Как стартап Ralient научил свой шаттл искать полосу при отсутствии дорожной разметки

by NVIDIA РОССИЯ

Стартап Ralient – компания-разработчик в области беспилотного транспорта и участник программы поддержки AI-стартапов NVIDIA Inception. Артем Кривич, CEO в Ralient,  рассказывает о процессе разработки детекции полосы транспортным средством:

 «Ralient Шаттл —  это грузовой электромобиль, предназначенный для городской доставки (последней мили).

Для безопасной работы он должен уметь находить полосы движения независимо от качества и типа дороги, поэтому мы ставим в приоритет разработки нашей беспилотной технологии отсутствие необходимости разметки на дороге вообще и возможность работы без сверхточных карт, что также значительно удешевляет эксплуатацию беспилотного электромобиля.

Сегодня задача для беспилотных автомобилей в области детекции полосы движения решается различными путями. И один из самых основных это детекция линий разметки. Но что делать когда линии разметки замело снегом или они просто стерлись? В таком случае большинство существующих автопилотов потеряют ориентацию. В российских условиях, где снег и слякоть лежит на дорогах большую часть года, и не на всех дорогах в принципе есть качественная разметка это особенно важно.

Шаттлы компании Ralient должны будут работать в том числе в российских условиях, а значит мы должны находить полосу движения независимо от того есть разметка или ее нет.

Вначале мы разработали сверточную нейронную сеть для детекции полос движения в том числе используя разметку и изучили ее результаты. На участках, где линии были отчетливо видны нейросеть отлично работала, но там где разметка стиралась точность падала.

С такими результатами выезжать на настоящие дороги России небезопасно, поэтому мы нашли новый подход с аугментацией. Аугментация данных (data augmentation) – это методика создания дополнительных обучающих данных из имеющихся данных. Мы удаляли разметку с дороги, там где она должна была быть, и обучали нейросеть тем же образом.  Нам пришлось научиться понимать, где есть точно дорога, а где другие участники движения.

Для качественного удаления разметки нам было необходимо точно понимать, где границы дороги, а где другие объекты. После чего мы использовали компьютерное зрение и нейросети для удаления разметки.

Что позволило нам получать изображения, где мы искусственно уничтожали разметку.

В результате теперь наша нейросеть легко находит полосы движения независимо от того, есть разметка или ее нет.

 

 

В ближайшем будущем мы планируем проводить зимние испытания нашего прототипа беспилотного шаттла и улучшать детекцию полос движения при заснеженных и колейных дорогах.

На сегодняшний день компания Ralient использует собственный вычислительный комплекс для обучения, построенный на основе графических процессоров NVIDIA с нашей собственной системой охлаждения. Для вычислительного модуля шаттла мы планируем использовать систему NVIDIA Drive.

Благодаря беспилотной технологии, электрическому двигателю и оптимизации стоимость последней мили снизится в 12 раз

Таким образом, мы считаем, что наш подход в создании беспилотного автомобиля наделяет его искусственным интеллектом.»