मास्को में एक मानव रहित ट्राम का परीक्षण किया जा रहा है। हमने ऑटोपायलट डेवलपर्स के साथ बात की।

कुछ दिनों पहले , Vedomosti ने कहा कि मॉस्को जल्द ही एक मानव रहित ट्राम का परीक्षण शुरू करेगा। अब वे उसे डिपो में परीक्षण कर रहे हैं, लेकिन कुछ महीनों में वे इसे रूट नंबर 17 पर लॉन्च करने की योजना बना रहे हैं - अब तक यात्रियों के बिना और कैब में ड्राइवर के साथ।

अगले चरण में, चालक ट्राम को नियंत्रित करना भी जारी रखेगा। सिस्टम केवल ट्रिगर को रिकॉर्ड करेगा, लेकिन यह केवल दो मामलों में ट्राम के नियंत्रण को प्रभावित कर सकता है - यह धीमा हो जाएगा अगर यह पटरियों पर एक बाहरी वस्तु को देखता है, और धीमा हो जाता है अगर ड्राइवर खराब मौसम की स्थिति में बहुत अधिक तेजी लाता है।

सबसे अधिक संभावना है, ट्राम केवल कुछ वर्षों में पूरी तरह से मानव रहित हो जाएगा। जैसा कि विन्डोस्तोइ लिखते हैं, 2021-2022 तक।

विकास वाइटाज़ एम मॉडल पर आधारित है, जो पीसी ट्रांसपोर्ट सिस्टम द्वारा निर्मित है, और कंपनी कॉग्निटिव टेक्नोलॉजीज ऑटोपोटॉट में लगी हुई है। मानव रहित वाहनों के विकास के लिए उसके विभाग के प्रमुख यूरी मिंकिन ने हमें परियोजना के बारे में और बताया।

सेंसर

सिस्टम 20 कैमरों और 10 रडार का उपयोग करेगा - अगर हम पूरी तरह से मानवरहित ट्राम के लिए कॉन्फ़िगरेशन के बारे में बात करते हैं। हम वर्तमान में एक समाधान पर काम कर रहे हैं ताकि सेंसर ट्राम के चारों ओर सभी 360 डिग्री को कवर करें। यह हमारी वर्तमान मात्रा का अनुमान है।

सबसे सामने स्थापित किया जाएगा। अलग-अलग कॉन्फ़िगरेशन में पांच कैमरे तक हैं। तीन कैमरे पीछे की तरफ हैं, और बाकी सभी कार में वितरित किए गए हैं। अलग-अलग सेंसर भी डोर परिधि को नियंत्रित करते हैं। या तो कैमरे या अन्य सेंसर द्वार में काम करेंगे - हम अभी भी इस मुद्दे पर काम कर रहे हैं। उन्हें यह देखना चाहिए कि कोई दरवाजे में नहीं है और उन्हें बंद किया जा सकता है।

कैमरा और रडार अलग-अलग अच्छे उपकरण हैं, लेकिन वे अलगाव में काम करते समय पूरी जानकारी नहीं देते हैं, खासकर मुश्किल परिस्थितियों में। आदर्श परिस्थितियों में, कैमरे हर चीज के लिए पर्याप्त हैं। लेकिन दुर्भाग्य से हम एक आदर्श दुनिया में नहीं रहते हैं। विभिन्न कारणों से, कैमरे सामान्य रूप से काम करना बंद कर सकते हैं।

उदाहरण के लिए, सूरज चमकता है, या बहुत कम स्तर की रोशनी, भारी बर्फबारी, भारी बारिश। यानी वे स्थितियां जिनमें न तो व्यक्ति और न ही कैमरे कुछ देखते हैं। एक सिस्टम जारी करना अजीब होगा जो भारी कोहरे में कहीं भी नहीं जाएगा। इसकी जरूरत नहीं है और खतरनाक भी है, क्योंकि कोहरा किसी का ध्यान नहीं खींच सकता। और रडार मौसम की स्थिति के प्रति इतना संवेदनशील नहीं है, लेकिन एक ही समय में पूरी तस्वीर नहीं देख सकता है। उदाहरण के लिए, यह ट्रैफ़िक सिग्नल को नहीं पहचानता है।

इन सभी को हल करने के लिए, डेटा फ्यूजन तकनीक का उपयोग किया जाता है - जब हम एक साथ कैमरों और रडार से डेटा संसाधित करते हैं, और दो अलग-अलग सेंसर के आधार पर निर्णय लेते हैं। इस प्रकार, एक ऑल वेदर सॉल्यूशन प्राप्त होता है, जो एक ही समय में यथोचित स्वीकार्य होता है।

कठिन परिस्थितियों में जांच की सटीकता, निश्चित रूप से घट जाती है। यातायात सुरक्षा सुनिश्चित करने और गुणवत्ता का एक स्वीकार्य स्तर सुनिश्चित करने के लिए, एहतियाती उपाय किए जाने चाहिए - गति में कमी और इसी तरह। यह ब्रेकिंग दूरी को कम करता है, और वर्तमान स्थिति का आकलन करने के लिए समय बढ़ाता है।

रडार आगे और पीछे की ओर देखेंगे। उनके पास कार्रवाई का एक बड़ा त्रिज्या है - दो सौ मीटर तक, शायद थोड़ा और भी। रडार कोनों पर होंगे ताकि हम सभी अंधा धब्बों को नियंत्रित करें। और ट्राम की परिधि के साथ कुछ और।

रडार हमारे विकास हैं। हम कैमरे तैयार कर लेते हैं। लेकिन वास्तव में क्या, किस मात्रा में, और किन चरणों में ट्राम के निर्माता के साथ एक संयुक्त मुद्दा है। इसलिए, हम अंतिम डिज़ाइन निर्णय के चरण में हर चीज के बारे में बेहतर बात करेंगे।

मुलायम

सबसे पहले, यह विभिन्न सेंसर - कैमरा, रडार, उच्च-सटीक स्थिति, जड़त्वीय सेंसर से डेटा की सिंक्रोनस रसीद और प्रसंस्करण है। मुख्य बात यह है कि डेटा को समकालिक रूप से प्राप्त किया जाता है, ताकि सिस्टम समझता है कि सभी जानकारी एक समय अवधि को संदर्भित करती है।

हम हवाई ट्राम सिस्टम से भी जानकारी प्राप्त करते हैं। उदाहरण के लिए, नियंत्रण की स्थिति, इंजन की गति, दरवाजों की स्थिति और ट्राम के विभिन्न नोड्स।

उच्च-सटीक कार्टोग्राफी भी है - जो जानकारी हमने पहले से एकत्र की थी, और यह लगातार अपडेट की जाती है। इसके साथ, हम हमेशा कैमरे और रडार से मिली जानकारी के अनुसार स्थान को पुनर्स्थापित कर सकते हैं, भले ही हमने जीपीएस सिग्नल खो दिया हो। हमें पता है कि मार्ग पर ब्याज की सभी वस्तुएं कहां स्थित हैं, स्टॉप, ट्रैफिक लाइट और बहुत कुछ।

उदाहरण के लिए, पूरे मार्ग के साथ ट्रैफ़िक सिग्नलों का पता लगाने पर कंप्यूटर संसाधनों को बर्बाद न करने के लिए, हम, यह जानते हुए कि वे कहाँ हैं, आवश्यक के रूप में संबंधित घटक को शामिल करें। यह आपको कंप्यूटिंग लोड का अनुकूलन करने की अनुमति देता है।

सॉफ्टवेयर में अगले स्तर प्रसंस्करण है। हम अपने आसपास के सड़क दृश्य को पुनर्स्थापित करते हैं, वस्तुओं की व्यवस्था करते हैं, सड़क के दृश्य का विश्लेषण करते हैं और नियंत्रणों को कैसे प्रभावित करें, इस पर निर्णय लेते हैं।

यदि हम एक ड्राइवर चेतावनी प्रणाली के बारे में बात कर रहे हैं, तो हम मूल्यांकन करते हैं कि क्या यह प्रणाली के हस्तक्षेप का समय है या नहीं। अगर ऑटोपायलट के बारे में, तो वह लगातार सड़क के दृश्य का मूल्यांकन करता है।

तंत्रिका नेटवर्क की मशीन दृष्टि और प्रशिक्षण

मशीन दृष्टि की मदद से, हम विभिन्न वस्तुओं का पता लगाते हैं - पैदल यात्री, कार, ट्रैफ़िक सिग्नल, तीरों की स्थिति और बहुत कुछ। ड्राइवर द्वारा मॉनिटर किए जाने वाले सभी कई ऑब्जेक्ट सिस्टम द्वारा भी पहचाने जाते हैं।

हम तंत्रिका नेटवर्क के आधार पर मान्यता का प्रदर्शन करते हैं - यह सबसे सिद्ध दृष्टिकोण है। लेकिन इस कार्य को एक स्वीकार्य गति से स्वीकार्य गुणवत्ता देने के लिए अपेक्षाकृत शक्तिशाली कंप्यूटर की आवश्यकता होती है। कार में, ऐसे उपकरण रखना संभव है, इसे शक्ति से कनेक्ट करें। इसके अलावा, इस प्रकार के परिवहन के लिए उपकरणों की लागत स्वीकार्य है।

हम लंबे समय से मौजूदा ट्रामों पर डेटा एकत्र कर रहे हैं। यह परियोजना छह महीने से अधिक समय तक चलती है, बस अब इसकी घोषणा की गई है। हम दिन के अलग-अलग समय पर, अलग-अलग प्रकाश व्यवस्था की स्थितियों में एकत्रित होते हैं। हम लगातार डेटासेट का विस्तार कर रहे हैं - यह सबसे मूल्यवान चीज है। एल्गोरिदम विकसित और सुधार किए जाते हैं, और डेटासेट का उपयोग कई वर्षों से परीक्षण और प्रशिक्षण के लिए किया जा सकता है। यह किसी भी मशीन सीखने की नींव है।

डिटेक्टरों के हिस्से के लिए, उदाहरण के लिए, कारों और पैदल चलने वालों की मान्यता, हम उस डेटा का उपयोग करते हैं जो हमने पहले एकत्र किया था, एक ट्राम के साथ परियोजना से पहले

सुरक्षा, बैकअप सिस्टम, हमले

ट्राम कारों की उच्च तकनीक के कारण, हम उपयुक्त इंटरफ़ेस यूनिट का उपयोग करके ट्राम को पूरी तरह से नियंत्रित कर सकते हैं। हम सभी शासी निकायों को प्रभावित कर सकते हैं और सभी ट्राम सिस्टम की वर्तमान स्थिति के बारे में जानकारी प्राप्त कर सकते हैं।

एक बैकअप सिस्टम है। सभी नोड्स को एक मार्जिन के साथ दोहराया गया है। हमारा सिस्टम हमेशा एक स्वायत्त इकाई को एक संकेत भेजता है कि वह काम कर रहा है। जैसे ही यह संकेत गायब हो जाता है, इकाई बस कार को रोक देती है।

सभी जानकारी स्थानीय रूप से सम्‍मिलित है। हम ट्राम को बाहर नहीं चलाते हैं। सबसे पहले, अन्यथा यह सुरक्षित नहीं होगा। दूसरे, मौजूदा संचार चैनल पर्याप्त गारंटी प्रदान नहीं करते हैं। हम सभी समझते हैं कि अगर आंदोलन के दौरान संचार चैनल के साथ कुछ होता है, तो स्थिति आम तौर पर अप्रत्याशित होगी। इसलिए, सब कुछ विशेष रूप से बोर्ड पर संसाधित किया जाता है।

इस प्रणाली का बाहर से कोई प्रवेश द्वार नहीं है। यह हमलों के लिए पूरी तरह से बंद है। केवल अगर आप ट्राम पर हमला करते हैं, तो पैनल खोलें, तारों से कनेक्ट करें - लेकिन यह पहले से ही एक शानदार कहानी है। इंटरनेट के माध्यम से हैकिंग और ट्राम का प्रबंधन असंभव है। पूरा सिस्टम बंद है और पूरी तरह से अलग है।

रोड़ा छवियों का उपयोग करते हुए हमलों के मामले में, रडार हमारी मदद करेगा। उदाहरण के लिए, दृष्टि को धोखा दिया जाएगा - यह एक गैर-मौजूद कार और ब्रेक देखेगा। लेकिन रडार पर हम देखेंगे कि आगे कुछ नहीं है। हां, यह स्पष्ट हो जाएगा - कुछ गड़बड़ है, ट्राम धीमा हो जाएगा या एक संकेत देगा।

लेकिन फिर से, हम उन सभी तरीकों को इकट्ठा करते हैं जो आपको अपनी दृष्टि को धोखा देने की अनुमति देते हैं, और उनके आसपास पाने के तरीकों को विकसित करते हैं, ताकि दृष्टि प्रणाली ऐसी तस्वीरों का जवाब न दे सके। धोखे प्रत्येक कार्यान्वयन के लिए विशिष्ट हैं, वे सार्वभौमिक नहीं हैं। मान लीजिए कि टेस्ला के पास एक निश्चित प्रणाली है, और यह किसी के लिए स्पष्ट हो जाता है कि इसे कैसे छल किया जाए। और सबसे अधिक संभावना है, टेस्ला हमें क्या धोखा देगी।

आप निरंतर निगरानी द्वारा इससे निपट सकते हैं। बुरे लोग चोरी करने के नए तरीकों के साथ आते हैं, अच्छे लोग इस बात से बचते हैं कि खुद को इससे कैसे बचाएं।

ट्राम और साधारण मानव रहित वाहनों के बीच अंतर

एक तरफ, जिम्मेदारी बढ़ रही है, क्योंकि यह यात्री परिवहन है। हमेशा एक चिकनी सवारी सुनिश्चित करें। आप समझते हैं कि बोर्ड पर दर्जनों लोग हैं जिनके लिए आप जिम्मेदार हैं।

दूसरी ओर, ट्राम रेल पर चला जाता है, यह लगभग हमेशा यातायात नियमों में एक फायदा होता है। टैक्सी की समस्या को हल करने की आवश्यकता नहीं है, इसके प्रक्षेपवक्र, ब्याज के सभी प्रमुख बिंदु, सभी ट्रैफिक लाइट, स्टॉप हमेशा अच्छी तरह से ज्ञात हैं। यह कार्य को बहुत सरल करता है।

इसके अलावा, ट्राम बड़ी है, इसकी शक्ति के साथ, उपकरणों की नियुक्ति के साथ कम समस्याएं। एक कार में, जनरेटर शक्ति हमेशा उन उपकरणों को समायोजित करने के लिए पर्याप्त नहीं होती है जो आपको स्वायत्तता से चलाने की अनुमति देती है। लेकिन ट्राम के साथ कोई समस्या नहीं हैं।

हमने जिस ट्राम के साथ काम किया वह बहुत आधुनिक है। सब कुछ इलेक्ट्रॉनिक रूप से नियंत्रित है, और पहले से ही कई अंतर्निहित सुरक्षा प्रणालियां हैं। उदाहरण के लिए, वह तब तक आगे नहीं बढ़ सकता जब तक कि दरवाजा बंद न हो। यदि दरवाजे बंद होने पर किसी चीज पर ठोकर खाते हैं, तो वे खुद को खोल देंगे, कभी किसी को चुटकी नहीं लेंगे। इसलिए, यह एक बहुत ही सफल आधार मशीन निकला, जिस पर हमने पहले से ही अपने सिस्टम लगा रखे थे।

यही है, कार्यान्वयन के दृष्टिकोण से - सरल, लेकिन अधिक जिम्मेदार।

लेकिन बहुत सी चीजों को समन्वित करने की आवश्यकता है। सबसे पहले, हम ट्राम के निर्माता के साथ समन्वय करते हैं, फिर हम मॉसगॉर्ट्रान पर जाते हैं, और यह थोड़ा परीक्षण करने के पाठ्यक्रम को जटिल करता है। यदि हम लैंडफिल के लिए कार ड्राइव कर सकते हैं, तो परीक्षण या तो एक छोटे डिपो में किया जा सकता है - लेकिन आप वहां ज्यादा नहीं जाएंगे - या आप विशेष रूप से शहरी परिस्थितियों में परीक्षण का आयोजन कर सकते हैं और सुरक्षा सुनिश्चित कर सकते हैं। उदाहरण के लिए, रात में सवारी करें।

ऑटोपायलट और शेड्यूल

यह जिस तरह से अब काम करता है, यह काम करेगा। हर ट्राम का एक शेड्यूल होता है कि उसे फॉलो करना चाहिए। यदि ट्राम पटरियों पर एक कार उठती है, तो शेड्यूल चलेगा। यह पहले से ही ध्यान में रखते हुए तैयार किया जा रहा है कि आंदोलन के रास्ते में बाधाएं हो सकती हैं। ट्राम के संचालन में बहुत अनुभव है, यह लंबे समय से ज्ञात है कि औसतन ट्राम अपने आदर्श कार्यक्रम से कैसे विचलित हो सकती है। हम इन विचलन को आंदोलन के मार्ग में रखते हैं।

स्वाभाविक रूप से, कुछ और गंभीर हो सकता है। भविष्य में, एक प्रणाली प्रदान की जाएगी जब हम अन्य ट्राम के आंदोलन के बारे में जानते हैं, और हम इसे ध्यान में रखते हुए आगे बढ़ेंगे।

हां, ड्राइवर उस व्यक्ति के लिए एक अतिरिक्त सेकंड इंतजार कर सकता है जो उसके पास दौड़ता है, अपने हाथों को तरंगित करता है और देर हो जाती है, लेकिन कार नहीं करती है। सैद्धांतिक रूप से, इस पाठ्यक्रम को निर्धारित किया जा सकता है, लेकिन व्यवहार में ऐसा नहीं होगा। अगर हम एक मिनट रुकेंगे, तो एक मिनट में कोई और व्यक्ति दौड़ता हुआ आएगा। यह एक कार है, और यह स्पष्ट नियमों के अनुसार काम करती है। इन निश्चित नियमों के लिए धन्यवाद, यह अधिक सुरक्षित है।

परियोजना को पायलट चरण से बाहर करने के लिए क्या आवश्यक है

हमें सब कुछ परखने की जरूरत है - यहां तक ​​कि जो पहले से तैयार है। कई परिस्थितियों में, सब कुछ अच्छा काम करता है। लेकिन हम समझते हैं कि जीवन घटनाओं में समृद्ध है, इसलिए हमें आगे प्रयास करने की जरूरत है, एक शहर में विभिन्न परिदृश्यों की नकल करें, यह देखने के लिए कि सिस्टम काम करता है या नहीं।

हमारी योजना कई ट्राम लॉन्च करने की है, जो सवारी करेंगे, डेटा एकत्र करेंगे और देखेंगे कि सिस्टम कैसे काम करता है। यही है, सिस्टम नियंत्रणों को प्रभावित नहीं करेगा, लेकिन बस अपनी प्रतिक्रियाओं को अनसब्सक्राइब करेगा। और हम ड्राइवर की प्रतिक्रिया के साथ सिस्टम की प्रतिक्रिया की निगरानी और तुलना करेंगे। इसके आधार पर, हम विश्लेषण करेंगे कि क्या सही है, क्या गलत है। हमारे पास सेंसर से सारी जानकारी होगी, और हम देखेंगे कि क्या गलत है।

स्वाभाविक रूप से, एल्गोरिदम को और विकसित करने की आवश्यकता है। विजन पहले से ही उद्योग के मानकों के काफी करीब है, पहले से ही काम करने की अनुमति दी जा सकती है। परिदृश्यों पर काम करना और बारीकियों का विश्लेषण करना आवश्यक है। उदाहरण के लिए, विश्लेषण करने के लिए कि पैदल यात्री कैसे आगे बढ़ते हैं ताकि सिस्टम गलत काम न करे, लेकिन एक ही समय में धीमा हो जाता है जब वास्तव में इसकी आवश्यकता होती है।

ये सभी ट्यूनिंग, डिबगिंग बारीकियों हैं जो बहुत समय लेते हैं।