ענקיות טק כמו טסלה וגוגל הפכו כלי רכב עם נהיגה עצמית לנושא המדובר הרבה בקרב חובבי הטכנולוגיה. חברות שונות ברחבי העולם פועלות לפיתוח כלי רכב אוטונומיים לנהיגה בשטחים שונים.
כדי להפוך את טכנולוגיית הנהיגה האוטונומית המחוברת לנגישה, משתלמת וזמינה לכולם, הצטרפו אל העגלה Swaayatt Robots מבוססי Bhopal. עם זאת, עם ידע עצום על כל הטכנולוגיה הכרוכה ברובוטיקה אוטונומית, מנכ"ל החברה, מר סנג'ייב שארמה הותיר חברות טכנולוגיה רבות במרוץ. מאז 2009 הוא חוקר רבות ועובר חישובים מתמטיים הכרוכים בהמצאת פתרונות חכמים למכוניות בנהיגה עצמית.
קיבלנו את ההזדמנות לשוחח עם מר סנג'ייב ולהכיר כל חלק מהטכנולוגיה העומדת מאחורי כלי רכב ורובוטים אוטונומיים שעליהם סובייט רובוטים עובדים ותוכניותיהם העתידיות. קפיצה לקריאה על כל השיחה שקיימנו איתו. לחלופין, תוכלו גם לצפות בסרטון למטה כדי לשמוע את השיחה בין העורך שלנו לסנג'ייב עצמו
ש. הפיכת טכנולוגיית הנהיגה האוטונומית לנגישה ומשתלמת לכולם היא המשימה העיקרית של רובוטים סוויאט. איך התחיל המסע?
אני חוקר בתחום הניווט האוטונומי מזה 11 שנים. בשנת 2009 קיבלתי השראה מהאתגרים הגדולים של DARPAזה קרה בארה"ב. נהיגה אוטונומית הפכה למטרה שלי באותן שנים. במשך שנים רבות המשכתי לחקור ועשיתי לימודי עצמי ספציפיים על תכנון תנועה וקבלת החלטות בחוסר וודאות. ההתמקדות הייתה בשימוש מיטבי בלמידת מכונה, למידת חיזוק וטכניקות שונות. הקמתי את Swaayatt Robots בשנת 2014 אבל זה לא היה פשוט יישום המחקר והמחקרים שעשיתי בשנים האחרונות. יישומי כמה רעיונות בתנועה וקבלת החלטות נאלצתי לפתור גם את בעיית תכנון התפיסה ולוקליזציה. היה לי ניסיון מחקרי רק בתחום קבלת החלטות ותכנון תנועה. אבל תחומי התפיסה והלוקליזציה היו חדשים למדי עבורי. הרקע המתמטי העצום שלי עזר לי מאוד.
ברגע שהתחלתי לפתח את המסגרות האלגוריתמיות כדי לאפשר נהיגה אוטונומית בסביבות 2015, הבנתי שזה יכול להיות משהו עצום מאוד, ואנחנו באמת יכולים לפתור את בעיית הנהיגה האוטונומית בתרחישים של תנועת יריבות מאוד סטוכסטית. ומאז 2014, אני עובד במשרה מלאה על הסטארט-אפ הזה. המחקר שלי מכסה במיוחד כמה ענפים, אך במיוחד עיקר המוקד של החברה שלנו הוא פיתוח אלגוריתמים של קבלת החלטות ותכנון תנועה המאפשרים לרכבים אוטונומיים להתמודד עם רמות גבוהות מאוד של סטוכסטיות בדינמיקת התנועה. זה מסתכם בכ -65% עד 70% מהמחקר שקורה ברובוטים של סוויאט. בסביבות 25% - 27% מהמחקר עוסק בתחום התפיסה, המקיף כל מיני אלגוריתמים המעבדים את נתוני החיישן ממערכת רובוטית לרכב,ולבנות ייצוג תלת ממדי של העולם סביבו.
בתפיסה, אנחנו אחת החברות המעטות בעולם שיכולות לאפשר לרכבים אוטונומיים לתפוס את הסביבה באמצעות מצלמות מדף בלבד שעובדות גם ביום ובלילה. ככה היה המסע עד כה.
ש. התחלת בשנת 2014 לאמת את הרעיונות שלך ואז כבר עשית את הדרך עד 2015. אז מה עלינו לעשות בשנה זו? איך בדקת שניתן לבצע נהיגה עצמית בהודו?
נהיגה אוטונומית היא תערובת של שלושה צינורות אלגוריתמים המורכבים כלומר. תפיסה, תכנון ולוקליזציה. האלגוריתמים לוקחים את הנתונים החושיים, מעבדים אותם ובונים ייצוג תלת-ממדי סביב רכב. אנו מכנים אותם אלגוריתמי תפיסה. אלגוריתמי לוקליזציה מנסים לקבוע באופן מדויק גלובלי את מיקום הרכב בכביש. כך עבדו רובוטים במסגרות אקדמיות. בשנת 2009, מודל זה של נהיגה אוטונומית היה חלוץ על ידי גוגל. לפני שרכב אוטונומי מנווט בכביש מסוים, יש למפות את הכביש כולו בפירוט גבוה מאוד בתלת-ממד. אנו מכנים מפות אלה, מפות נאמנות גבוהה. מפות אמינות אלה מאחסנות מידע מרכזי מאוד על הסביבה. הם בדרך כלל מאחסנים את כל סוגי המפרידים השונים בסביבה.
לפני שהרכב האוטונומי מנווט בסביבה, הסביבה כולה ממופה בצורה מדויקת מאוד. כל סמני הנתיב, גבולות הכבישים וכל סוג תוחם בסביבה מאוחסנים בפועל במפות נאמנות מסוג זה.
כאשר הרכב מנווט בסביבה שכבר יש לך מפות אמינות, אז אתה שוב לוכד את הנתונים מחיישנים שונים ברכב ומנסה להתאים את הנתונים למפת ייחוס שבנית. תהליך התאמה זה נותן לך וקטור תנוחה המספר לך היכן הרכב נמצא על כדור הארץ ומה תצורת הרכב. ברגע שאתה יודע את המיקום ואת התצורה של הרכב על הכביש, כל המידע ששמרת במפות הנאמנות מוקרן על גבי התצורה הנוכחית של הרכב. כשאתה מקרין מידע זה כמו סמני דרך, סימני נתיב וכל סוג של תיחום כבישים או תיחום סביבתי; הרכב האוטונומי יודע היכן הוא נמצא כעת ביחס לתחום מסוים או מסמן נתיב מסוים. כך,זה מה שעושים אלגוריתמי לוקליזציה.
התחום הסופי של נהיגה אוטונומית הוא תכנון וקבלת החלטות. ככל שיש לך אלגוריתמי תכנון וקבלת החלטות משוכללים וטובים יותר, כך הרכב האוטונומי שלך יהיה מסוגל יותר. לדוגמא, אלגוריתמים של תכנון וקבלת החלטות יבדילו בין חברות להיות ברמה שתיים, רמה שלוש, רמה ארבע ואוטונומיה ברמה חמש. כל אלגוריתם האחראי על קבלת החלטות או תכנון התנועה וההתנהגות של הרכב הוא אלגוריתם תכנון.
ככל שיש לך יותר תחכום באלגוריתמי התכנון, כך הרכב שלך יהיה טוב יותר. כמה מתכנני תנועה ומקבלי החלטות מסייעים בהערכת בטיחות הרכב והסביבה, המהירות בה אתה מנווט, סביבת הרכב וכל הפרמטרים שתוכל לחשב מהסביבה שלך. זה מה שעושים אלגוריתמי תכנון.
חקרתי בתחום התכנון. אם יש לך סוג של אלגוריתמים שיכולים להתמודד עם הסטוכסטיות בדינמיקת התנועה בהודו. אם אתה יכול להתמודד עם זה ואם יש לך אלגוריתמים, הוכחת שאם אתה פשוט יכול לבנות ערמת תפיסה ולוקליזציה, יש לך טכנולוגיית נהיגה אוטונומית מן המניין.
אינך צריך לפתח את כל האלגוריתמים השונים כדי לאמת מה עובד הכי טוב. אתה רק צריך לבנות שלושה או ארבעה אלגוריתמים שונים שאתה יודע שהם יפתרו את בעיית המפתח בנהיגה אוטונומית. בטיחות היא הנושא העיקרי מדוע אינך רואה כלי רכב אוטונומיים מסחריים בכביש. העלות וכל הנושאים האחרים הם משניים. יכולתי לבנות את כל ההפעלה רק על אלגוריתם אחד או שניים כמו היבט הלוקליזציה והמיפוי של נהיגה אוטונומית. אבל המטרה שלי הייתה לפתח רכב אוטונומי מן המניין ולא אלגוריתם אחד או שניים פה ושם. לאחר שהוכחתי את ההיבט המרכזי בתחום התכנון וקבלת ההחלטות נתן לי את הביטחון להתמודד עם כל בעיית הנהיגה האוטונומית בכלל.
ש: על איזו רמת נהיגה אוטונומית עובדים רובוטים של סוויאט? ואיזו רמה לדעתך אפשרית בהודו?
