Adas και αυτόνομη οδήγηση: βασικές αρχές αίσθησης — Τεχνητή Νοημοσύνη στη Μηχανική Αυτοκινήτων

Κέρδη:

Δυνατότητα επεξήγησης του ρόλου της κάμερας, του ραντάρ, του LiDAR και της σύντηξης αισθητήρων στην αλυσίδα ανίχνευσης και στα επίπεδα αυτοματισμού SAE
Δυνατότητα δημιουργίας μετρήσεων επισήμανσης δεδομένων, ορισμού σεναρίου και αξιολόγησης για ανίχνευση αντικειμένων, ταξινόμηση και παρακολούθηση
Δυνατότητα κριτικής αξιολόγησης περιπτώσεων άκρων, ψευδώς θετικό/αρνητικό ισοζύγιο και περιθώριο ασφαλείας στην έξοδο του μοντέλου ανίχνευσης

Τα περισσότερα οχήματα σήμερα διαθέτουν χαρακτηριστικά όπως προειδοποίηση αναχώρησης από τη λωρίδα κυκλοφορίας, αυτόματο φρενάρισμα έκτακτης ανάγκης ή προσαρμοζόμενο cruise control. Όλα αυτά βρίσκονται υπό την ομπρέλα του ADAS (Advanced Driver Assistance Systems). Στην καρδιά αυτών των συστημάτων και της περαιτέρω αυτόνομης οδήγησης βρίσκεται η αντίληψη: ο τρόπος που το όχημα «βλέπει» τον κόσμο γύρω του με αισθητήρες και τον «καταλαβαίνει» με την τεχνητή νοημοσύνη. Σε αυτήν την ενότητα, θα καλύψουμε την αλυσίδα ανίχνευσης, τους αισθητήρες, τα επίπεδα αυτοματισμού και το πιο κρίσιμο ζήτημα, τα όρια ασφαλείας.

Μια προειδοποίηση από την αρχή: Αυτή η περιοχή είναι κρίσιμη για την ασφάλεια. Εάν το μοντέλο ανίχνευσης δεν εντοπίσει πεζό, το αποτέλεσμα μπορεί να είναι μοιραίο. Γι' αυτό, κάθε έξοδος AI εδώ πρέπει να περιβάλλεται από διαδικασίες μηχανικής ασφάλειας (ISO 26262 και SOTIF στις επόμενες μονάδες).

Αισθητήρες: μάτια, αυτιά και ραντάρ

Μια στοίβα αυτόνομης οδήγησης συνδυάζει διαφορετικούς αισθητήρες επειδή ο καθένας έχει δυνατά και αδύνατα σημεία:

Κάμερα: Η κάμερα «βλέπει» καλύτερα το χρώμα, το κείμενο (οδική πινακίδα), τη γραμμή λωρίδας και τον τύπο αντικειμένου. Αλλά είναι φτωχό τη νύχτα, ομίχλη, έντονη ηλιοφάνεια και εκτίμηση απόστασης.
Ραντάρ (Radio Detection and Ranging): Μετρά την απόσταση και την ταχύτητα με ραδιοκύματα. Επηρεάζεται λιγότερο από τη βροχή/ομίχλη και μετρά άμεσα την ταχύτητα (με το φαινόμενο Doppler). αλλά η ανάλυσή του είναι χαμηλή, καθιστώντας δύσκολη τη διάκριση "είναι πεζός ή κουτί;"
LiDAR (Light Detection and Ranging): Πυροβολεί ένα λέιζερ και παράγει ένα ακριβές τρισδιάστατο "σημείο σύννεφο" του περιβάλλοντος χώρου. Δίνει απόσταση και σχήμα πολύ καλά. Αλλά είναι ακριβό και μπορεί να επηρεαστεί από έντονη ομίχλη/βροχή.
Υπέρηχοι: Μικρής εμβέλειας, όπως αισθητήρες στάθμευσης.

Δεδομένου ότι κανένας από τους δύο δεν είναι αρκετός από μόνος του, πραγματοποιείται σύντηξη αισθητήρων: συνδυάζοντας τα δεδομένα διαφορετικών αισθητήρων, η αδυναμία του καθενός αντισταθμίζεται από την ισχύ του άλλου. Για παράδειγμα, η κάμερα λέει "πεζός", το ραντάρ λέει "στα 12 μέτρα, πλησιάζοντας τα 5 km/h"? Το Fusion συνδυάζει τα δύο και δημιουργεί ένα αξιόπιστο κομμάτι.

