Соревнования робомобилей: проблемы погоды и философские разногласия.
Мы много уже писали о соревновании между роботами и робототехниками, спонсируемые DARPA (Агентство передовых оборонных исследовательских проектов, США). А теперь расскажем о соревновании между робомобилями, спонсируемом японской автомобильной компанией Hyundai.

Схема соревнования включала такие задачи как обнаружение пешехода на обочине, обнаружение транспортного средства, едущего сзади, “подчинение” дорожным знакам. Робомобили, которые провалили эти задания, были оштрафованными на две минуты за каждое проваленное задание. Робомобили, которым требовалось человеческое вмешательство оператора (например, аварийная остановка), получали трехминутный штраф за каждое вмешательство. Водитель-человек мог проехать трассу немногим более, чем четыре минуты. А робомобиль команды-победительница сделал это через пять минут и тридцать секунд. А самый лучший пробег робомобиля KAIST занял немного более шести минут.

Недавно в Интернете появилось видео, демонстрирующее, как робомобиль KAIST
проходит трассу в хорошую погоду по сухой дороге. Судя по видео, он делает это очень неплохо.

А вот видео, когда KAIST проходит ту же трассу после сильного дождя по мокрой и скользкой дороге.

— сначала всё шло неплохо, но в начале 2-й минуты Hyundai включает электронную остановку робомобиля, когда он пропускает осевую линию и, сменив направление, оказывается на обочине. Ранее, на этом участке трассы KAIST не имел никаких проблем во время пробного прогона первого дня и придерживался правой стороны дороги;
— вскоре робомобиль провалил тест на обнаружение пешехода, хотя во время пробного прогона он прекрасно справился с этим тестом;
— затем неуверенный проезд перекрёстка по сравнению с пробным прогоном;
— вскоре сбой обнаружения разметки дороги и переулка. Похоже, что нужен мягкий перезапуск программного обеспечения;
— робомобиль полностью не обнаруживает ограничение в центре перекрестка и чуть не врезается в осветительный столб. Во время пробного прогона этого не было;
— Hyundai снова делает электронную остановку. Похоже, что транспортное средство двигалось к другому ограничению;
— вскоре робомобиль обнаруживает один дорожный знак, но не обнаруживает другого;
— во время пробного прогона автомобиль столкнулся здесь с препятствиями, но сделал прекрасно их объехал на мокрой дороге;
— робомобилю удаётся правильно припарковаться на мокрой дороге.

Какие из этого можно извлечь уроки?
Первый шаг: любой самоуправляющийся автомобиль должен, конечно, хорошо работать при оптимальных погодных условиях. KAIST и много других робомобилей очень близки к тому, чтобы сделать это. Но плохая погода – основной источник проблем и для водителя-человека и для водителя-робота. Роботы, может быть, будут лучше чувствовать контакт со скользким дорожным покрытием, потому что они могут сделать такие вещи (как управление ускорением или торможение каждого колеса автомобиля индивидуально, чтобы максимизировать тягу), что люди не могут сделать. Но связанные с погодой проблемы для роботизированных автомобилей почти все заключаются в восприятии окружающей обстановки. Влажные дороги – проблема, но ещё хуже густой туман, дождь, снег. Сочетание любого из этих условий с темнотой только усугубляет проблему. Робомобили обычно понимают правила дорожного движения, и они знают, что сделать и что не делать в любой ситуации, с которой могли бы столкнуться. Но если у них не будет достаточного количества точной информации от их датчиков, то любое решение, которое они принимают, вероятно, будет плохим.

Принципиальным различием между подходом KAIST и команды-победительницы (университет Ханьяна) является “философское”. Можно выполнить очень точную локализацию на дороге, если в память компьютера робомобиля заранее заложена карта той дороги, по которой он поедет. Тогда компьютер может сравнивать эту карту с тем, что “видят” его датчики. То же самое делает Google со своими автономными автомобилями (гугломобилями). И то же самое сделал победитель соревнования Hyundai.
А команда KAIST, однако, считает, что доверие предварительно построенным картам не является лучшим способом самоуправления для автономных автомобилей. Вот мнение команды: “Мы считаем, что это не правильный способ. Робомобиль должен правильно функционировать, даже тогда, когда он едет в месте, где карта не доступна”. Вместо использования карт, они пытаются разработать автономный робомобиль, который вёл бы себя точно так же, как делают это люди, полагаясь на зрение, слух, показания приборов и общие знания об окружающей среде, чтобы ехать по любой дороге, в любое время, в любых погодных условиях.

Серьёзной проблемой, с которой столкнулся KAIST, была мокрая погода, или более определенно, мокрое дорожное покрытие, и как датчики на робомобиле “обращались” с этими условиями. Разработчики KAIST объясняют: “Главная проблема во второй день возникла из-за внезапного ливня прямо перед нашим пробегом. В KAIST мы использовали оптический локатор (ЛИДАР) и видеокамеры совместно, чтобы обнаруживать переулки. И это стало чрезвычайно трудным из-за случайных считываний, вызванных отражением света от воды на дорожном покрытии. За несколько дней до соревнования, у нас была возможность подобрать настройки датчиков для мокрых дорог (но не столь мокрых, как во 2-й день соревнования). Тогда автомобиль смог бы ехать по мокрой дороге намного лучше. Однако, поскольку порог для обнаружения переулка был установлен без учёта отражения солнечного света от мокрого дорожного покрытия, способность робомобиля обнаруживать препятствия и переулки ухудшилась наполовину. Это вызвало все наши проблемы с обнаружением препятствий и переулка”.

В основном то, что должен был сделать KAIST при езде по мокрой светоотражающей дороге: его оптические системы должны были игнорировать множество данных, которые они видели. Потому, что большая часть этих данных, вероятно, были вызваны световыми бликами от мокрой дороги.

Кроме того, частично облачный день нисколько не был “дружественным” по отношению к камерам, которые использовались для обнаружения дорожных знаков и пешеходов. Команда KAIST говорит, что задача обнаружения пешехода была не выполнена, потому что камера была настроена во время облачного дня. Но, автомобиль доехал до места выполнения этой задачи, небо частично прояснилось, камера попала под солнечные лучи и “ослепла”. Это также вызвало проблемы на заключительной задаче парковки. Как команда говорит, “ У камер и системы ЛИДАР просто (еще) нет интеллекта и многосторонности, такой как у человеческого мозга. В этом пока основная проблема”.

Однако кажется, что подход разработчиков KAIST всё же более предпочтителен для робомобилей по сравнению с главенствующим подходом использования навигационных карт.