המטרה שלנו היא להשיג אוטונומיה ברמה 5 ולהבטיח שהטכנולוגיה בטוחה בסביבות מסוג זה. אנחנו איפשהו בין רמה שלוש לרמה ארבע. חלק מהמחקר האלגוריתמי שאנו מבצעים הוא בתכנון תנועה וקבלת החלטות שמכוונים לרמה חמש.
אנו עובדים גם על לאפשר לרכבים אוטונומיים לחצות את הצומת בשעות התנועה הגבוהות ביותר ללא הרמזורים. אנו שואפים להשיג אוטונומיה ברמה חמש על ידי אפשרות לרכבים אוטונומיים להתמודד עם שטח צפוף עם תנועה סטוכסטית ביותר. ביצענו נהיגה אוטונומית בסביבה מאוד הדוקה כשרכב או אופניים הגיעו גם מהצד השני. ברמת ה- POC השגנו בין שלוש לארבע רמות. כבר הפכנו את ה- POC לאוטונומיה ברמה ארבע על ידי עריכת ניסויים בתנועה מאוד סטוכסטית עם רווחים צרים. המטרה הנוכחית שלנו היא להשיג 101 ק"מ לשעה נסיעה אוטונומית בכבישי הודו.
לאחר שהוכחתם את בטיחות הרכב בסביבות מסוג זה, תוכלו לקחת את הטכנולוגיה שלכם וליישם אותה בכל מקום אחר כמו בצפון אמריקה ובאירופה, שם התנועה הרבה יותר מובנית, שם הסביבות גם הרבה יותר מחמירות בהשוואה להודי. סביבות. אז, הודו נכון לעכשיו היא נקודת בדיקה עבורנו להוכיח שיש לנו משהו שאף אחד אחר לא עשה כרגע.
ש: כמה התקדמו רובוטים של סוויאט בפיתוח פתרון לנהיגה אוטונומית? על איזו רמת נהיגה אתה עובד כרגע?
נכון לעכשיו, יש לנו את האלגוריתם המהיר ביותר בעולם לתכנון תנועה שיכול לתכנן מסלולים כמעט אופטימליים עם זמן פרמטר לרכב אוטונומי תוך 500 מיקרו שניות. אז האלגוריתם עובד בערך ב -2000 הרץ. יש לנו את הטכנולוגיה המאפשרת נסיעה של עד 80 ק"מ לשעה בנסיעה אוטונומית בכבישים המהירים ההודים. השגת מהירות מסוג זה בכבישים מהירים בהודו היא מאתגרת מאוד. בדרך כלל, אם אתה יכול לעשות זאת, אתה יכול לקחת את זה גם למקום אחר. אתה יכול ליישם את זה בתעבורה זרה ובעצם אתה קרוב מאוד לרמה ארבע. כדי לתת לך מושג, עבדנו על מה שאנו מכנים ניתוח כוונת רב-סוכנים ומשא ומתן. מסגרת זו מאפשרת לרכב שלנו לא רק לחשב את ההסתברות לכוונות של כלי רכב או סוכנים אחרים בכביש.זה יכול לחשב את ההסתברויות של כל מערך הנתיבים שסוכנים או כלי רכב אחרים או מכשולים בסביבה אינם יכולים. עם זאת, יכולת זו לבדה אינה מספקת. לדוגמה, אתה יכול לבנות מערכת תובענית מאוד מבחינה חישובית שתוכל לחזות את מסלולי התנועה העתידית ואולי לחשב את ההסתברויות של כל מערכי הנתיבים של כלי רכב שונים. זה המקום שבו אתה צריך להתמקד כלומר גם בדרישת החישוב. הדרישה החישובית בבעיה זו של ניתוח כוונת רב-סוכנים ומשא ומתן תגדל באופן אקספוננציאלי אם לא עשית שום מחקר, לא השתמשת במתמטיקה כראוי או אם לא תכננת אותם כראוי. אני חוקר כמה מהמושגים במתמטיקה שימושית, במיוחד בתחום התיאוריה הטופולוגית. אני משתמש בכמה מהמושגים כמו מפות הומוטופיה,המאפשרים לטכנולוגיה שלנו לשנות את גודל החישובים. לפחות נכון לעכשיו, זה סופר-לינארי מבחינת מספר הסוכנים לעומת הפיצוץ האקספוננציאלי שתיתקל בו אם לא תעביד נכון את המתמטיקה שמאחורי האלגוריתמים.
