Хабрахабр

В Москве протестируют беспилотный трамвай. Мы поговорили с разработчиками автопилота

Сейчас его испытывают в депо, но через пару месяцев планируют запустить на маршруте №17 — пока без пассажиров и с водителем в кабине. На днях «Ведомости» рассказали, что скоро в Москве начнут тестировать беспилотный трамвай.

Система будет только фиксировать срабатывания, но на управление трамваем сможет повлиять только в двух случаях — затормозит, если увидит на путях посторонний объект, и снизит скорость, если водитель слишком разгонится в плохих погодных условиях. На следующем этапе водитель тоже продолжит контролировать трамвай.

Как пишут «Ведомости», к 2021-2022 годам. Скорее всего, полностью беспилотным трамвай станет только через несколько лет.

Руководитель ее департамента разработки беспилотных транспортных средств Юрий Минкин рассказал нам о проекте подробнее.
Разработка идет на базе модели «Витязь М», которую выпускает «ПК Транспортные системы», а самим автопилотом занимается компания Cognitive Technologies.

Сенсоры

Система будет использовать 20 камер и 10 радаров — это если говорить про конфигурацию для полностью беспилотного трамвая. Мы сейчас прорабатываем решение, чтобы сенсоры покрывали полностью все 360 градусов вокруг трамвая. Это наша текущая оценка количества.

Там в разных конфигурациях стоит до пяти камер. Большая часть будет установлена спереди. Ещё отдельные сенсоры контролируют периметр двери. Три камеры сзади, и остальные распределены по вагону. Они должны видеть, когда в дверях никого нет, и их можно закрывать. В дверях будут работать либо камеры, либо другие датчики — этот вопрос мы еще прорабатываем.

В идеальных условиях камер хватает вообще для всего. Камеры и радары по отдельности — это хорошие приборы, но они не дают полной информации, когда работают изолированно, особенно, в сложных условиях. Камеры могут по разным причинам перестать нормально функционировать. Но к сожалению мы живём не в идеальном мире.

То есть те условия, в которых ни человек, ни камеры ничего не видят. Например, солнце засвечивает, или очень низкий уровень освещенности, сильный снегопад, сильный дождь. Она не нужна и даже опасна, потому что туман может подкрасться незаметно. Было бы странно выпускать систему, которая никуда не поедет в сильный туман. Например, он не распознает сигнал светофора. А радар не так чувствителен к погодным условиям, но при этом не может видеть полной картинки.

Так получается всепогодное решение, которое при этом достаточно приемлемо стоит. Чтобы всё это решить, используется технология data fusion — когда мы одновременно обрабатываем данные и с камер, и с радаров, и принимаем решения на основе двух разных сенсоров.

Для обеспечения безопасности движения и обеспечения приемлемого уровня качества необходимо предпринимать меры предосторожности — снижение скорости и так далее. Точность детектирования в сложных условиях, конечно, уменьшается. При этом уменьшается тормозной путь, и увеличивается время на оценку текущей ситуации.

Они имеют большой радиус действия — до двухсот метров, может быть даже чуть больше. Радары будут смотреть вперёд и назад. И еще несколько по периметру трамвая. Радары будут стоять на углах, чтобы мы контролировали все слепые зоны.

Камеры мы берём готовые. Радары — это наша разработка. Поэтому лучше мы будем говорить обо всем на этапе финального проектного решения. Но что конкретно будет ставиться, в каком количестве, и на каких этапах — это совместный вопрос с производителем трамваев.

Софт

Во-первых, это синхронное получение и обработка данных с разных сенсоров — камеры, радары, высокоточное позиционирование, инерциальные датчики. Главное, чтобы данные получались синхронно, чтобы система понимала, что вся информация относится к одному периоду времени.

Например, положение органов управления, скорость вращения двигателя, состояние дверей и различных узлов трамвая. Также мы получаем информацию от бортовых систем трамвая.

С ней мы всегда можем восстановить местоположение по информации с камер и радаров, даже если потеряли сигнал GPS. Ещё есть высокоточная картография — информация, которую мы собрали заранее, и она постоянно обновляется. Мы знаем, где находятся все объекты интереса на маршруте, остановки, светофоры и прочее.

Это позволяет оптимизировать вычислительную нагрузку. Например, чтобы не тратить компьютерные ресурсы на детектирование сигналов светофоров по всему маршруту, мы, зная, где они находятся, включаем соответствующую компоненту при необходимости.

Мы восстанавливаем дорожную сцену вокруг себя, расставляем объекты, анализируем дорожную сцену и принимаем решения, каким образом воздействовать на органы управления. Следующий уровень по софту — это обработка.

Если про автопилот, то он постоянно оценивает дорожную сцену. Если мы говорим про систему предупреждения водителя, то оцениваем пора ли системе вмешиваться, или не пора.

Машинное зрение и обучение нейронных сетей

С помощью машинного зрения мы детектируем самые разные объекты — пешеходов, автомобили, сигналы светофора, положение стрелок и прочее. Все множество объектов, за которыми следит водитель, также распознаются и системой.

Но эта задача требует относительно мощного компьютера, чтобы он давал приемлемое качество на приемлемой скорости. Распознавание мы совершаем на основе нейронных сетей — это наиболее зарекомендовавший себя подход. При этом стоимость оборудования приемлема для такого вида транспорта. В вагоне есть возможность разместить такое оборудование, подключить его к питанию.

Проект длится больше полугода, просто сейчас это было объявлено. Мы собирали и собираем данные на действующих трамваях уже давно. Датасеты мы постоянно расширяем — это наиболее ценная вещь. Собираем в разное время суток, в разных условиях освещенности. Это основа любого машинного обучения. Алгоритмы развиваются и совершенствуется, а датасеты могут использоваться для тестирования и обучения на протяжении многих лет.

Для части детекторов, например, распознавания автомобилей и пешеходов, мы используем данные, которые собирали раньше, до проекта с трамваем

Безопасность, система резервирования, атаки

Благодаря высокой технологичности трамвайных вагонов мы можем полностью электронно, при помощи соответствующего блока сопряжения, управлять трамваем. Можем воздействовать на все органы управления и получать информацию о текущем состоянии всех систем трамвая.

Все узлы дублируются с запасом. Есть система резервирования. Как только этот сигнал пропадает, блок просто останавливает машину. Наша система всегда подает сигнал в автономный блок о том, что она работает.

Мы никак не управляем трамваем снаружи. Вся информация содержится локально. Во-вторых, существующие каналы связи не позволяют обеспечить достаточных гарантий. Во-первых, иначе было бы не безопасно. Поэтому всё обрабатывается исключительно на борту. Все мы понимаем, что если вдруг в процессе движения что-то произойдёт с каналом связи, то ситуация вообще будет непредсказуемая.

Она полностью закрыта для атак. Эта система не имеет входа снаружи. Взломать через интернет и управлять трамваем невозможно. Только если атаковать сам трамвай, вскрывать панель, подключаться к проводам — но это уже фантастическая история. Вся система закрыта и полностью изолирована.

Например, зрение будет обмануто — увидит несуществующий автомобиль и затормозит. В случае атак с помощью изображений-обманок нам поможет радар. Да, станет понятно — здесь что-то не то, трамвай снизит скорость или подаст сигнал. Но на радаре мы увидим, что ничего впереди нет.

Обманки специфичны под каждую реализацию, они не универсальны. Но опять же, мы собираем все способы, которые позволяют обмануть зрение, и вырабатываем методы, как их обойти, сделать так, чтобы на такие картинки система зрения не реагировала. И скорее всего то, что обманет «Теслу», не обманет нас. Допустим, на «Тесле» стоит определённая система, и кому-то становится понятно, как её обмануть.

