Na sajmu automobilskih tehnologija povezanih sa senzorima, autonomijom i automatizacijom, AutoSens 2024 u Barceloni, predstavljeno je novo, prvo u svijetu, rješenje za primjenu naprednih računalnih simulacija stvarnog svijeta u razvoju, testiranju i prilagodbi sustava autonomne vožnje. Lansirala ga je britanska kompanija rFpro, koja se već više od 15 godina bavi simuliranim okruženjima za treniranje vozača, primarno u glavnim svjetskim motosportovima.

Sada svoju tehnologiju snimanja okoliša i stvaranja digitalnih blizanaca trkaćih staza, koju primjerice koriste momčadi Formule 1 u svojim službenim trenažnim simulatorima, donose i na nešto veće tržište, ono koje se bavi razvojem sustava autonomne vožnje. Njihovi su klijenti proizvođači automobila i njihovi dobavljači prve razine (Tier 1), a rFpro će im s rješenjem AV elevate omogućiti provođenje simulacija autonomne vožnje bez potrebe da se automobili u svim mogućim scenarijima nalaze na cesti.

Manje prepreka za napredak autonomne vožnje

"AV elevate je revolucionarna platforma za simulaciju, danas najnaprednije rješenje koje omogućava podešavanje, treniranje i testiranje kompletne AV tehnologije" rekao nam je Matt Daley, tehnički direktor u rFpro. "Prvi put, programeri autonomnih vozila mogu se manje oslanjati na skupo i kompleksno testiranje u stvarnom svijetu, pa svoje sustave podvrgnuti vrlo točnim sintetičkim podacima iz našeg sustava. Sada se testiranje i razvoj mogu masovno i isplativo skalirati kao nikada prije, uklanjajući najveću prepreku napretku autonomnih vozila. Ako je sustav dovoljno precizan da njime momčadi Formule 1 svakoga tjedna podešavaju svoje bolide pojedinoj stazi, jasno je da je dovoljno kvalitetan i za testiranje i razvoj 'običnih' automobila", naglašava Daley.

Dosad je rFpro stvorio velik broj dijelova sustava za testiranje i simulacije, no prije rješenja AV elevate svi su oni bili orijentirani na to da realne podatke prikažu čovjeku, vozaču. U novom okruženju, podaci s milimetarskom točnošću o cestama, okolini i svim akterima u prometu daju se na raspolaganje senzorima i računalima – koji su također simulirani u ovom okruženju. Na naš zaključak da ovdje "računala treniraju računala" Daley ističe da je to točno, ali ne u smislu da "AI trenira AI", pa da iz toga ispadne nešto nerealno. U njihovom slučaju podaci dobiveni snimanjem stvarnih okruženja, poput gradova, uz realne fizikalne modele svih parametara, od osvjetljenja do kvalitete asfalta, služe kako bi AI naučio voziti u stvarnim uvjetima.

Simulacija ceste i svega oko nje

Simulacije se izvode u oblaku, a u ovisnosti o tome koliko se parametara simulira mogu se izvoditi u stvarnom vremenu ili brže od njega. S druge strane, ako je riječ o zahtjevnom podešavanju i računalno intenzivnim procesima, simulacija se može obavljati i sporije od stvarnog vremena, sve kako bi sustav autonomije bolje "naučio" nositi se s izazovima.

Zahvaljujući činjenici da je sustav modularan i procesira se u oblaku i na HPC-ima, moguće ga je lako skalirati za različite potrebe. Na primjer, promjene tipova senzora, položaj senzora na vozilu, promet i vozila, pješaci, doba dana, vremenski uvjeti, ulična infrastruktura i prepreke – sve to dostupno je "na klik". Omogućava se lako stvaranje varijacija osnovnog scenarija, stvarajući stotine rubnih scenarija za testiranje. Korisnici mogu stvoriti vlastitu bazu podataka scenarija ili se povezati s velikim vanjskim bazama podataka trećih strana, sve kako im odgovara.

"Svrha platforme AV elevate je pomoći proizvođačima manje se oslanjati na testiranje i prikupljanje podataka na javnim cestama, kako bi značajno smanjili troškove i ubrzali razvoj", zaključuje Daley.