Ki ne került volna már olyan helyzetbe, amikor az útvonaltervező be akarta fordítani egy utcába, amit pár nappal korábban lezártak? A navigáció még nem tudott az elterelésről, a táblák nem voltak jól láthatók, a felfestés pedig csak félig volt kész. Ilyenkor körbenézünk, újratervezünk, és ösztönösen igazodunk a helyzethez. Az önvezető járműnek azonban valós időben kell eldöntenie, mi tekinthető érvényes útvonalnak, és hogyan lehet biztonságosan korrigálni a mozgást.
Az önvezető rendszerek egyik legnagyobb nehézsége, hogy meg kellene érteniük, mit akar a másik közlekedő. A biciklis oldalra néz – vajon ez azt jelenti, hogy kanyarodni fog? A gyalogos a zebra előtt áll – csak telefonál, vagy át akar kelni? Az emberi sofőr ilyen helyzetekben gyorsan, a tapasztalatai vagy ösztönei alapján dönt. A gépnek viszont minden döntést algoritmusok alapján kell meghoznia, és ehhez „értenie” kell az összetett helyzeteket.
Ehhez nemcsak észlelésre van szükség, hanem pontos mozgástervezésre is: merre mozduljon el az autó, milyen ív mentén, mekkora sebességgel – mindezt úgy, hogy közben stabil maradjon, és ne veszélyeztessen másokat. Ilyen problémák megoldására törekednek a HUN-REN SZTAKI Rendszer- és Irányításelméleti Laboratóriumának (SCL) kutatói.
Mint közleményükben írják, olyan algoritmusokon dolgoznak, amelyek képesek a legbonyolultabb helyzetekben is gyorsan és biztonságosan dönteni.
„A gépi tanuláson alapuló módszerek jól alkalmazhatók mintázatok felismerésére, de korlátozottan működnek olyan helyzetekben, amelyekkel a rendszer még nem találkozott. Ezekben az esetekben adnak kapaszkodót az irányításelméleti modellek, amelyek a fizikai törvények alapján írják le, hogy egy jármű adott körülmények között hogyan viselkedik” – mondja Aradi Szilárd, az SCL kutatója.
A megbízható működéshez az is kulcsfontosságú, hogy a kamerákból, radarokból és lézerszkennerekből származó adatokat a rendszer hatékonyan össze tudja fűzni. Ez a szenzorfúzió: amikor a környezetéről több forrásból érkező, esetenként hiányos vagy ellentmondásos információkból is képes egyértelmű helyzetképet alkotni.
„Az egyik kutatási irányunk a vészhelyzeti kikerülőmanőverek biztonságos tervezése – például amikor viharban hirtelen egy faág kerül az útra, és az autó nagy sebességgel, rossz látási viszonyok között halad felé – mondja Aradi Szilárd. A rendszernek ilyenkor gyorsan, valós időben kell kiszámítania az optimális pályát és sebességet, és megbízhatóan, előre kell kalkulálnia azzal is, hogy a közlekedés többi résztvevője hogyan reagálhat.”
Nemcsak előre, de hátrafelé is folyamatosan figyel az önvezető autó
Másik érdekesség, hogy míg az ember csak időnként pillant a visszapillantó tükörbe, az önvezető jármű rendszere azonban folyamatosan figyelheti, hogy mi történik mögötte. Így ha azt érzékeli, hogy a másik autó túl gyorsan közeledik hátulról, a rendszer akár gyorsítással is beavatkozhat a vezetésbe, elkerülve ezzel az ütközést vagy legalábbis csökkentve a becsapódás erejét – persze csak akkor, ha az előtte lévő tér ezt lehetővé teszi.
Hazánkban a ZalaZone tesztpályán létezik egy úgynevezett okosváros is, ahol az ilyen járművek fejlesztése, tesztelés történhet. Nemrég itt mutatták meg a hazai kutatók, hol is tartanak a fejlesztésekkel:
