Хоча безпілотні роботи сьогодні все ще не найрозвиненіша сфера технологій, динаміка зростання численних проєктів наочно демонструє — безпілотній революції бути. Байдуже, чи до вподоби вам дизайн нової Tesla, чи ні — ви напевне чули про її дивовижний автопілот, а, може, навіть бачили кілька мі-мі-мі відео: як він об’їжджає зграю каченят чи рятує необачних водіїв.

Та чи все настільки позитивно і безпечно з цією технологією? Сьогодні ми вирішили розібратися в історії цього винаходу, у принципі його роботи та в його майбутніх перспективах. Отож, пристібайте ремені, витягайте дитячі автокрісла, і гайда читати!

Сенсори наше все

Система безпілотного керування (автівкою, дроном чи будь-яким іншими роботом), як ви вже здогадалися, використовує сенсори — технологічні «очі» системи, якими вона «бачить» простір довкола і розуміє, як реагувати на ті чи інші фактори. Наприклад, за допомогою сенсорів безпілотник знає свою швидкість, координати й відстань до певних об’єктів.

Майже миттєво внутрішня система будує математичну модель свого руху та обирає рішення відповідно до заздалегідь зазначених умов.

Простіше кажучи, принцип роботи сенсорів подібний до роботи нашого організму: коли ми торкаємося гарячої поверхні, нервові імпульси повідомляють мозку алгоритм взаємодії. Залежно від типу вимірюваних даних, сенсори бувають внутрішніми та зовнішніми.

Внутрішні сенсори перевіряють стан системи та надають інформацію про змінні параметри: швидкість, геолокацію, напрямок тощо. Зовнішні сенсори, зі свого боку, реагують на зовнішні чинники — положення перешкод, параметри руху навколишніх об’єктів, нерухому інфраструктуру тощо.

Прикладом внутрішнього сенсора є інерціальна система навігації. Вона визначає прискорення об’єкта і його кутові швидкості завдяки вмонтованому акселерометру, гіроскопу та компасу. Інформація, яку вони надають, дозволяє системі «зрозуміти» свої габарити, орієнтацію та швидкість руху.

Комплексна система автопілоту в Tesla другого покоління. Порівняйте дистанцію камер та ультразвукового радара.

Зовнішніми сенсорами є лідари, радари, камери та глобальна навігаційна система. Лідари сканують простір лазерними променями, утворюючи хмару з окремих точок, математично описуючи системі довкілля. До того ж, радар сканує простір електромагнітними хвилями, і таким чином система «знає» своє положення у просторі, відстань до об’єктів і їхню швидкість.

Попри високу швидкість відгуку та виняткову безпомилковість лідарів, Ілон Маск різко висловився проти них. Утім, експерти заперечили йому. 

Одне з найважчих завдань, яке до снаги сучасним сенсорам — навігація у великому замкненому просторі. В’їжджаючи до тунелю, наприклад, безпілотник нерідко втрачає зв’язок із глобальною навігацією, а, отже, мусить шукати рішення за даними з інших сенсорів.

У такому разі система обирає сенсор залежно від ситуації навколо. Ключова умова — швидке оновлення даних і висока якість сигналу. Зазвичай найвищий пріоритет у ситуаціях із тунелем та автівкою має радар електромагнітних хвиль.

Подібний шляк може трафити й на бездоріжжі. Якщо мапи із високою роздільною здатністю для якогось проміжку бездоріжжя немає, система починає читати інформацію із супутникової системи, або з комп’ютера супровідного безпілотного летючого апарата (далі БПЛА).

Перебуваючи у повітрі, БПЛА стає «очима» наземного робота: де б не був майбутній R2D2, дані про довкілля він отримає у повному обсязі (за умови належного з’єднання). У сучасній військовій справі цей тандем охрестили прогресивною аеророзвідкою.

Хіба ревуть воли..?

Найболючіша проблема будь-яких сенсорів — шуми. Кепські погодні умови, динамічне оточення чи просто ворожі винаходи: усе це підриває і дестабілізує роботу усієї системи, змушуючи сенсори надсилати хибну інформацію.

Апаратним чином таку проблему вирішити якщо й можливо, то дуже дорого. На допомогу прийшов алгоритм Калмана.

Фільтр Калмана відстежує оцінюваний стан системи та дисперсію або невизначеність оцінки.

Фільтр Калмана — математичний алгоритм, який враховує вимірювання з різних типів датчиків, математичну модель руху і навколишні шуми. Спочатку він робить прогноз про стан і положення транспортного засобу, спираючись на математичну модель руху апарату.

Далі вступає в дію модель вимірювань, яка інформує про власне уявлення про автомобіль. Завершальний хід — об’єднання обох даних і остаточне рішення з урахуванням ризиків (які алгоритм Калмана називає «невизначеностями»). Це рішення так само не є ідеальним, проте дозволяє уникнути переважної більшості проблем, з якими зустрічаються сенсори на своєму шляху.

Логіка виробників досить проста: що надійніші сенсори, то дешевшим буде сам пристрій, а отже й енергоспоживання автомобіля. До того ж, технологічний прогрес додає у перелік сенсорів ще й нову парадигму — зв’язок з інфраструктурою та іншими автомобілями навколо. Це дозволяє обмінюватися інформацією між учасниками дорожнього руху, попереджати про різні ДТП, а також забезпечувати інфраструктурні датчики — наприклад, автономні міські аналітичні стовпи — інформацією про трафік, стан дороги, навантаженість та поради з оптимізації процесу.

Сьогоднішні сенсори не є ідеальними, і ніколи такими не стануть. Утім, наукові досягнення подарували нам дешеві, але максимально надійні внутрішні та зовнішні сенсори, які донині спрощують (а іноді й рятують) життя тисячам користувачів у всьому світі.

Блукач історією та модерною наукою у телеграмі – https://t.me/ukrainianorthodox

Підтримайте Токар
50 грн.

10% середньостатистичної статті,
або ж пів дня роботи нашого сервера

Підтримати
Ось вона, нагода стати причетним до розвитку незалежних медіа!
Коменти