Budoucnost autonomně řízených aut nemusíme omezovat jen na silnice. TartanDrive je obrovský soubor dat s téměř 200 000 interakcemi v terénu. Ten může budoucím programátorům pomoci pochopit fyziku tak, aby autonomní auta mohla intuitivněji interpretovat terén. To se v rychle měnícím světě, kde může dojít k velmi náhlým infrastrukturním katastrofám, skutečně hodí.
Tento týden představila Carnegie Mellon University svou zprávu o systému TartanDrive. Ten má pomoci změnit způsob, jakým autonomní auta interpretují krajinu. V současné době se robot dívá na prostředí mimo silnice tak, že identifikuje povrchy jako „bláto“, „tráva“, „kameny“ atd. To ale ve skutečnosti příliš nepomáhá při určování způsobu jízdy po nich.
Každý, kdo někdy jel v terénu, ví, že existuje mnoho různých typů bláta. Určit, o jaký typ povrchu se jedná, je jedna věc, ale mnohem důležitější je umět reagovat na to, jak se chová k vozu.
K tomu potřebujete fyziku. Pro fyziku se obracíte na vědce, a tak výzkumníci vzali terénní vozidlo Yamaha Viking. To klouzalo a jezdilo po všech površích, na které mohli položit kola. Shromáždili více než 200 000 datových bodů, které mohou použít k výrobě chytřejších a citlivějších vozidel v terénu, která interpretují svět spíše fyzikálně než prostřednictvím mapových značek.
Autonomní auto v terénu?
Možná se ptáte, proč by autonomní auto mělo jezdit v terénu. To je správná otázka. Má to dobrý důvod, a není to proto, aby roboti mohli ovládnout váš místní off-road park.
Off-road je pro zkušené řidiče, kteří vědí, co dělají, což je skvělé, pokud míříte do parku nebo na stezku, nebo v kontextu, kdy očekáváte, že pojedete mimo silnici. Ale není tomu tak vždy. Pokud dojde k přírodní katastrofě, jako jsou povodně nebo okolnosti, které způsobí kolaps silnic, najednou je budou potřebovat řidiči, kteří tyto zkušenosti nemají, třeba v nouzových situacích.
Pokud robotika lépe porozumí tomu, jak se pohybovat v terénu, znamená to, že pomocníci řidičů pro tyto situace můžeme vylepšit. Vylepšit do té míry, že můžeme jezdit v terénu bez předchozích velkých zkušeností. Samozřejmě že existuje i lepší řešení. Například naučit každého jezdit off-road, avšak řešení autonomních aut dosáhne rychleji kýženého efektu.
Zdroje: The Drive, Vapol
