El científico informático de la Universidad de Maryland, Dinesh Manocha, en colaboración con un equipo de colegas de Baidu Research y la Universidad de Hong Kong, ha desarrollado un sistema de simulación fotorrealista para entrenar y validar vehículos autónomos. El nuevo sistema proporciona un sistema más rico, simulación más auténtica que los sistemas actuales que usan motores de juegos o gráficos de computadora de alta fidelidad y patrones de tráfico matemáticamente representados.
Su sistema, llamado Simulación de conducción autónoma aumentada AADS, podría hacer que la tecnología de conducción autónoma sea más fácil de evaluar en el laboratorio al tiempo que garantiza una seguridad más confiable antes de que comiencen las costosas pruebas en carretera.
Los científicos describieron su metodología en un artículo de investigación publicado el 27 de marzo de 2019 en la revista Ciencia Robótica .
"Este trabajo representa un nuevo paradigma de simulación en el que podemos probar la confiabilidad y seguridad de la tecnología de conducción automática antes de implementarla en autos reales y probarla en las autopistas o carreteras de la ciudad", dijo Manocha, uno de los autores correspondientes del artículo.y un profesor con citas conjuntas en informática, ingeniería eléctrica e informática, y el Instituto de Estudios Avanzados de Computación de la Universidad de Maryland.
Un beneficio potencial de los autos autónomos es que podrían ser más seguros que los conductores humanos que son propensos a distracciones, fatiga y decisiones emocionales que conducen a errores. Pero para garantizar la seguridad, los vehículos autónomos deben evaluar y responder al entorno de conducción sinfallar. Dadas las innumerables situaciones que un automóvil puede encontrar en la carretera, un sistema de conducción autónomo requiere cientos de millones de millas en pruebas de manejo en condiciones difíciles para demostrar la confiabilidad.
Si bien eso podría llevar décadas en el camino, las evaluaciones preliminares podrían llevarse a cabo de manera rápida, eficiente y más segura mediante simulaciones por computadora que representen con precisión el mundo real y modelen el comportamiento de los objetos circundantes. Sistemas de simulación actuales de última generacióndescrito en la literatura científica no es suficiente para representar entornos fotorrealistas y presentar patrones de flujo de tráfico del mundo real o comportamientos del conductor.
AADS es un sistema basado en datos que representa con mayor precisión las entradas que recibiría un automóvil autónomo en la carretera. Los automóviles autónomos se basan en un módulo de percepción, que recibe e interpreta información sobre el mundo real, y un módulo de navegaciónque toma decisiones, como dónde dirigirse o si se debe romper o acelerar, según el módulo de percepción.
En el mundo real, el módulo de percepción de un automóvil autónomo generalmente recibe información de cámaras y sensores lidar, que utilizan pulsos de luz para medir las distancias del entorno. En la tecnología de simulador actual, el módulo de percepción recibe información de la computadoraimágenes y patrones de movimiento modelados matemáticamente para peatones, bicicletas y otros automóviles. Es una representación relativamente cruda del mundo real. También es costoso y requiere mucho tiempo de crear porque los modelos de imágenes generados por computadora deben ser generados a mano.
El sistema AADS combina fotos, videos y nubes de puntos lidar, que son como representaciones de formas en 3D, con datos de trayectoria del mundo real para peatones, bicicletas y otros automóviles. Estas trayectorias se pueden usar para predecir el comportamiento de conducción yPosiciones futuras de otros vehículos o peatones en el camino para una navegación más segura.
"Estamos renderizando y simulando visualmente el mundo real, usando videos y fotos", dijo Manocha, "pero también estamos capturando comportamientos reales y patrones de movimiento. La forma en que los humanos manejan no es fácil de capturar por modelos matemáticos y leyesde física. Entonces, extrajimos datos sobre trayectorias reales de todo el video que teníamos disponible, y modelamos comportamientos de manejo usando metodologías de ciencias sociales. Este enfoque basado en datos nos ha dado un simulador de tráfico mucho más realista y beneficioso ".
Los científicos tuvieron que superar un desafío de larga data al utilizar imágenes de video reales y datos LIDAR para su simulación: cada escena debe responder a los movimientos de un automóvil autónomo, aunque esos movimientos no hayan sido capturados por la cámara original osensor lidar. Cualquier ángulo o punto de vista que no sea capturado por una foto o video tiene que ser renderizado o simulado usando métodos de predicción. Es por eso que la tecnología de simulación siempre se ha basado tanto en gráficos generados por computadora y técnicas de predicción basadas en la física.
Para superar este desafío, los investigadores desarrollaron tecnología que aísla los diversos componentes de una escena callejera del mundo real y los presenta como elementos individuales que se pueden volver a sintetizar para crear una multitud de escenarios de conducción fotorrealistas.
Con AADS, los vehículos y los peatones pueden levantarse de un entorno y colocarse en otro con la iluminación y los patrones de movimiento adecuados. Las carreteras se pueden recrear con diferentes niveles de tráfico. Múltiples ángulos de visión de cada escena proporcionan perspectivas más realistas durante los cambios de carril yAdemás, la avanzada tecnología de procesamiento de imágenes permite transiciones suaves y reduce la distorsión en comparación con otras técnicas de simulación de video. Las técnicas de procesamiento de imágenes también se utilizan para extraer trayectorias y, por lo tanto, modelar comportamientos del conductor.
"Debido a que estamos usando videos del mundo real y movimientos del mundo real, nuestro módulo de percepción tiene información más precisa que los métodos anteriores", dijo Manocha. "Y luego, debido al realismo del simulador, podemos evaluar mejor la navegaciónestrategias de un sistema de conducción autónomo ".
Manocha dijo que al publicar este trabajo, los científicos esperan que algunas de las corporaciones que desarrollan vehículos autónomos puedan incorporar el mismo enfoque basado en datos para mejorar sus propios simuladores para probar y evaluar sistemas de conducción autónomos.
Puede ver una demostración en video del sistema AADS aquí: http://www.youtube.com/watch?v=OfxqXhcMH5g&feature=youtu.be
Fuente de la historia :
Materiales proporcionados por Universidad de Maryland . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :