A mesterséges intelligencia diadala: önvezető tandem driftet mutatott be két Toyota Supra
A Toyota Kutatóintézet három évvel ezelőtt már ámulatba ejtette a világot, amikor bemutatott egy Toyota Supra sportautót, amely önvezető üzemmódban száguldott végig egy versenypályán majd ugyancsak autonóm módon, sofőr nélkül driftelt. A mesterséges intelligencia területét értintő fejlesztések azóta világszinten exponenciálisan felgyorsultak, az MI mellett a robotikában is a világ egyik vezető fejlesztőjének számító Toyota pedig több áttörést is elért, elég ha csak a robotok minden korábbinál gyorsabb és precízebb, akár flottaszintű tanulását lehetővé tévő nagy viselkedési modellek terén elért előrelépésekre gondolunk. A vezetés biztonságának fokozását célzó, mesterséges intelligencia alapú kutatás eredményeinek újabb demonstrációjaként a Toyota és a Stanford Engineering most szintet lépett, és megvalósította a világ első, teljesen autonóm tandem driftjét.
A Toyota Kutatóintézet (Toyota Research Institute, azaz TRI) és a Stanford Engineering világújdonságot jelentett be a vezetési kutatások terén: sikerült megvalósítaniuk két autó autonóm tandem driftjét. A két mérnökcsapat közel hét éve működik együtt a vezetés biztonságosabbá tételét célzó kutatásokban. A kísérletek a „driftelésnek” nevezett motorsport manővert automatizálják, amelynek lényege a hátsó kerekek tapadásvesztését követő kontrollált csúszás – ez a tudás pedig elősegítheti a havon vagy jégen való kicsúszás megakadályozását is. Egy második, tandemben driftelő autó hozzáadásával a csapatok most még jobban szimulálták azokat a dinamikus körülményeket, ahol az autóknak gyorsan kell reagálniuk más járművekre, gyalogosokra és kerékpárosokra.
A két trandemben önvezető módon driftelő Toyota Supra az alábbi videón látható: TRI / Stanford Engineering Autonomous Tandem Drift (youtube.com)
TRI Tandem Drift
„Kutatóinkat egyetlen cél egyesíti: a vezetés biztonságosabbá tétele.” – avat be Avinash Balachandran, a TRI emberi interaktív vezetéssel foglalkozó részlegének alelnöke. „Ezúttal a mesterséges intelligencia legújabb eszközeit felhasználva immár két autót tudunk autonóm módon tandemben drifteltetni. Ez a motorsport legösszetettebb menővere, amelynek autonómiával történő megvalósítása azt jelenti, hogy dinamikusan tudjuk irányítani az autókat a végletekig. Mindez pedig messzemenő következményeket jelent a fejlett biztonsági rendszerek beépítése szempontjából a jövő autóiba.”
„A driftelés fizikája valójában hasonló ahhoz, amit egy autó havon vagy jégen tapasztalhat.” – mutat rá Chris Gerdes, gépészmérnök professzora és a Stanfordi Autóipari Kutatóközpont (CARS) társigazgatója. „Amit ebből az autonóm driftelési projektből tanultunk, az máris új technikákhoz vezetett az automatizált járművek biztonságos irányításához a jégen.”
Az autonóm tandem driftelés során két jármű - egy vezető és egy üldöző autó - időnként egymástól mindössze centiméterekre halad egy pályán, miközben az irányíthatóság határán csúsznak. A csapat modern technikákat használt a jármű mesterséges intelligenciájának kialakításához, beleértve egy neurális hálózatos gumiabroncsmodellt, amely lehetővé tette, hogy a jármű tapasztalatból tanuljon, hasonlóan egy szakértő sofőrhöz.
„A pályakörülmények néhány perc alatt drámaian megváltozhatnak, amikor lemegy a nap.” – árulja el Gerdes. „Az MI, amelyet ehhez a projekthez fejlesztettünk ki, minden egyes pályabejárásunkból tanul, hogy kezelni tudja ezt a változást.”
Az autóbalesetek évente több mint 40 000 halálos áldozatot követelnek az Egyesült Államokban és mintegy 1,35 millió halálos áldozatot világszerte. Ezen balesetek nagy része hirtelen, dinamikus helyzetekben bekövetkező megcsúszásból ered. Az önvezetés autonómiája óriási ígéretet hordoz a járművezetők helyes reakciójának segítésére.
„Amikor autója csúszni vagy sodródni kezd, kizárólag a vezetési képességeinkre hagyatkozhatunk, hogy elkerüljük az ütközést egy másik járművel, fával vagy akadállyal. Egy átlagos sofőr nehezen tudja kezelni ezeket a szélsőséges körülményeket, és a másodperc töredéke jelentheti a különbséget élet és halál között.” – hívja fel a figyelmet Balachandran. „Ez az új technológia pontosan, időben közbe tud lépni, hogy megvédje a vezetőt és kezelje a megcsúszást, ahogyan azt egy szakértő drifter is tenné.”
„Azzal, hogy olyat teszünk, amit még előttünk senki sem valósított meg, megmutatjuk, hogy mi minden lehetséges.” - teszi hozzá Gerdes. „Ha erre képesek vagyunk, képzeljük csak el, mit tehetünk az autók biztonságosabbá tételéért.”
A kísérlet részletei
• A kísérletet a kaliforniai Willowsban található Thunderhill Raceway Parkban végezték két módosított GR Suprával: a vezető autó algoritmusait a TRI, míg a követő autóét a Stanford mérnökei fejlesztették ki.
• A TRI a vezető autó robusztus és stabil vezérlési mechanizmusainak kifejlesztésére összpontosított, lehetővé téve, hogy megismételhető, biztonságos előfutamokat végezzen.
• A Stanford Engineering olyan mesterséges intelligenciával működő járműmodelleket és algoritmusokat fejlesztett ki, amelyek lehetővé teszik, hogy a követő autó dinamikusan alkalmazkodjon a vezető autó mozgásához, így ütközés nélkül driftelhet mellette.
• A GReddy és a Toyota Racing Development (TRD) módosította az egyes autók felfüggesztését, motorját, sebességváltóját és biztonsági rendszereit (pl. bukókeret, tűzvédelem). Bár a járművek apró dolgokban különböznek egymástól, ugyanazok szerint a Formula Drift versenyeken használt specifikációk szerint épültek, hogy a csapatok szakértő versenyzőkkel, ellenőrzött környezetben gyűjthessenek adatokat.
• Mindkettő különböző számítógépekkel és érzékelőkkel rendelkezik, amelyek lehetővé teszik, hogy irányítsák a kormányzást, a gázt és a fékeket, miközben érzékelik a mozgásukat is (pl. helyzet, sebesség és forgási sebesség).
• Ami a legfontosabb, hogy egy dedikált WiFi hálózaton osztoznak, amely lehetővé teszi számukra a valós idejű kommunikációt, olyan információk cseréjével, mint például a relatív pozíciójuk és a tervezett pályájuk.
• Az autonóm tandem driftelés eléréséhez a járműveknek folyamatosan meg kell tervezniük a kormány-, gáz- és fékparancsaikat, valamint a követni kívánt pályát egy NMPC (Nonlinear Model Predictive Control) nevű technika segítségével.
• Az NMPC-ben minden jármű olyan célokkal indul, amelyeket matematikailag szabályokként vagy korlátozásokként ábrázolnak, amelyeknek engedelmeskednie kell.
• A vezető jármű célja, hogy egy kívánt útvonalon tartsa fenn a csúszást, miközben a fizikai törvények és a hardveres korlátok, például a maximális kormányszög, korlátozzák.
• Az üldöző jármű célja, hogy a vezető jármű mellett sodródjon, miközben proaktívan elkerüli az ütközést.
• Ezután minden jármű másodpercenként akár 50-szer is megold és újra megold egy optimalizálási problémát, hogy eldöntse, milyen kormány-, gáz- és fékparancsok felelnek meg legjobban a céloknak, miközben reagálnak a gyorsan változó körülményekre.
• Azáltal, hogy a mesterséges intelligencia segítségével a neurális hálózatot a korábbi tesztek adatainak felhasználásával folyamatosan képzik, a járművek minden egyes pályabejárás alkalmával javulnak.
Cikk megosztása