Συμβουλή: Κατά την αξιολόγηση μιας αξίωσης ανίχνευσης, "ποιος αισθητήρας μπορεί να την δει και πόσο καλά;" παρακαλώ. Εάν η εκτίμηση της απόστασης της κάμερας τη νύχτα είναι κακή, μια απόφαση απόστασης που βασίζεται σε μία μόνο κάμερα είναι αμφίβολη.

Αλυσίδα ανίχνευσης

Η τυπική αλυσίδα από τα ακατέργαστα δεδομένα αισθητήρα έως την απόφαση είναι η εξής:

Ανίχνευση: Εύρεση αντικειμένων στο σύννεφο εικόνας/σημείων ("εδώ υπάρχει ένα εργαλείο").
Ταξινόμηση: Προσδιορισμός του είδους του αντικειμένου (πεζός, ποδήλατο, όχημα, πινακίδα).
Παρακολούθηση: Παρακολούθηση του αντικειμένου μεταξύ πλαισίων, εκτίμηση της ταχύτητας και της κατεύθυνσής του.
Fusion: Συνδυασμός αισθητήρων για τη δημιουργία ενός συνεπούς παγκόσμιου μοντέλου.
Πρόβλεψη: «Αυτός ο πεζός θα περάσει τον δρόμο;»
Σχεδιασμός και έλεγχος: Απόφαση και εντολή διεύθυνσης/φρένου/γκαζιού.

Τεχνητή νοημοσύνη (ιδιαίτερα βαθιά μάθηση) 1-3. πολύ δυνατό σε βήματα? 5-6. Τα βήματα περιβάλλονται όλο και περισσότερο από κανόνες μηχανικής και λογική ασφάλειας.

επίπεδα αυτοματισμού SAE

Η αυτονομία δεν είναι κάτι «ναι/όχι», είναι σταδιακό. Το πρότυπο SAE J3016 ορίζει έξι επίπεδα:

Επίπεδο

Όνομα

Ποιος οδηγεί;

παράδειγμα

Χωρίς αυτοματισμό

όλα οδηγούν

Μόνο προειδοποίηση (προειδοποίηση τυφλού σημείου)

Υποστήριξη προγραμμάτων οδήγησης

πρόγραμμα οδήγησης + ενιαία υποστήριξη

Προσαρμοστική κρουαζιέρα Ή διατήρηση λωρίδας

Μερικός αυτοματισμός

Οδηγός (συνεχής επίβλεψη)

Ταχύτητα + λωρίδα μαζί, υπεύθυνος οδηγός

Αυτοματισμός υπό όρους

Σύστημα (υπό ορισμένες προϋποθέσεις)

Υπό ορισμένες συνθήκες το σύστημα οδηγεί, ο οδηγός είναι έτοιμος να αναλάβει

υψηλός αυτοματισμός

Σύστημα (σε συγκεκριμένη περιοχή)

Χωρίς οδηγό σε καθορισμένη περιοχή

Πλήρης αυτοματισμός

Σύστημα (σε όλες τις συνθήκες)

Χωρίς οδηγό παντού (όχι ακόμα)

Προσοχή: Η πιο επικίνδυνη παρεξήγηση είναι το Επίπεδο 2. Στο Επίπεδο 2, το όχημα υποστηρίζει το τιμόνι και την ταχύτητα, αλλά ο οδηγός διατηρεί συνεχή επίβλεψη και ευθύνη. Η παρεξήγηση του συστήματος ως «αυτόματος πιλότος» και η μη προσοχή έχει οδηγήσει σε θανατηφόρα ατυχήματα. Επίπεδο 2 δεν σημαίνει "χωρίς οδηγό".

