Созданием автоматических систем управления автомобилем сейчас занимаются многие компании, как зарубежные, так и отечественные. Такие системы могут быть как полностью автоматическими — подобными разработками занимается Google, так и частично (цифровые помощники разного типа). Кстати, именно цифровым помощником является Autopilot компании Tesla Motors. Это не автопилот в полном понимании этого термина. Разработчики из Массачусетского технологического института (Massachusetts Institute of Technology, MIT) решили создать еще и роботизированный скутер. Проект разрабатывался в сотрудничестве с такими организациями, как Национальный университет Сингапура и CSAIL (Artificial Intelligence Laboratory).
Ранее эта же команда исследователей занималась изучением возможности создания автоматических гольф-мобилей. Для них разрабатывалась специальная программная платформа, которую с некоторыми изменениями и дополнениями использовали и в новом проекте. Скутеры с автоматической системой управления, по мнению разработчиков, могут использоваться, например, теми людьми, кто не может по какой-либо причине ходить самостоятельно. Такие системы могут оказаться полезными и частным пользователям, и компаниям.
Сейчас разработчики проверяют работоспособность алгоритмов программной платформы внутри помещения, хотя все это работает и на улицах. Работа скутеров уже проверена в некоторых помещениях института MIT, где довольно запутанная система коридоров, что вызывает сложности не только у автоматических систем управления транспортными средствами, но и у людей. «Одно из мест, где мы выполняли тестирование — это „бесконечный коридор“ MIT, навигация по которому — целая проблема, поскольку это длинный проход с рядом препятствий. Вы легко можете здесь потеряться. Но наши алгоритмы показали хорошую работу в новом для себя окружении», — заявил Скотт Пендлетон, один из участников проекта. Длина перехода не так велика — всего 251 метр.
Программная платформа состоит из нескольких слоев. Первый слой — это низкоуровневые алгоритмы, которые позволяют скутеру ориентироваться в динамическом окружении, избегая, например, встречающихся на пути людей. Второй слой — это алгоритмы, управляющие направлением движения. Третий слой — алгоритмы, которые позволяют системе идентифицировать свое местоположение. Кроме того, разработчики разработали и алгоритмы, которые, анализируя обстановку вокруг, картируют местность.
Разработчики MIT уверены, что стоит использовать унифицированную платформу для управления движением скутеров, гольф-машин и городских автомобилей: «Если у вас единая система, где работают одни и те же алгоритмы, сложность работы с такой системой значительно ниже, чем в случае, если все системы различны». В частности, унификация позволяет передавать данные, собранные одним транспортным средством, другим машинам и скутерам. Все эти транспортные средства смогут работать с единой базой данных, в отличие от ситуаций, когда разные транспортные средства работают с разными программными платформами. Передача данных от одного гольф-мобиля другому тестировалась разработчиками в Сингапуре.
Программная платформа, которой оснащаются скутеры и автомобили, является самообучающейся системой. Постоянное взаимодействие с окружающей средой улучшает точность работы алгоритмов.
Еще одно достоинство работы с унифицированной платформой — возможность отслеживания свободных транспортных средств без необходимости интеграции единой программы мониторинга в программные платформы разного типа. Освободившиеся автомобили или скутеры сами заявляют о своей доступности, и эта информация высвечивается на пользовательском устройстве.
Разработчики MIT смогли создать скутер с автоматическим управлением всего за два месяца. Конечно, как уже говорилось выше, программная часть для автомобилей уже была создана и работала, ее оставалось лишь адаптировать к новому типу транспортных средств.
Автономные скутеры испытывали добровольцы. Желание протестировать систему высказали около сотни человек. Непосредственно перед испытаниями и после них этих людей просили оценить безопасность устройств по шкале от 1 до 5, где 5 — ощущение в максимальной безопасности системы. В среднем, оценка вырастала с 3,6 баллов (до испытаний) до 4,6 (сразу после них). По мнению разработчиков, это свидетельствует о том, что, в целом, разработка получилась удачной.
Результаты своей работы участники проекта представили на международной конференции IEEE в по умным транспортным системам ( IEEE International Conference on Intelligent Transportation Systems), которая проводилась на прошлой неделе в Рио де Жанейро, Бразилия.
Journal information