מסגרת המשא ומתן לניתוח כוונות מרובות סוכנים מחולקת נוספת לשני ענפים שונים עליהם אנו עובדים כעת. האחד הוא ה- TSN (מסגרת המשא ומתן החלל הדוק) והשני הוא המודל העוקף. TSN מאפשר לרכבים האוטונומיים לנהל משא ומתן הן על הסביבות הצמודות והן על התנועה הסטוכסטית, הן במהירות נמוכה והן גבוהה. אז מהירות גבוהה תועיל מאוד לתרחישי תנועה סטוכסטיים עמוסים בכבישים המהירים והמהירות הנמוכה תהיה שימושית מאוד כאשר הרכב מנווט בתרחיש עירוני, בו לעיתים קרובות אתה נתקל ברחובות הצמודים ביותר עם יותר מדי תנועה ורעש בתנועה שמשמעותו שם הוא יותר מדי אי ודאות בדינמיקת התנועה.
אנחנו כבר עובדים על זה בשנתיים וחצי האחרונות וכבר פיתחנו את זה בצורה של POC. חלק מהפיסות של המסגרות האלה שעליהן אני מדבר ניתן להראות בהדגמה בניסוי הבא שלנו אשר יוכוון להשגת 101 ק"מ לשעה בתפקוד בכבישי הודו.
יתר על כן, חקרנו גם בענפים שונים של AI. אנו משתמשים בכבדות בלמידת חניכה, בלמידת חיזוק הפוך. אז אנו עובדים כעת על לאפשר לרכבים אוטונומיים לעקוף בדרכים דו-מסלוליות טיפוסיות בדיוק כמו נהגים הודים. אנו מוכיחים הן בסימולציה והן בעולם האמיתי במידת האפשר במימון מוגבל. אלה כמה מתחומי המחקר שכבר הוכחנו בשטח, וחלקם יוכחו בחודשים הקרובים.
מלבד זאת, אנחנו אחת החברות היחידות בעולם שיכולות לאפשר נהיגה אוטונומית בסביבות לא ידועות ובלתי נראות לחלוטין שאין להן מפות אמינות כלל. אנו יכולים לאפשר נהיגה אוטונומית ללא שימוש במפות אמינות. אנו עוסקים במיגור מוחלט של הצורך במפות אמינות גבוהה והדברת זו מאפשרת על ידי שתיים מטכנולוגיות המפתח שלנו. מסגרת ה- TSN שלנו נועדה לקבוע אמת מידה רגולטורית חדשה.
ש: אם כבר מדברים על ארכיטקטורת החומרה, באיזה סוג חומרה אתה משתמש למטרה החישובית שלך. כמו כן, באיזה סוג חיישנים ומצלמות אתה משתמש כדי למפות את העולם האמיתי על כלי הרכב האוטונומיים שלך?
נכון לעכשיו, אנחנו פשוט משתמשים במצלמות מדף. אם תראה את ההדגמה שלנו לרכב אוטונומי, תבחין שהשתמשנו לא יותר ממצלמת 3000 Rs. אם אתה מסתכל על מחקר התפיסה המתרחש בכל רחבי העולם עם חברות אוטונומיות או חברות רובוטיקה לצורך העניין, הם משתמשים בכל שלושת החיישנים השונים כמו מצלמות, LiDAR ורדארים. נכון לעכשיו, כל ניסויי הנהיגה האוטונומית שלנו קרו רק באמצעות מצלמות. כשהתחלתי את החברה היה לי רק מומחיות בתכנון, אך מאז 2016 הבנתי שעבודות מחקר מתקדמות לא משנה מה המעבדות בכל רחבי העולם עובדות עליהן; זה פשוט לא עובד בעולם האמיתי. אם הם עובדים, הם אינטנסיביים מדי מבחינה חישובית, והם פשוט לא עובדים. כך,לקחתי את התפיסה כאזור המחקר העיקרי שלי והקדשתי כ -25% - 27% מזמני לביצוע מחקר תפיסה. כעת, מטרת המחקר של חברתנו היא לאפשר לרכבים אוטונומיים להיות מסוגלים לתפוס שימוש במצלמות בלבד ללא צורך ב- LiDAR ומכ"מים. זו שאיפה מחקרית שאנחנו רוצים להשיג. תוך כדי השגתנו, הבטחנו גם שיש לנו את האלגוריתם המהיר ביותר בעולם לכל משימה משותפת.
יש לנו שתי מטרות בתפיסה. האחת, האלגוריתם צריך להיות כל כך מסוגל שהם יאפשרו לרכבים אוטונומיים לתפוס באמצעות מצלמות רק ביום ובלילה. הרחבנו את יכולת התפיסה הזו לא רק לשעות היום אלא גם בלילה תוך שימוש בשום דבר מלבד פנס הרכב ומצלמות RGB ו- NIR רגילות מהמדף, מסוג המצלמות שתוכלו לקנות תמורת 3000 R שׁוּק.
אנחנו מתמקדים