Önvezető autók a nagyvárosban – ilyen algoritmusokon dolgoznak a magyar kutatók

Azt hihetnénk, hogy a városi környezet ideális terep az önvezetésre: alacsonyabb sebesség, kiépített úthálózat, közvilágítás, táblák, lámpák. A valóság azonban ennek épp az ellenkezője. A város kiszámíthatatlan, zsúfolt és állandóan változik – ez pedig az önvezető rendszerek számára komoly kihívást jelent.

„A városi közlekedés elképesztően komplex. Nincs két ugyanolyan helyzet, és rengeteg különböző típusú közlekedő van jelen egyszerre”

– mondja Aradi Szilárd, az SCL kutatója. Az egyik pillanatban rolleres suhan el a sáv közepén, a másikban gyalogos lép le a járdáról anélkül, hogy körülnézne. Előfordul, hogy egy autó félreáll, és az utas hirtelen kinyitja az ajtót, vagy éppen útjavítás miatt átfestik a sávokat, és bóják terelik el a forgalmat.

Az önvezető rendszerek egyik legnagyobb nehézsége, hogy meg kellene érteniük, mit akar a másik közlekedő. A biciklis oldalra néz – vajon ez azt jelenti, hogy kanyarodni fog? A gyalogos a zebra előtt áll – csak telefonál, vagy át akar kelni? Az emberi sofőr ilyen helyzetekben gyorsan, a tapasztalatai vagy ösztönei alapján dönt. A gépnek viszont minden döntést algoritmusok alapján kell meghoznia, és ehhez „értenie” kell az összetett helyzeteket.

Ki ne került volna már olyan helyzetbe, amikor az útvonaltervező be akarta fordítani egy utcába, amit pár nappal korábban lezártak? A navigáció még nem tudott az elterelésről, a táblák nem voltak jól láthatók, a felfestés pedig csak félig volt kész. Ilyenkor körbenézünk, újratervezünk, és ösztönösen igazodunk a helyzethez. Az önvezető járműnek azonban valós időben kell eldöntenie, mi tekinthető érvényes útvonalnak, és hogyan lehet biztonságosan korrigálni a mozgást. Ehhez nemcsak észlelésre van szükség, hanem pontos mozgástervezésre is: merre mozduljon el az autó, milyen ív mentén, mekkora sebességgel – mindezt úgy, hogy közben stabil maradjon, és ne veszélyeztessen másokat. Ebben kap kulcsszerepet az irányításelméleti megközelítés.

Min dolgoznak a hazai kutatók?

Az SCL-nél az elméleti háttér leírásán túl a különböző megközelítések és rendszerek minél hatékonyabb együttműködésére fókuszálnak.

„A gépi tanuláson alapuló módszerek jól alkalmazhatók mintázatok felismerésére, de korlátozottan működnek olyan helyzetekben, amelyekkel a rendszer még nem találkozott. Ezekben az esetekben adnak kapaszkodót az irányításelméleti modellek, amelyek a fizikai törvények alapján írják le, hogy egy jármű adott körülmények között hogyan viselkedik”

– magyarázza Aradi Szilárd.

A megbízható működéshez az is kulcsfontosságú, hogy a különféle érzékelőkből – például kamerákból, radarokból és lézerszkennerekből – származó adatokat a rendszer hatékonyan össze tudja fűzni. Ez az úgynevezett szenzorfúzió: a jármű akkor tud jól dönteni, ha a környezetéről több forrásból érkező, esetenként hiányos vagy ellentmondásos információkból is képes egyértelmű helyzetképet alkotni.

„Az egyik kutatási irányunk éppen az ilyen vészhelyzeti kikerülő manőverek biztonságos tervezése – például amikor viharban hirtelen egy faág kerül az útra, és az autó nagy sebességgel, rossz látási viszonyok között halad felé – mondja Aradi Szilárd. – A rendszernek ilyenkor gyorsan, valós időben kell kiszámítania az optimális pályát és sebességet, és megbízhatóan, előre kell kalkulálnia azzal is, hogy a közlekedés többi résztvevője hogyan reagálhat.”

Egy másik érdekes példa a hátrafelé figyelés. Az ember csak időnként pillant a visszapillantó tükörbe, hiszen alapvetően arra nézünk, amerre haladunk. Az önvezető jármű rendszere azonban folyamatosan figyelheti, hogy mi történik mögötte. Ha azt érzékeli, hogy a másik autó túl gyorsan közeledik hátulról, a rendszer akár gyorsítással is beavatkozhat a vezetésbe, elkerülve ezzel az ütközést vagy legalábbis csökkentve a becsapódás erejét – persze csak akkor, ha az előtte lévő tér ezt lehetővé teszi.

„A mi szemléletünkben a valódi autonóm közlekedés, a megfelelő reagálás a városi környezetben felmerülő váratlan helyzetekre nem egyetlen algoritmuson vagy a tökéletes szenzorokon múlik, hanem az egész rendszer megbízható, átlátható és előre modellezhető működésén”

– mondja az SCL kutatója. Ez a rendszerszintű gondolkodás teszi lehetővé, hogy az autonóm járművek lépésről lépésre beilleszkedjenek a valós közlekedési környezetbe – ma még csak zárt pályákon, majd idővel a nagyvárosi forgalomban is.