Los investigadores del MIT y Toyota han diseñado un nuevo modelo para ayudar a los vehículos autónomos a determinar cuándo es seguro incorporarse al tráfico en las intersecciones con vistas obstruidas.
Navegar en las intersecciones puede ser peligroso para los automóviles sin conductor y para los humanos por igual. En 2016, aproximadamente el 23 por ciento de los accidentes de tránsito estadounidenses mortales y el 32 por ciento no fatales ocurrieron en las intersecciones, según un estudio del Departamento de Transporte de 2018. Sistemas automatizados que ayudan a los automóviles sin conductor ylos conductores humanos que atraviesan las intersecciones pueden requerir visibilidad directa de los objetos que deben evitar. Cuando su línea de visión está bloqueada por edificios cercanos u otras obstrucciones, estos sistemas pueden fallar.
Los investigadores desarrollaron un modelo que utiliza su propia incertidumbre para estimar el riesgo de posibles colisiones u otras interrupciones del tráfico en tales intersecciones. Pesa varios factores críticos, incluidas todas las obstrucciones visuales cercanas, el ruido y los errores del sensor, la velocidad de otros automóvilese incluso la atención de otros conductores. De acuerdo con el riesgo medido, el sistema puede aconsejar al automóvil que se detenga, se detenga en el tráfico o avance para recopilar más datos.
"Cuando te acercas a una intersección hay un peligro potencial de colisión. Las cámaras y otros sensores requieren una línea de visión. Si hay oclusiones, no tienen suficiente visibilidad para evaluar si es probable que algo venga", dice Daniela Rus, director del Laboratorio de Ciencias de la Computación e Inteligencia Artificial CSAIL y profesor de Ingeniería Eléctrica y Ciencias de la Computación Andrew y Erna Viterbi. "En este trabajo, usamos un modelo de control predictivo que es más robusto a la incertidumbre, para ayudar a los vehículos a navegar con seguridadestas situaciones de carretera desafiantes "
Los investigadores probaron el sistema en más de 100 ensayos de automóviles a control remoto que giraban a la izquierda en una intersección concurrida y obstruida en una ciudad simulada, con otros automóviles que circulaban constantemente por la calle. Los experimentos involucraron automóviles totalmente autónomos y automóviles conducidos por humanospero asistido por el sistema. En todos los casos, el sistema ayudó con éxito a los automóviles a evitar colisiones del 70 al 100 por ciento del tiempo, dependiendo de varios factores. Otros modelos similares implementados en los mismos automóviles de control remoto a veces no podían completar un soloprueba de funcionamiento sin colisión.
Uniéndose a Rus en el papel están: el primer autor Stephen G. McGill, Guy Rosman y Luke Fletcher del Toyota Research Institute TRI; los estudiantes graduados Teddy Ort y Brandon Araki, la investigadora Alyssa Pierson y el postdoc Igor Gilitschenski, todosCSAIL; Sertac Karaman, profesor asociado de aeronáutica y astronáutica del MIT; y John J. Leonard, profesor de Ingeniería Mecánica y Oceánica de Samuel C. Collins del MIT y asesor técnico del TRI.
Modelado de segmentos de carretera
El modelo está diseñado específicamente para cruces de carreteras en los que no hay semáforo y un automóvil debe ceder el paso antes de maniobrar en el tráfico en el cruce de calles, como girar a la izquierda a través de múltiples carriles o rotondas. En su trabajo, los investigadores dividieron uncamino hacia segmentos pequeños. Esto ayuda al modelo a determinar si algún segmento determinado está ocupado para estimar un riesgo condicional de colisión.
Los automóviles autónomos están equipados con sensores que miden la velocidad de otros automóviles en la carretera. Cuando un sensor registra a un automóvil que pasa en un segmento visible, el modelo usa esa velocidad para predecir la progresión del automóvil a través de todos los demás segmentos.La red bayesiana "también considera las incertidumbres, como los sensores ruidosos o los cambios de velocidad impredecibles, para determinar la probabilidad de que cada segmento esté ocupado por un automóvil que pasa".
Sin embargo, debido a las oclusiones cercanas, esta única medición puede no ser suficiente. Básicamente, si un sensor no puede ver un segmento de carretera designado, entonces el modelo le asigna una alta probabilidad de ser ocluido. Desde donde está ubicado el automóvil,existe un mayor riesgo de colisión si el automóvil se detiene rápidamente en el tráfico. Esto alienta al automóvil a empujar hacia adelante para tener una mejor vista de todos los segmentos ocluidos. A medida que el automóvil lo hace, el modelo disminuye su incertidumbre y, a su vez, el riesgo.
Pero incluso si el modelo hace todo correctamente, sigue habiendo un error humano, por lo que el modelo también estima la conciencia de otros conductores. "En estos días, los conductores pueden estar enviando mensajes de texto o distraídos, por lo que la cantidad de tiempo que lleva reaccionar puede sermucho más tiempo ", dice McGill." También modelamos ese riesgo condicional ".
Eso depende de calcular la probabilidad de que un conductor vio o no vio el automóvil autónomo entrando en la intersección. Para hacerlo, el modelo observa el número de segmentos por los que ha pasado un automóvil en movimiento antes de la intersección. Cuantos más segmentosse había ocupado antes de llegar a la intersección, cuanto mayor es la probabilidad de que haya visto el automóvil autónomo y menor es el riesgo de colisión.
El modelo suma todas las estimaciones de riesgo de la velocidad del tráfico, las oclusiones, los sensores ruidosos y la conciencia del conductor. También considera cuánto tiempo le tomará al automóvil autónomo conducir un camino previamente planificado a través de la intersección, así como todos los puntos de parada seguros para cruzartráfico. Esto produce una estimación de riesgo total.
Esa estimación de riesgo se actualiza continuamente en cualquier lugar donde se encuentre el automóvil en la intersección. En presencia de múltiples oclusiones, por ejemplo, avanzará poco a poco para reducir la incertidumbre. Cuando la estimación de riesgo sea lo suficientemente baja,el modelo le dice al auto que conduzca a través de la intersección sin detenerse. Los investigadores encontraron que detenerse en el medio de la intersección por mucho tiempo también aumenta el riesgo de una colisión.
Asistencia e intervención
Según los investigadores, ejecutar el modelo en autos de control remoto en tiempo real indica que es eficiente y lo suficientemente rápido como para implementarlo en autos de prueba autónomos a gran escala en el futuro cercano. Muchos otros modelos son demasiado pesados desde el punto de vista computacional para funcionaresos autos. El modelo todavía necesita pruebas mucho más rigurosas antes de ser utilizado para la implementación en el mundo real en vehículos de producción.
El modelo serviría como una medida de riesgo suplementaria que un sistema de vehículo autónomo puede usar para razonar mejor sobre la conducción segura en las intersecciones. El modelo también podría implementarse potencialmente en ciertos "sistemas avanzados de asistencia al conductor" ADAS, donde los humanos mantienencontrol compartido del vehículo.
A continuación, los investigadores pretenden incluir otros factores de riesgo desafiantes en el modelo, como la presencia de peatones en y alrededor del cruce de carreteras.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :