Voertuigsimulatiesoftware:Radar en Lidar testen in de sneeuw

Een zelfrijdende auto bevat een veelvoud aan sensoren, waaronder detectoren van rijstroken, verkeersborden en vrije ruimte. De componenten van het geavanceerde rijhulpsysteem, of ADAS, moeten onder verschillende omstandigheden worden beoordeeld voordat ze officieel de weg op kunnen.

Een veilige manier om een ​​proefrit te maken:de wereld nabootsen in simulatie. Je kunt een ritje maken vanaf je bureau, zegt Warren Ahner, CEO van RightHook, een leverancier van simulatiesoftware uit San Jose, CA.

"Niemand sterft in de metaverse, althans nog niet", vertelde Ahner deze maand aan een publiek in een Tech Briefs -geleide presentatie getiteld Latest Enhancements for ADAS Sensor Testing and Simulation. "Het maakt het heel gemakkelijk om die randgevallen te onderzoeken die je misschien niet kunt vinden in de echte wereld."

Bedrijven zoals RightHook, een leverancier van simulatiesoftware uit San Jose, CA, bouwen hun virtuele omgevingen op basis van goed begrepen fysieke fenomenen, evenals hulp van scan- en kaartbedrijven die digitale replica's van de echte wereld maken.

Maar sommige natuurlijke elementen zijn moeilijk te recreëren. Wat als je bijvoorbeeld door zwaar weer rijdt?

Tijdens de live presentatie had een lezer de volgende vraag aan Ahner:

"Hoe compenseer je voor voertuigsimulatiesoftware de interactie van regen of sneeuwstormen op lidar-sensoren?

Warren Ahner :Neerslag zoals regen en sneeuw kan de prestaties van een lidar-sensor zeker verminderen. Ze worden vooral beïnvloed door de bundeldivergentie en de korte pulsduur. Sneeuwdetectieruis is echt geconcentreerd in de buurt van die sensor en manifesteert zich in dit soort grote clusters.

Wat we zien is dat sneeuwclusterruis echt valse detectie introduceert, en belangrijke obstakels verduistert, wat leidt tot een aantal echt, echt kritieke vals-negatieve situaties, en je komt er echt in als je deze 3/4 "-sneeuwaccumulatie begint te naderen een uur.

Als je onder dat [percentage] zit, is de ruis er, maar het wordt geen kritiek vals-negatief gebied, dus eerst en vooral is dit een van de gebieden waar we empirische gegevens gaan gebruiken.

We zouden een individuele fotondeeltjessimulatie kunnen doen, maar je hebt het over een enorme, enorme rekensituatie die je waarschijnlijk zou brengen tot een simulatie van 30 seconden die waarschijnlijk een paar uur zou duren om te berekenen. Daaroverheen passen we een empirisch datamodel toe. We passen gegevens toe die we hebben verzameld, of die sommige van onze onderzoekspartners in de academische wereld en de overheid hebben verzameld, "bovenop" van ons sensormodel, dus je zou bijvoorbeeld de hoeveelheid sneeuw en een paar andere kenmerken daarvan specificeren weersituatie, en we zouden dat als een ruismodel bovenop de originele gegevens plaatsen.

Dat gezegd hebbende, gisteren had Cruise zijn allereerste autonome taxirit zonder veiligheidsoperator . Ze zijn actief in San Francisco, dat nooit sneeuw ziet, en ze laten hun voertuigen niet in de regen rijden. We werken dit nog steeds samen met onze klanten en partners om een ​​betere en betere oplossing te bouwen. Op dit moment is het niet echt het probleem waar we ons te veel op moeten concentreren, omdat er nog niemand is.