Μετρήσεις αξιολόγησης: ψευδώς θετικά και ψευδώς αρνητικά

Δύο τύποι σφαλμάτων είναι κρίσιμοι κατά την αξιολόγηση ενός μοντέλου ανίχνευσης:

Λάθος θετικό: Να σκεφτόμαστε ότι υπάρχει κάτι που δεν υπάρχει. Για παράδειγμα, νομίζοντας ότι μια σκιά γέφυρας είναι «εμπόδιο» και φρενάρεις άσκοπα. Ενοχλητικό και μερικές φορές επικίνδυνο (σύγκρουση από πίσω).
Λάθος αρνητικό (ψευδώς αρνητικό / αστοχία): Το να μην μπορείς να δεις κάτι που υπάρχει. Για παράδειγμα, να μην βλέπεις έναν πραγματικό πεζό. Αυτό είναι το πιο θανατηφόρο λάθος στην αυτόνομη οδήγηση.

Μετρήσεις που συνοψίζουν αυτά:

Ακρίβεια: Πόσα από αυτά που σημειώσατε είναι πραγματικά σωστά.
Ανάκληση (ευαισθησία): Πόσα από αυτά που πραγματικά υπάρχουν έχετε αποτυπώσει.
mAP (μέση μέση ακρίβεια): Κοινή σύνθετη μέτρηση για την ανίχνευση αντικειμένων.

Η ανάκληση (να μην χαθεί κανένας πεζός) είναι ζωτικής σημασίας σε θέματα όπως η ανίχνευση πεζών στην αυτόνομη οδήγηση. Αυξάνοντας αυτό μερικές φορές αυξάνει το ψευδώς θετικό. Αυτή η ανταλλαγή είναι μια απόφαση μηχανικής ασφάλειας, όχι καθαρή ακρίβεια μοντέλου.

Edge case και η μακριά ουρά

Το πιο δύσκολο κομμάτι της αυτόνομης οδήγησης δεν είναι οι συνηθισμένες καταστάσεις, αλλά οι σπάνιες και παράξενες: η ταμπέλα μισοορατή κάτω από το χιόνι, το ανάποδο φορτηγό, ένας κουστουμαρισμένος πεζός, έπιπλα πεσμένα στο δρόμο. Αυτές οι σπάνιες αλλά επικίνδυνες καταστάσεις ονομάζονται μακριά ουρά. Ενώ ένα μοντέλο μπορεί να είναι τέλειο για εκατομμύρια «κανονικά» μίλια, μπορεί να αποτύχει σε μια ακραία κατάσταση που δεν έχει ξαναδεί. Αυτός είναι ο λόγος για τον οποίο οι δοκιμές βάσει σεναρίων, η προσομοίωση και η επικύρωση στον πραγματικό κόσμο είναι ατελείωτες.

Μίνι περιπτωσιολογικές μελέτες

Περίπτωση 1 - Η αξία της σύντηξης. Κατά τη δοκιμή του αυτόματου φρεναρίσματος έκτακτης ανάγκης, μια ομάδα ADAS διαπίστωσε ότι άργησε να εντοπίσει ένα σκουρόχρωμο όχημα μπροστά του σε έντονο ήλιο μόνο με την κάμερα. Όταν προστίθενται δεδομένα ραντάρ (το ραντάρ δεν επηρεάζεται από τη λάμψη), το σύστημα εντοπίζει το όχημα 0,4 δευτερόλεπτα νωρίτερα. Αυτό σημαίνει απόσταση πέδησης περίπου 10 μέτρων στα 90 km/h. Αποτέλεσμα: Η σύντηξη έκλεισε το τυφλό σημείο ενός αισθητήρα.

Περίπτωση 2 - Ανάκληση/ζυγοστάθμιση ακριβείας. Όταν το όριο του μοντέλου ανίχνευσης πεζών χαμηλώνει, η ανάκληση αυξάνεται από 96% σε 99%, αλλά τα ψευδώς θετικά (σκιά, θάμνοι) αυξάνονται, γεγονός που οδηγεί σε περιττό φρενάρισμα. Η ομάδα ασφαλείας παίρνει την απόφαση: η αποφυγή των πεζών είναι προτεραιότητα, αλλά η άνεση διατηρείται εξαλείφοντας τα ψευδώς θετικά με τη λογική σύντηξης και παρακολούθησης. Συμπέρασμα: Η μετρική επιλογή είναι μια απόφαση μηχανικής/ασφάλειας, δεν υπάρχει ενιαίος "σωστός αριθμός".

