Калифорнийский разработчик беспилотных автомобилей Voyage представила собственную систему экстренного торможения под названием SafeStop. Сама по себе SafeStop не является революционной, но она лучше существующих AEB-систем, поскольку опирается на большее количество высокоточных сенсоров и более продвинутые алгоритмы.
Причины появления
Зачем было создавать SafeStop? Для любой safety-critical системы необходимо множество слоев отказоустойчивости для снижения риска аварии с летальным исходом. SafeStop является одним из дополнительных слоев, призванных не допустить столкновения с критическими объектами (например, пешеход, велосипедист, автомобиль).
Если вы изучите текущие системы экстренного автоматического торможения (AEB), присутствующие в современных автомобилях, то заметите что подобные системы реагируют когда столкновение неизбежно, вместо планомерного предотвращения аварии. Такой подход обусловлен автомобильными сенсорами низкой точности, а также последствиями резкого торможения на большой скорости в случае ложно-позитивного сценария. А AEB-система, спроектированная изначально для беспилотного автомобиля, с дополнительными сенсорами и совершенными алгоритмами сможет обеспечить более высокий уровень безопасности.
Как SafeStop работает
SafeStop опирается на три составляющих:
- Automotive-grade вычисления
- Надежные сенсоры и perception-алгоритмы
- Строгие методы тестирования и валидации
Automotive-Grade вычисления
В том время как главные алгоритмы компьютерного зрения беспилотного автомобиля работают на основном компьютерном кластере с резервированием, SafeStop функционирует на отдельном NVIDIA Drive AGX и отдельном источнике питания.
Drive AGX AI удовлетворяет automotive-grade спецификациям (ISO 26262/ASIL-D, ISO/PAS 21448), обеспечивая требуемую для safety-critical систем надежность. Да и по мощности вычисления это решение превосходит любое существующее AEB-решение. NVIDIA Xavier SoC обладает производительностью в 30 TOPS, потребляя всего 30 ватт.
Надежные сенсоры и perception-алгоритмы
Задача SafeStop проста: всегда обнаруживать критические объекты впереди автомобиля и тормозить, если необходимо. Несмотря на простоту формулировки, это очень сложная задача, требующая качественных алгоритмов и надежного оборудования.
Для этого впереди автомобиля разместился высокоточный лидар Velodyne Ultra Puck VLP-32C, способный работать днем и ночью и в определенных погодных условиях.
32-лучевой лидар обеспечивает большую плотность точек, достаточную для точной классификации объектов впереди. Однако, с таким низким расположением сенсора появляется интересная задача для алгоритмов: точно выделять все объекты, отличные от дорожного полотна.
Важно отметить, что SafeStop никак не использует HD-карты. Хоть и для навигации беспилотники Voyage их используют, в такой критической системе как AEB небезопасно полагаться на HD-карты, которые могут устареть на неделю или месяц.
Строгие методы тестирования и валидации
Как и любой критический компонент, оборудование и софт SafeStop тестируются множеством комбинаций параметров, таких как скорость, ускорение, угол поворота, изменение высоты, влажность дороги и время суток. Также система тестируется со множеством вариаций очень больших и очень маленьких объектов, как статических, так и двигающихся.
Также тестовые сценарии SafeStop, проводимые на закрытых полигонах, спроектированы с учетом отказов всех возможных подсистем, чтобы удостовериться что SafeStop сможет корректно отработать в самых плохих сценариях. Подобные тесты призваны подтвердить, что система способна корректно определить и отреагировать на любую неисправность сенсора, провода или программного обеспечения за ожидаемый отрезок времени.
В дополнение к стресс-тестам ежедневно поступают данные с беспилотного автопарка G2 (текущая модель беспилотников Voyage). Все эти огромные массивы данных используются для более точной калибровки системы.
В данный момент SafeStop еще активно тестируется и дорабатывается для соответствия жестким стандартам automotive-grade, однако, на первый взгляд кажется что она действительно лучше:
- скорость реакции выше
- лидар лучше обнаруживает объекты чем радар (и опционально камера)
- система реагирует на большее количество препятствий, благодаря более лучшей детекции и классификации
Автор: Avadon