Le prime applicazioni dei veicoli a guida autonoma saranno probabilmente su fuoristrada. Infatti queste possono avvenire in aree ad accesso controllato, dove il rischio di collisioni con persone o altri veicoli è limitato.
Un veicolo fuoristrada (ATV), noto anche come veicolo utilitario leggero (LUV), è un quad che viaggia su pneumatici a bassa pressione. E’ progettato per gestire una più ampia varietà di terreni rispetto alla maggior parte degli altri veicoli.
Gli ATV sono destinati all’uso da parte di un unico operatore. Alcune società hanno sviluppato ATV destinati all’uso da parte dell’operatore e di un passeggero. Questi ATV sono indicati come ATV tandem.
La guida fuoristrada autonoma, tuttavia, è più impegnativa della guida su strada autonoma, perché occorre comprendere le dinamiche del terreno per guidare in sicurezza e reagire più velocemente.
Superare il sistema delle mappe annotate
Le passate ricerche sulla guida fuoristrada hanno spesso comportato mappe annotate. Queste prevedono etichette come fango, erba, vegetazione o acqua per aiutare il robot a comprendere la conformazione del terreno.
Tuttavia spesso questo tipo di informazioni non è disponibile per percorsi imprevedibili. Inoltre, anche quando lo è, potrebbe non essere utile. Un’area della mappa etichettata come “fango”, ad esempio, può essere percorribile o meno.
I robot che capiscono le dinamiche possono ragionare sul mondo fisico. Pertanto i ricercatori della Carnegie Mellon University hanno portato un veicolo fuoristrada su percorsi selvaggi attraverso erba alta, ghiaia sciolta e fango. Scopo delle prove è stato raccogliere dati su come l’ATV ha interagito con un ambiente fuoristrada impegnativo.
Prove in condizioni dure per raccogliere dati
I ricercatori hanno guidato l’ATV pesantemente strumentato in modo aggressivo a velocità elevate. Hanno derapato in curva, l’hanno portato su e giù per le colline e l’hanno persino bloccato nel fango. Il tutto mentre raccoglievano informazioni come la velocità di ciascuna ruota e i dati degli ammortizzatori dotati di sette tipi di sensori.
Il set di dati risultante, chiamato TartanDrive, include circa 200.000 di queste interazioni nel mondo reale. I ricercatori ritengono che i dati siano il più grande set di dati di guida fuoristrada nel mondo reale, sia in termini di numero di interazioni che di tipi di sensori. Le cinque ore di dati potrebbero essere utili per addestrare un veicolo a guida autonoma alla guida fuoristrada.
I dati dei sensori multimodali raccolti per TartanDrive hanno consentito di costruire modelli di previsione superiori a quelli sviluppati con dati più semplici e non dinamici. Guidare in modo aggressivo ha anche spinto l’ATV a un livello di prestazioni in cui la comprensione della dinamica è diventata essenziale.
Le azioni dell’uomo come esperienza per il robot
I test sono stati eseguiti dal team in un sito vicino a Pittsburgh che il National Robotics Engineering Center della CMU utilizza per testare veicoli fuoristrada autonomi.
Gli esseri umani guidavano l’ATV, sebbene utilizzassero un sistema drive-by-wire per controllare lo sterzo e la velocità.
“Abbiamo costretto l’essere umano a passare attraverso la stessa interfaccia di controllo del robot”, ha detto Wenshan Wang, un docente membro del team dell’Istituto di Robotica. “In questo modo, le azioni compiute dall’uomo possono essere utilizzate direttamente come input per come dovrebbe agire il robot“.
0 commenti