Περίπτωση 3 - Έκπληξη θήκης άκρων. Ενώ ένα μοντέλο είχε 99,8% επιτυχία στο σετ επικύρωσής του, παρεξήγησε μια φωτογραφία ενός γιγαντιαίου πεζού πίσω από ένα φορτηγό που μετέφερε μια διαφήμιση χιονολάστιχου στο χωράφι για έναν «πραγματικό πεζό» και φρέναρε ξαφνικά. Η ομάδα προσθέτει αυτήν την περίπτωση ακμής στη βιβλιοθήκη σεναρίων και εκπαιδεύει εκ νέου το μοντέλο. Συμπέρασμα: Η μακριά ουρά δεν «τελειώνει» ποτέ. Απαιτείται συνεχής συλλογή σεναρίων.

πρότυπα προτροπής

Πρότυπο 1 - Δημιουργία λίστας σεναρίων:

Ρόλος: Είστε ο μηχανικός δοκιμών της ADAS. Εργασία: Δημιουργήστε δύσκολα σενάρια δοκιμών για αυτόματη πέδηση έκτακτης ανάγκης. Πλαίσιο: Αστικό, 30-50 km/h, μεικτό πεζό και ποδηλάτη. Περιορισμός: Δώστε προτεραιότητα σε σπάνια/επικίνδυνα, όχι συχνά σενάρια. γράψτε την αναμενόμενη σωστή συμπεριφορά για κάθε σενάριο.Έξοδος: Σενάριο | κατάσταση | αναμενόμενη συμπεριφορά | επίπεδο κινδύνου.

Πρότυπο 2 - Περίγραμμα οδηγού επισήμανσης:

Ρόλος: Βασικός οδηγός ποιότητας σήμανσης δεδομένων. Εργασία: Γράψτε ένα σχέδιο κανόνων συνέπειας για την επισήμανση πεζών. Πλαίσιο: Υπάρχουν πεζοί μερικώς ορατοί, καθισμένοι, σε αναπηρικά καροτσάκια και σε ομάδες. Αποτέλεσμα: Κανόνας | παράδειγμα | πίνακας βαθμών οριακής κατάστασης.

Πρότυπο 3 - Ερμηνεία μετρήσεων:

Ρόλος: Εμπειρογνώμονας αξιολόγησης όρασης υπολογιστή. Εργασία: Ερμηνεύω τα αποτελέσματα ανίχνευσης πεζών μου. Πλαίσιο: ακρίβεια 0,93, ανάκληση 0,90, οι περισσότερες αστοχίες τη νύχτα ή στη βροχή. Περιορισμός: Δώστε έμφαση στη σημασία της ανάκλησης για την ασφάλεια. Πείτε μου υπό ποιες προϋποθέσεις απαιτείται πρόσθετη επαλήθευση. Έξοδος: Σχόλιο + τομείς προτεραιότητας για βελτίωση.

Πρότυπο 4 - Περίγραμμα λογικής σύντηξης:

Ρόλος: Είστε μηχανικός σύντηξης αισθητήρων. Εργασία: Προτείνετε μια λογική σχεδίου απόφασης όταν η κάμερα και το ραντάρ συγκρούονται. Πλαίσιο: Το ραντάρ βλέπει κινούμενο μικρό αντικείμενο στα 15 μέτρα, ενώ η κάμερα λέει "όχι πεζός". Περιορισμός: Εφαρμόστε την αρχή της υπόθεσης υπέρ της ασφάλειας (ασφαλής πλευρά). Έξοδος: Πίνακας αποφάσεων + αιτιολόγηση.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Είναι ασφαλές το μοντέλο του αυτόνομου οχήματός μου;

Χωρίς πλαίσιο. Το "ασφαλές" είναι απροσδιόριστο. Το AI μιλά μόνο με γενικούς όρους και μπορεί να δώσει παραπλανητική εμπιστοσύνη.

