Het persbureau van TASS kondigde de plannen aan van het bedrijf KAMAZ om 400 miljoen roebel te investeren in de ontwikkeling van een onbemande technologie voor het beheer van vrachtvoertuigen. Volgens bronnen doet de organisatie een investering uit haar eigen budget, maar overheidsbedrijven zullen ook bijdragen aan de ontwikkeling.
In het kader van verschillende presidentiële bedrijven zal een team worden gevormd dat verantwoordelijk is voor de oprichting en promotie van de onbemande vrachtvervoersmarkt in Rusland. Het omvat experts van verschillende grote bedrijven en overheidsinstanties.
Aan het begin van het jaar sprak de algemeen directeur van Kamaz over geplande investeringen in deze technologie voor een bedrag van 7 miljard roebel. De helft komt uit de staatsbegroting, de andere helft wordt betaald door Russische autofabrikanten. Begin februari van dit jaar werd gemeld dat Volgabus 200 miljoen roebel ontving uit de federale begroting voor de ontwikkeling van onbemande bussen.
In de tweede helft van 2018 presenteerde KamAZ zijn eerste prototype van een onbemande vrachtwagen aan de wereld. Een internationaal bedrijf nam ook deel aan de ontwikkeling ervan. Kamsk is van plan de massaproductie van dit product in 2022 te starten.
Wat is onbemande technologie?
Onbemande technologie is kunstmatige intelligentie, verstoken van menselijke kwaliteiten, die vaak ongelukken op de wegen veroorzaken. De kans op overtreding van verkeersregels bij AI is nul, omdat het werkt volgens strikt voorgeschreven algoritmen. Het minimaliseren van de menselijke factor op de weg zal het aantal ongevallen met 90% verminderen.
De technologie is gebaseerd op een passief model. De basis van computervisie is de mens, in plaats van de ogen worden moderne videocamera's gebruikt. In ons land werkt dit model samen met het actieve model, dat door veel buitenlandse bedrijven wordt gebruikt, bijvoorbeeld Google Car.
De technologie van onbemande voertuigbesturing is aangepast aan de omstandigheden in ons land. Als het in andere landen is gebouwd op basis van beheer langs ideale wegen, waar er geen gaten, hobbels of goede markering zijn, dan houdt ons model rekening met alle gebreken en leert het om voertuigen te besturen in omstandigheden met een slecht wegdek. Hiervoor wordt een uitgebreid algoritme ontwikkeld dat leert hoe te navigeren op de weg zonder te markeren, in de buurt van putten, hummocks en meer te kunnen gaan.
Russische technologie gebruikt de volgende modules:
- Hoogwaardige beeldverwerking. Het beeld van de camera past zich aan in alle weersomstandigheden en in elk licht;
- C-Pilot leert verschillende objecten op de weg herkennen en verzamelt een enorme hoeveelheid informatie. Elke dag herkent hij duidelijk bewegende en niet-bewegende objecten op de weg;
- Object volgen wordt uitgevoerd op basis van Bayes-filters en optische flow. Met deze benadering kunt u veel wegframes combineren tot één enkele afbeelding van de videostream;
- Voor een stabiele beweging wordt de foveale beweging gebruikt. Videocamera's zijn niet gefixeerd op het hele beeld, maar bepalen alleen het kanaal vóór het transport, dat de maximale risico's tijdens het rijden met zich meebrengt (andere deelnemers van de beweging, voetgangers, enz.);
- De snelle werking van de algoritmen wordt geleverd door het gebruik van neurale netwerken. Ze bepalen vooraf de architectuur van het gebied en alle objecten die zich op het pad van de auto bevinden;
- Stereoscopisch zicht wordt bepaald door objecten die voortdurend van vorm veranderen, zich boven of onder de weg bevinden (bijvoorbeeld de reflectie van koplampen op een nat wegdek);
- Voor een duidelijke definitie van de verkeerssituatie is een krachtige camera nodig om snel een foto te maken. Cognitive Pilot-technologie gebruikt een 2 megapixelcamera die de afbeelding in 45 milliseconden als Full HD vastlegt;
- In aanvulling op de video-evaluatie, worden een groot aantal verschillende soorten sensoren gebruikt. Ze laten de automatische piloot de hele 360-graden wegomgeving zien in multi-sensorische waarneming;
- Bird Eye-technologie bepaalt de positie van voertuigen op de weg met de nauwkeurigheid van de decimeter. Bovendien onthoudt deze technologie vaste objecten (gebouwen, verkeerslichten, enz.) Op basis van eerder verkregen gegevens als resultaat van het rijden;
- Voor geografische oriëntatie worden Openstreetmaps-kaarten gebruikt;
- Om een optimale bewegingsbaan te waarborgen (rekening houdend met verschillende interferentie-objecten), worden een afzonderlijke technologie en een ander algoritme gebruikt;
- Een afzonderlijke module "Driver" beheert alle transport van mechanische apparaten. Hij is verantwoordelijk voor het draaien van het stuur in het gewenste aantal graden, vertraagt en voegt gas toe in de noodzakelijke situaties.
