מכוניות אוטונומיות מקבלות יכולות משופרות למעקב אחר אובייקטים

This post is also available in: English (אנגלית)

חוקרים ממכון אוניברסיטת טורונטו לחקר התעופה והחלל (UTIAS) מציגים יכולות טכנולוגיות מתקדמות המשפרות את הבטיחות והאמינות של רכבים אוטונומיים, בכך שהן משפרות את יכולת החשיבה של המערכות הרובוטיות שלהם.

החוקרים עשו זאת בכך שהשתמשו במעקב רב-עצמים המשמש מערכות רובוטיות כדי לעקוב אחר תנועה של אובייקטים (כמו כלי רכב, הולכי רגל ורוכבי אופניים) כדי לתכנן את נתיב הנסיעה של מכוניות אוטונומיות באזורים מאוכלסים ועמוסים. על פי Techxplore, מידע המעקב נאסף מחיישני ראיית מחשב (תמונות דו-ממד ממצלמה וסריקות LIDAR תלת-ממדיות) ומסונן בכל חותמת זמן קבועה מראש, 10 פעמים בשנייה, כדי לחזות את התנועה העתידית של אובייקטים נעים.

החוקרים פרסמו מאמר המציג את ה- Sliding Window Tracker, או SWTrack – שיטת אופטימיזציה מבוססת גרף המשתמשת במידע זמני נוסף כדי להמנע מעצמים ש"התפספסו" ולשפר את הביצועים של שיטות מעקב, במיוחד כאשר אובייקטים נמצאים מחוץ לשדה הראייה של הרובוט.

הצוות מדווח כי הוא בדק, אימן ואימת את האלגוריתם על נתוני שדה שקיבל דרך nuScenes – מערך נתונים ציבורי ענק של נתוני כלי רכב אוטונומיים הנוסעים בכבישים ברחבי העולם.

סנדרו פאפיס, דוקטורנט ב-UTIAS שעבד על הפרויקט אמר שהוא מצפה לבנות על הרעיון של שיפור זיכרון הרובוט ולהרחיב אותו לתחומים אחרים של תשתית רובוטיקה – "זו רק ההתחלה. אנחנו עובדים על בעיית המעקב, אבל גם על בעיות רובוטיות אחרות בהן אנחנו יכולים לשלב יותר מידע זמני כדי לשפר את התפיסה ואת ההיגיון הרובוטי".

פרופ' סטיבן וסלנדר, מנהל המעבדה לרובוטיקה ובינה מלאכותית ב-UTIAS, אומר שההתקדמות המתוארת במאמר מתבססת על עבודה בה המעבדה שלו מתמקדת כבר כמה שנים – "[המעבדה] עובדת על הערכת אי-ודאות בתפיסה והרחבת החשיבה הטמפורלית לרובוטיקה מזה מספר שנים, משום שאך הם המחסומים העיקריים שנשארו מול פריסת רובוטים בעולם הפתוח באופן רחב יותר. אנו זקוקים נואשות לשיטות AI שיכולות להבין את הפרסיסטנטיות של אובייקטים לאורך זמן, ולכאלה שמודעים למגבלות שלהם ויעצרו לחשוב כאשר משהו חדש או בלתי צפוי יופיע בדרכם. זה מה שהמחקר שלנו שואף לעשות".