездок зимой. Зимний пробег беспилотных автомобилей составляет уже несколько миллионов километров.
На картинке можно рассмотреть, как выглядит лидарное облако до и после фильтрации, и оценить по картинке с камеры реальную ситуацию на дороге:
До фильтрации
После фильтрации
Рамкой выделен скрытый за паром пешеход
Обратите внимание, что благодаря лидарам система распознала пешехода на краю дороги даже за облаком пара. По изображению с камеры видно, что водителю-человеку было бы гораздо сложнее разглядеть пешехода в таких условиях:
Непредсказуемое дорожное покрытие
Снег на дороге может быть свежим и рыхлым или жёстким, слежавшимся. А порой он выглядит безобидно, но на самом деле под ним скрывается лёд. Все эти варианты могут встретиться в течение одного дня или даже одной поездки.
Чтобы ездить безопасно, нужно уметь адаптироваться под разное покрытие. Мы научили систему беспилотного управления определять коэффициент трения и учитывать его при планировании дальнейших действий. Зная значение этого параметра, можно точнее оценить доступное ускорение и длину тормозного пути, и решить, стоит ли перестраиваться в другой ряд, какую дистанцию держать, за сколько замедляться перед светофором и так далее.
Погодные условия влияют на множество решений системы, от определения траектории поворота до выбора максимальной скорости. На этом видео — одна из поездок по Москве в сильный снегопад:
Изменившиеся очертания улиц
В память беспилотного автомобиля загружена трёхмерная карта местности. Во время движения он постоянно сопоставляет её с данными лидара и таким образом определяет своё местоположение с точностью до сантиметра.
После снегопада город меняется до неузнаваемости. Дорожная разметка может быть скрыта под снегом, границы проезжей части — незаметны. Когда снег убирают, кое-где могут вырасти сугробы с двухэтажный дом.
Наши автомобили сохраняют способность отлично ориентироваться в пространстве даже в таких условиях. Во-первых, система беспилотного управления использует не один, а сразу несколько источников данных: это и лидарное облако, и показания инерциальных измерителей (IMU), и одометрия. Сопоставив данные друг с другом, можно с высокой точностью установить, где находится машина, в том числе и в сложной ситуации — например, когда проскальзывают колёса и срабатывает ABS.
Во-вторых, мы научили систему беспилотного управления автоматически обновлять 3D-карту. Если там, где раньше было пустое место, теперь огромный сугроб, система «увидит» его, и сугроб станет одним из объектов на карте.
На этих картинках можно сравнить, как выглядит одна и та же улица в обычное время и после обильных снегопадов:
В обычное время
После снегопада
Цветом показана высота, красный — выше 3 м
Это далеко не все трудности, которые беспилотные автомобили должны успешно преодолевать зимой. В холодное время года в городе больше дорожной техники. Из-за сугробов проезжая часть становится уже. Мест для парковки меньше, и многие паркуются вторым рядом. Чаще возникают пробки, и самые нетерпеливые участники движения пытаются объехать их по встречной полосе. Не стоит забывать и о пешеходах — в морозные дни они торопятся скорее попасть в тёплый дом или офис и срезают путь, пересекая проезжую часть не по пешеходному переходу. На этом видео — одна из поездок по центру Москвы после обильных снегопадов:
Яндекс хочет создать универсальную технологию, которая способна безопасно и эффективно управлять автомобилем в разных городах и странах. Для этого необходимо постоянно тестировать её в сложной погодной и дорожной обстановке. Москва — прекрасный город для тестов: здесь сменяют друг друга четыре сезона, а в течение года бывают все виды плохой погоды. Поездки в Москве позволяют подготовить технологию к работе в регионах с самым разнообразным климатом.
Информация взята из открытого источника.
- Комментарии
