21/07/2022
Door Ad Spijkers
Amerikaanse onderzoekers namen een terreinwagen op wilde ritten door hoog gras, los grind en modder. Ze verzamelden data over hoe de ATV omging met zo'n omgeving.
De onderzoekers van Carnegie Mellon University Robotics Institute in Pittsburgh (Pennsylvania) reden agressief en met snelheden tot 50 km/u met een van veel instrumenten voorzien zwaar All Terrain Vehicle (ATV). Ze gleden door bochten, gingen heuvels op en af en kwamen zelfs vast te zitten in de modder. Intussen verzamelden ze met zeven soorten sensoren data zoals video, de snelheid van elk wiel en de veerweg van de ophanging.
De resulterende dataset, TartanDrive genaamd, bevat ongeveer 200.000 interacties. Volgens de onderzoekers is het de grootste real world, multimodale, off-road dataset, zowel wat betreft het aantal interacties als de soorten sensoren. De vijf uur aan gegevens kunnen nuttig zijn om een zelfrijdend voertuig te trainen om off-road te navigeren.
Uitdaging
In tegenstelling tot autonoom rijden op straat, is off-road rijden een grotere uitdaging. Je moet de dynamiek van het terrein begrijpen om veilig en sneller te kunnen rijden. Bij eerdere onderzoeken aan off-road rijden waren vaak kaarten met aantekeningen nodig. Deze bevatten labels zoals modder, gras, vegetatie of water om de robot te helpen het terrein te begrijpen.
Maar dat soort informatie is niet vaak beschikbaar en, zelfs als dat wel het geval is, misschien niet nuttig. Een gebied op de kaart met de aanduiding modder kan bijvoorbeeld wel of niet berijdbaar zijn. Robots die dynamiek begrijpen, kunnen redeneren over de fysieke wereld.
Het onderzoeksteam ontdekte dat de multimodale sensorgegevens die ze voor TartanDrive verzamelden, hen in staat stelden voorspellingsmodellen te bouwen die superieur waren aan de modellen die waren ontwikkeld met eenvoudigere, niet-dynamische gegevens. Door agressief rijden werd het begrip van dynamiek essentieel.
De dynamiek van deze systemen wordt vaak uitdagender naarmate meer snelheid wordt toegevoegd. Wie sneller rijdt, stuitert op meer dingen. Veel van de gegevens die de onderzoekers wilden verzamelen, betroffen dit agressievere rijgedrag, meer uitdagende hellingen en dikkere begroeiing, want daar beginnen enkele van de eenvoudigere regels te mislukken.
Toepassingen
Hoewel het meeste werk aan zelfrijdende voertuigen gericht is op het rijden op straat, zullen de eerste toepassingen waarschijnlijk off-road zijn in gebieden met gecontroleerde toegang, waar het risico op botsingen met mensen of andere voertuigen beperkt is. Tijdens de tests bestuurden mensen de ATV, hoewel ze een drive-by-wire-systeem gebruikten om de besturing en snelheid te regelen.
De onderzoekers dwongen hiermee de mens om door dezelfde besturingsinterface te gaan als de robot. Op deze manier konden de acties van de mens direct worden gebruikt als input voor hoe de robot moet handelen.
Foto: Carnegie Mellon University