Плохие парни придумывают новые способы как украсть, хорошие парни придумывать, как от этого защититься. Бороться с этим можно постоянным мониторингом.

Отличия трамвая от обычного беспилотного транспорта

С одной стороны возрастает ответственность, потому что это пассажирский транспорт. Всегда надо обеспечивать плавность хода. Ты понимаешь, что на борту десятки человек, за которых ты отвечаешь.

Не надо решать задачу подруливания, всегда досконально известна его траектория, все ключевые точки интереса, все светофоры, остановки. С другой стороны, трамвай идёт по рельсам, у него практически всегда есть преимущество по ПДД. Это существенно упрощает задачу.

В автомобиле мощности генератора не всегда достаточно, чтобы разместить такое оборудование, которое позволяет ездить автономно. К тому же трамвай большой, меньше проблем с размещением оборудования, с его запитыванием. А в трамвае с этим нет проблем.

Там все электронно управляемое, и уже много встроенных систем безопасности. Трамвай, с которым мы работали, очень современный. Если двери наткнутся на что-то при закрытии, они откроются сами, никогда никого не зажмут. Например, он вообще не может двинуться, пока не заблокирована дверь. Поэтому получилась очень удачная базовая машина, на которые мы уже ставим свои системы.

То есть, с точки зрения реализации — проще, но ответственнее.

Сначала мы согласовываем с производителем трамвая, потом выходим на «Мосгортранс», и это немного усложняет ход испытаний. Но очень много всего надо согласовывать. Например, ездить ночью. Если машину мы можем пригнать на полигон, то здесь тестирование можно делать либо в условиях небольшого депо — но там много не поездишь — либо специально организовывать тестирование в городских условиях, обеспечивать безопасность.

Автопилот и расписание

Это будет работать так же, как и работает сейчас. У любого трамвая есть график, по которому он должен идти. Если на трамвайных путях встала машина, то график подвинется. Он уже составляется с учётом, что на пути движения могут быть помехи. Есть очень большой опыт в эксплуатации трамваев, давно известно насколько в среднем трамвай может отклоняться от своего идеального графика. Эти отклонения мы закладываем в маршрут движения.

В будущем будет предусмотрена система, когда мы будем знать о движении других трамваев, и будем двигаться с этим учётом. Естественно, может произойти и что-то серьезнее.

Теоретически, это конечно можно заложить, но на практике такого не будет. Да, водитель может подождать лишнюю секунду человека, который к нему бежит, машет руками и опаздывает, а машина нет. Это машина, и она работает по четким правилам. Если мы минуту подождём, то через минуту ещё кто-то прибежит. Благодаря этим фиксированным правилам она и безопаснее.

Что нужно, чтобы проект вышел из стадии пилотного

Нужно все тестировать — даже то, что уже готово. В некотором ряде условий все работает хорошо. Но мы понимаем — жизнь богата на события, поэтому надо пробовать дальше, имитировать разные сценарии в условиях города, чтобы посмотреть, сработает система или нет.

То есть система не будет воздействовать на органы управления, а будет просто отписывать свои срабатывания. В наших планах запустить несколько трамваев, которые будут ездить, собирать данные и смотреть, как работает система. На основе этого будем анализировать — что правильно, что неправильно. А мы будем следить и сравнивать реакцию системы с реакцией водителя. У нас будет вся информация с сенсоров, и мы увидим, где что идет не так.

Зрение уже достаточно близко к промышленным стандартам, к тому, что уже можно допускать до работы. Естественно, нужно дорабатывать и алгоритмы. Например, анализировать как движутся пешеходы, чтобы система не срабатывала ложно, но, при этом, тормозила, когда это действительно нужно. Надо отрабатывать сценарии и анализировать нюансы.

Это все настроечные, отладочные нюансы, которые занимают достаточно много времени.

Теги
Показать больше

Похожие статьи

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»
Закрыть