Waarom autonoom rijden zoveel sensoren vereist

Wanneer we achter het stuur van een auto rijden, moet ons brein inschatten wat er voor en naast ons gebeurt, afhankelijk van wat onze zintuigen waarnemen, van de kennis die we over onze route hebben en van de bedoelingen die we hebben als we met het voertuig rijden.

Dat en nog veel meer moet de autonome besturing doen om nog veiliger te zijn dan de mens wanneer een auto rijdt zonder dat de bestuurder ingrijpt. Daarom pronken fabrikanten van zelfrijdende auto’s altijd met het grote aantal sensoren, camera’s, ultrasone systemen, radars of LIDAR-achtige apparatuur dat ze in hun modellen inbouwen. En hoe meer van die elementen een auto aan boord heeft, hoe beter. Waarom beter? Kijk maar naar de afbeelding bij deze regels, dan begrijp je het.

De foto toont wat onder de technici die aan autonome voertuigen werken bekendstaat als een “grensgeval”. Dit zijn situaties waarin een voertuig onvoorspelbaar gedrag vertoont omdat de software een ongebruikelijk scenario anders heeft verwerkt dan een mens zou doen. Op de afbeelding zijn de gegevens te zien die de sensoren en de camera van de auto hebben vastgelegd, en die het autonome voertuig tot de foutieve conclusie hebben gebracht dat de beelden van de fietsers achter de minibus die voor hen rijdt echte menselijke fietsers zijn, terwijl het in werkelijkheid slechts een foto is.

Op dit blinde punt “kan de LIDAR het glas niet detecteren, de radar herkent vooral metaal en kan de camera door beelden worden misleid”, legt Danny Atsmon uit, CEO van Cognata, het bedrijf dat softwaresimulatoren ontwikkelt waarmee voertuigen aan grensgevallen kunnen worden blootgesteld, zodat technici de algoritmen kunnen ontwikkelen waarmee autonome voertuigen die situaties zonder risico op ongelukken aankunnen. Volgens Atsmon “lost elk van de sensoren die nodig zijn voor autonoom rijden een ander deel van de detectie-uitdaging op“. Door geleidelijk te ontdekken welke gegevens kunnen worden gebruikt om specifieke grensgevallen correct op te lossen, zowel via simulaties als in het echte leven, leren auto’s omgaan met steeds complexere situaties.

Tesla werd bekritiseerd om haar besluit alleen radar, camera’s en ultrasone sensoren te gebruiken om gegevens te leveren aan haar AutoPilot-systeem, nadat een van haar voertuigen een aanhanger niet kon onderscheiden van de heldere blauwe lucht. Die fout leidde tot een botsing tussen de voertuigen en kostte de bestuurder van het voertuig van Tesla onmiddellijk het leven. Critici stellen dat de LIDAR een sleutelelement is in het spectrum aan sensoren. In tegenstelling tot een camera werkt dit apparaat goed bij weinig licht en felle reflecties, en levert het gedetailleerdere gegevens dan radar of ultrasone systemen. Maar, zoals Atsmon opmerkt, “heeft zelfs de LIDAR zijn gebreken“: hij kan bijvoorbeeld geen onderscheid maken tussen een rood en een groen verkeerslicht.

Daarom is de veiligste keuze om dergelijke situaties te voorkomen dat fabrikanten blijven vertrouwen op een grotere diversiteit aan sensoren, zodat hun systemen zoveel mogelijk redundantie krijgen. Dit is de reden waarom in alle autonome auto’s zoveel mogelijk detectoren, sensoren en camera’s moeten worden ingebouwd. Dankzij deze apparatuur overwinnen de meeste autonome voertuigen problemen zoals die in de foto en de video die we aanbieden, waar een autonome auto niet in staat is te reageren en het verbod om de doorgetrokken lijn van de cirkel om hem heen te overschrijden te omzeilen.

De combinatie en analyse van de informatie afkomstig van alle ingebouwde detectiesystemen, samen met de opgeslagen ervaringen, is wat hen in staat stelt die moeilijkheden te overwinnen. De fietsers zullen het in ieder geval waarderen.

https://vimeo.com/208642358