Robomobile haben Probleme mit Radfahrern

Robomobile verfolgen andere Autos perfekt und können Fußgänger, Eichhörnchen und Vögel besser erkennen. Das Hauptproblem bleibt nur das leichteste, leiseste und lebhafteste Transportmittel.

"Die Aufgabe, Fahrräder zu finden, ist vielleicht die schwierigste Herausforderung bei der Entwicklung von Systemen für Roboterfahrzeuge", sagte der Forschungsingenieur Stephen Schladover von der University of California in Berkeley.

Nuno Vasconcelos, ein Experte für Computer Vision an der Universität von Kalifornien in San Diego, sagt, das Problem, Fahrräder zu finden, sei aufgrund ihrer relativ geringen Größe, Geschwindigkeit und Vielfalt schwierig. „Eine Maschine ist im Wesentlichen ein großer Materieblock. Die Masse der Fahrräder ist viel kleiner und sie können unterschiedlich aussehen - sie haben viele Formen, Farben und es kommt vor, dass die Leute sie mit Müll aufhängen. “

Daher hat die Genauigkeit der Erkennung von Autos in den letzten Jahren die Genauigkeit der Erkennung von Fahrrädern übertroffen. Die meisten Verbesserungen wurden beim Training von Systemen erzielt, in denen Tausende von Fotografien mit markierten Objekten untersucht wurden. Der größte Teil des Trainings konzentrierte sich auf Bilder von Autos, nicht auf Fahrräder.

Nehmen Sie den Deep3DBox- Algorithmus, der kürzlich von Forschern der Universität eingeführt wurde. George Mason und Robotaxi-Entwickler Zoox aus Menlo Park. Im branchenüblichen Systemtest, bei dem versucht wird, zweidimensionale Bilder zu analysieren , identifizierte Deep3DBox 89% der Autos. Vor einigen Jahren haben solche Systeme nicht mehr als 70% bewältigt.

Deep3DBox kommt auch mit einer komplexeren Aufgabe gut zurecht: mit der Vorhersage, in welche Richtung der Transport geht, und mit der Erzeugung eines dreidimensionalen Containers für Objekte in einem zweidimensionalen Bild. „Deep Learning wird normalerweise verwendet, um Sequenzen in Pixeln leicht zu erkennen. Wir haben einen effektiven Weg gefunden, um mithilfe dieser Technologie die geometrischen Eigenschaften von Objekten zu bestimmen “, sagte die Projektteilnehmerin Jana Košecká, Programmiererin an der Universität. George Mason.

Das System ist jedoch viel schlechter darin, Fahrräder und Radfahrer zu erkennen und zu orientieren. Deep3DBox ist eines der besten Systeme, erkennt jedoch in Tests nur 74% der Fahrräder. Und obwohl sie mehr als 88% der Autos auf den Bildern richtig ausrichten kann, tut sie dies bei Fahrrädern nur in 59% der Fälle.

Laut Koschecka machen kommerzielle Systeme einen besseren Job, wenn Entwickler Zugriff auf große Mengen von Bildern erhalten, die auf der Straße aufgenommen wurden und einen Computer trainieren können. Ihr zufolge ergänzt die Mehrzahl der Test-Robomobile die Bildverarbeitung durch Laserscanning ( Lidar ) und Radar, mit deren Hilfe Fahrräder und ihre Position relativ zum Robomobil erkannt werden können, auch wenn sie nichts über ihre Ausrichtung berichten.

Hochauflösende Karten, beispielsweise Road Experience Management von Mobileye, einem israelischen Unternehmen, helfen dabei, neue technologische Durchbrüche zu erzielen. Solche Karten bieten dem Computer einen Vorteil beim Erkennen von Fahrrädern, da diese Fahrräder in aufgezeichneten Straßenbildern wie Anomalien aussehen. Laut Ford Motor bilden dreidimensionale, sehr detaillierte Karten das Herzstück der 70 Testroboter, die in diesem Jahr auf die Straße gebracht werden sollen.

Wenn Sie alles zusammenfügen, können Sie beeindruckende Ergebnisse erzielen - und diese wurden letztes Jahr von Geräten von Google demonstriert . Waymo , ein Unternehmen, das sich von Googles Abteilung für Robomobile löst, hat seine eigene Sensortechnologie demonstriert , die die Fähigkeit des Systems verbessert, Fahrräder zu erkennen.



Vasconcelos bezweifelt, dass die vorhandenen Systeme zur Objekterkennung und -automatisierung menschliche Fahrer ersetzen können, glaubt jedoch, dass sie bereits so weit entwickelt sind, dass Menschen Unfälle vermeiden können. Die Erkennung von Radfahrern wird bereits als Ergänzung zum kommerziellen automatischen Bremssystem (AEB) eingeführt, das bei normalen Autos installiert ist und nicht nur Autos, sondern auch Fußgänger mit Radfahrern erkennen kann.

Das erste AEB- Erkennungssystem von Volvo wurde 2013 von Volvo eingeführt. Es verarbeitet Daten von Kamera und Radar und sagt mögliche Kollisionen voraus. Eine ähnliche Technologie wird in diesem Jahr in europäischen Bussen getestet. Andere Autohersteller werden voraussichtlich danach aufholen, da die europäischen Regulierungsbehörden im nächsten Jahr damit beginnen, AEB-Systeme auf die Qualität der Anerkennung von Radfahrern hin zu bewerten.

Solche Systeme leiden jedoch immer noch unter schwerwiegenden Einschränkungen, aus denen sich die nächste schwierige Aufgabe für Entwickler ergibt: die Vorhersage der Bewegungsrichtung von sich bewegenden Objekten. Es wird besonders schwierig sein, noch mehr Daten aus AEB-Systemen abzurufen, die Radfahrer erkennen - sagt Olaf Op den Camp, Senior Consultant bei der niederländischen Organisation für angewandte Forschung. Opden Kamp, der die Entwicklung des europäischen Tests für AEB-Systeme mit Fahrraderkennung leitete , sagt, dass es am schwierigsten ist, die Bewegungen von Radfahrern vorherzusagen.

Koschecka stimmt ihm zu: "Radfahrer sind viel weniger vorhersehbar als Autos, da es für sie viel einfacher ist, plötzlich abzubiegen oder aus dem Nichts zu springen."

Dies bedeutet, dass es laut US-Aufsichtsbehörden viel Zeit dauern wird, bis Radfahrer die menschlichen Fehler vermeiden können, die mit 94% der Unfälle verbunden sind. "Alle Radfahrer freuen sich auf diesen Moment", sagte Brian Wiedenmeier, Executive Director des San Francisco Cyclists 'Cycle. Aber er sagt, dass es richtig sein wird, zu warten, bis die Automatisierungstechnologien ausgereift sind.

Im Dezember warnte Weidenmeyer , dass die von Uber Technologies gesponserten Roboter gegen die kalifornischen Verkehrsregeln verstoßen, die speziell zum Schutz von Radfahrern vor Autos und Lastwagen entwickelt wurden, die bestimmte Radwege überqueren. Er unterstützte den Widerruf der Zulassung solcher Fahrzeuge, nachdem das Unternehmen die Erteilung von Genehmigungen für diese Fahrzeuge verweigert hatte. Uber testet seine Roboterautos immer noch in Arizona und Pittsburgh und hat kürzlich die Erlaubnis erhalten, einige Autos auf die Straßen von San Francisco zurückzubringen, jedoch nur als Markierungsmaschinen, die definitiv von Fahrern gefahren werden.

Weidenmeyer sagt, Uber habe es eilig, auf den Markt zu kommen, und das ist falsch. Er erklärt: "Wie bei jeder neuen Technologie sollte dies sehr sorgfältig geprüft werden."