Een dergelijke uitgebreide aanpak zorgt voor een hoogwaardige werking van de onbemande technologie. Nu bevindt ze zich in de ontwikkelingsfase, wordt kunstmatige intelligentie geleerd hoe ze zich op de weg moet gedragen en hoe ze met andere voertuigen moet omgaan.
De geschiedenis van de ontwikkeling van onbemande technologie
De eerste pogingen om autonome voertuigen te creëren werden uitgevoerd in de 20e eeuw. In de archieven van de publicatie The New York Time vindt u nieuws over het verzoek van autonome auto's, daterend uit de jaren 80 van de vorige eeuw.
De eerste pogingen om een onbemande technologie te maken, werden gemaakt in 1916, toen ze de eerste radiografisch bestuurde drone creëerden. Alle ontwikkelingen van die tijd werden gebruikt voor militaire doeleinden. In de Eerste Wereldoorlog werden luchttorpedo's en gemotoriseerde mijnen gebruikt.
Tot het midden van de vorige eeuw waren dergelijke ontwikkelingen experimenteel. Ze waren gebaseerd op radiobesturing, dus het deed niet zonder menselijke participatie. Langzaam werden auto's en drones echt automatisch.
In 1961 creëerde een student van Stanford University een zelfrijdende wagen. Ze werkte het signaal door dat via de kabel werd uitgezonden. In de jaren '70, verstrekte wetenschapper John McCarthy het prototype met technische visie. Dankzij hem leerde de wagen in de automatische modus te bewegen. De witte lijn was het referentiepunt. Ze ontving ook de eerste camera's, een afstandsmeter en verschillende kanalen om informatie te verzamelen. Tegelijkertijd probeerde John McCarthy een driedimensionale cartografische omgeving te ontwikkelen.
Na dit experiment probeerden ingenieurs precies onbemande voertuigen te ontwikkelen, en geen modellen op basis van radiobesturingssystemen. Het grootste succes werd bereikt door wetenschappers uit de VS, Japan en Duitsland. In 1980 creëerde een team van wetenschappers onder leiding van Ernst Dickmans de eerste machine die volledig automatisch werd verplaatst.
Later schreef Ernst Dickmans verschillende wetenschappelijke artikelen waarin hij elk detail van zijn project beschreef. Het werk van de Duitse autonome auto was gebaseerd op het Kalman-filter, parallelle rekenmechanismen en imitatie van de saccadische oogbeweging. Dit systeem kan de omgeving beoordelen.
Van 1987 tot 1995 werd er gewerkt aan het project "Prometheus". De totale investering was één miljard dollar. Het was gebaseerd op het Dickmans-systeem. In 1994 voerden ze de eerste volwaardige test uit op de openbare weg: Mercedes reed langs de wegen van Parijs met een snelheid van maximaal 130 km / u, manoeuvreerde tussen de rijstroken en haalde andere auto's in.
In de tweede helft van de jaren 90 was er een doorbraak in de ontwikkeling van onbemande technologie. Dit werd mogelijk gemaakt door de ontwikkeling van kunstmatige intelligentie, neurale netwerken en machine learning. In 2004 vond de eerste autonome autowedstrijd plaats. In 2010 voerde Google de eerste praktische test uit van zijn zelfrijdende auto op de openbare weg. Nu is de ontwikkeling van automatische auto's bezig met alle grote automakers: Audi, BMW, Tesla en vele anderen.
Wat kan worden besloten?
De technologieën op basis waarvan moderne autonome auto's werken, zijn in de vorige eeuw gemaakt. Maar voor hoogwaardig werk zijn er veel verbeteringen nodig, waarvan de belangrijkste is om een grote hoeveelheid informatie te verwerken, op basis waarvan AI in het verkeer kan navigeren. In de loop van de tijd zullen wetenschappers de technologie verfijnen en het zal net zo snel ons dagelijks leven ingaan als smartphones ooit deed.