Ισχυρή προτροπή:

Ρόλος: Είστε ο σύμβουλος αξιολόγησης ασφαλείας της ADAS. Εργασία: Δημιουργήστε μια λίστα ελέγχου για να αμφισβητήσω τα τρωτά σημεία του μοντέλου ανίχνευσης πεζών μου. Πλαίσιο: Σύστημα Αστικού Επιπέδου 2. Ανάκληση πέφτει τη νύχτα και στη βροχή. Υπάρχει μόνο κάμερα + ραντάρ, όχι LiDAR. Περιορισμός: Μην δηλώσετε «ασφαλές». προσδιορίστε υπό ποιες συνθήκες το σύστημα βρίσκεται στο όριο του και ποιες πρόσθετες δοκιμές απαιτούνται. Έξοδος: Περιοχή κινδύνου | γιατί | προτεινόμενη δοκιμή | πίνακας σημασίας.

Συνήθη λάθη

Λάθος Επίπεδο 2 για "χωρίς οδηγό". Η ευθύνη ανήκει στον οδηγό. Αυτή η παρανόηση είναι μοιραία.
Βασίζεται σε έναν μόνο αισθητήρα. Κάθε αισθητήρας έχει ένα τυφλό σημείο. η σύντηξη είναι απαραίτητη.
Απλά κοιτάζοντας τη μέση ακρίβεια. 99% επιτυχία, 1% χαμένος πεζός θα μπορούσε να είναι θανατηφόρος. Η ανάκληση και οι ακραίες περιπτώσεις είναι κρίσιμες.
Αγνοώντας ακραίες περιπτώσεις. Η μακριά ουρά δεν τελειώνει ποτέ. Η συλλογή σεναρίων είναι συνεχής.
Αφήνοντας την απόφαση ασφαλείας στο μοντέλο. Οι αποφάσεις κατωφλίου και ισορροπίας είναι ευθύνη της μηχανικής ασφάλειας.

Συνοπτικά

Στην καρδιά του ADAS και της ανίχνευσης αυτόνομης οδήγησης βρίσκεται η κάμερα, το ραντάρ, το LiDAR και η σύντηξη αισθητήρων. Κάθε αισθητήρας έχει διαφορετικά πλεονεκτήματα/αδυναμίες.
Η αλυσίδα ανίχνευσης αποτελείται από ανίχνευση, ταξινόμηση, παρακολούθηση, σύντηξη, πρόβλεψη και έλεγχο. Το AI είναι ισχυρό στα πρώτα βήματα.
Τα επίπεδα SAE κυμαίνονται από 0 έως 5. Στο Επίπεδο 2, η ευθύνη ανήκει στον οδηγό.
Το ψευδώς αρνητικό (απαγωγή πεζού) είναι το πιο θανατηφόρο σφάλμα. Η ανάκληση και οι ακραίες περιπτώσεις έχουν προτεραιότητα.
Οι αποφάσεις ασφαλείας αποτελούν ευθύνη μηχανικής. Η ακρίβεια του μοντέλου δεν είναι το μόνο κριτήριο.

Εργασία εφαρμογής

Επιλέξτε μια λειτουργία ADAS (π.χ. υποβοήθηση διατήρησης λωρίδας). (1) Γράψτε σε έναν πίνακα ποιοι αισθητήρες υποστηρίζουν αυτή τη λειτουργία και πόσο καλά. (2) Δημιουργήστε 5 σενάρια περιπτώσεων ακμών με το Πρότυπο 1 και καθορίστε την αναμενόμενη ασφαλή συμπεριφορά για το καθένα. (3) Συγκρίνετε τα αποτελέσματα του ψευδώς θετικού και του ψευδώς αρνητικού για αυτή τη συνάρτηση. (4) Καταγράψτε ποιες ανεξάρτητες δοκιμές απαιτούνται πριν ισχυριστείτε ότι το μοντέλο είναι "ασφαλές".

λίστα ελέγχου

[ ] Αξιολόγησα τα δυνατά σημεία/αδυναμίες των αισθητήρων ανάλογα με τη λειτουργία.
[ ] Έχω επίσης απαριθμήσει τα τελικά σενάρια (μακριά ουρά).
[ ] Σύγκρισα ψευδώς θετικά/αρνητικά αποτελέσματα για ασφάλεια.
[ ] Έλαβα υπόψη την κρίσιμη για την ασφάλεια σημασία της Ανάκλησης.
[ ] Διευκρίνισα το επίπεδο ΣΑΕ και ποιος είναι υπεύθυνος.
[ ] Ετοίμασα ανεξάρτητο σχέδιο δοκιμών πριν δηλώσω "ασφαλές".