W dniu 19 marca 2024 r. odbyło się II Seminarium projektu DARTS-PL „Baza danych testowych dla pojazdów autonomicznych” (ang. Database of Autonomous vehicles Road Testing Scenarios), finansowanego przez Narodowe Centrum Badań i Rozwoju (NCBiR) w ramach programu GOSPOSTRATEG. Celem spotkania było zaprezentowanie rezultatów działań podjętych dotychczas na potrzeby realizacji projektu.

Tematem pierwszego wystąpienia było „Bezpieczeństwo ruchu drogowego w kontekście systemów percepcji pojazdów autonomicznych”. Zaprezentowana przez ekspertkę Centrum Kompetencji Pojazdów Autonomicznych i Połączonych (CK:PAP), mgr Kamilę Gąsiorek (Instytut Transportu Samochodowego), analiza jest jedną z trzech dotyczących bezpieczeństwa ruchu drogowego, jakie zostały wykonane w ramach zadania I Projektu DARTS-PL. Prelegentka zwróciła uwagę na fakt, że rzetelna analiza statystyczna danych o wypadkach z udziałem AV (ang. Autonomous Vevicles – pojazdy autonomiczne) jest utrudniona, ze względu na ograniczoną dostępność tych danych. Testy pojazdów autonomicznych na szeroką skalę prowadzone są w Stanach Zjednoczonych, dlatego analizy skoncentrowały się na tym rynku i danych tam gromadzonych. Od czerwca 2021 r. Amerykańska Krajowa Administracja ds. Bezpieczeństwa Ruchu Drogowego – NHTSA (ang. National Highway Traffic Safety Administration) wymaga od producentów pojazdów raportowania wszelkiego rodzaju incydentów związanych z wadliwym działaniem systemów automatyzujących jazdę, a pierwszy raport podsumowujący został wydany 15 czerwca 2022 r. Dane te oraz informacje zebrane przez Kalifornijski Departament Pojazdów Mechanicznych – DMV (ang. Department of Motor Vehicles), który zarządza programem pojazdów autonomicznych i wydaje zezwolenia firmom na testy AV na drogach publicznych w Kalifornii, wskazują, że:

• kolizje pojazdów AV zazwyczaj mają stosunkowo niewielką dotkliwość i najczęściej są to zderzenia tylne,
• większość odnotowanych zderzeń z pojazdami AV miało miejsce na terenie miejskim, a wśród najczęstszych przyczyn tych zdarzeń wymienia się błędy systemów rozpoznawania sytuacji drogowych,
• wiele kolizji z udziałem pojazdów AV ma miejsce z powodu działań innych użytkowników drogi – nieprzestrzegania przepisów drogowych lub podejmowania nieoczekiwanych manewrów prowadzących do wypadku.

Następnie zdefiniowano sytuacje i uwarunkowania drogowe potencjalnie niebezpieczne dla prawidłowego działania systemów percepcji, do których należy zaliczyć:

• duże natężenie ruchu drogowego utrudniające identyfikację sygnałów z otoczenia, a jednocześnie wymagające szybkiej reakcji,
• oznakowanie drogowe (obszary, na których brakuje oznakowania lub jest ono niespójne i nieczytelne dla czujników pojazdu autonomicznego, np. strefy budowy),
• jakość dróg (zły stan techniczny, miejsca o słabej widoczności, złe warunki oświetleniowe, tymczasowe przeszkody).

Kolejny prelegent, dr hab. inż. Robert Nowak (Politechnika Warszawska), w prezentacji pt. „Fuzja danych z lidarów i kamer wizyjnych. Zagęszczanie punktów” omówił zasadę działania jednego z algorytmów, który będzie wykorzystywany w projekcie DARTS-PL. Algorytm ten dokonuje konwersji danych z lidarów i kamer do wspólnej przestrzeni, a jedną z metod stosowanych na jego potrzeby jest zagęszczanie chmury punktów poprzez tworzenie par obrazów (stereowizja) oraz łączenie kilku chmur punktów. Obecnie w pojazdach używa się wielu sensorów, co pozwala na lepsze odwzorowanie środowiska otaczającego pojazd. Robert Nowak zwrócił uwagę na kluczowość poprawnej synchronizacji danych i kalibracji czujników, ponieważ w przeciwnym razie nawet najbardziej zaawansowany algorytm nie zadziała poprawnie. Używanie algorytmów fuzji danych pozwala na uzyskanie, a następnie wykorzystanie dokładniejszego, wielowymiarowego opisu otoczenia.

Jako trzeci wystąpił dr inż. Krystian Radlak (Politechnika Warszawska) z prezentacją pt. „Metody automatycznej adnotacji danych lidarowych”, w której szczegółowo objaśnił dlaczego automatyczna/półautomatyczna adnotacja danych lidarowych stanowi poważne wyzwanie, jednocześnie niosąc ze sobą duży potencjał dla rozwoju algorytmów sterowania AV. Jednym z głównych założeń projektu DARTS-PL jest adnotowanie danych w sposób półautomatyczny, mianowicie w pierwszej kolejności adnotacje zostaną wygenerowane automatycznie, a w drugim kroku te adnotacje będą zatwierdzane lub korygowane przez specjalnie przeszkolonych adnotatorów, którzy będą mieli za zadanie identyfikację wszystkich obiektów w otoczeniu. Na rynku jest dostępnych wiele narzędzi, które umożliwiają przeprowadzenie procesu takiej adnotacji. W ramach projektu DARTS-PL wykonano kilka eksperymentów z różnymi narzędziami, aby porównać ich efektywność (żadne z narzędzi nie generowało automatycznie pre-adnotacji). Niektóre z nich umożliwiały śledzenie obiektów. Analiza czasu adnotacji 3D dla różnych narzędzi wykazała, że adnotacja pojedynczego elementu zajmuje średnio 23 sekundy, adnotacja pojedynczej klatki w sekwencji to średnio 40 minut (duże zróżnicowanie w zależności od narzędzia). Obecnie podstawowym zadaniem w projekcie DARTS-PL jest testowanie istniejących detektorów obiektów 3D (testowanie jak te detektory zachowują się na różnych istniejących bazach danych, jaka jest ich skuteczność, czy wykrywają zawsze te same obiekty). Po zakończeniu testów, wybrane detektory będą stosowane na autorskich danych z projektu DARTS-PL. Oprócz detektorów obiektów rozwijane są także podejścia wykorzystujące śledzenie obiektów i fuzja obu podejść.

Gość specjalny seminarium, Pan Marcin Szydełko (GlobalLogic Poland) zaprezentował praktyczne możliwości posiadanego sprzętu, pokazując rzeczywiste działanie kamery stereoskopowej (algorytm działający na Raspberry Pi). Na ekranie monitora można było obserwować „chmurę punktów”, o której mówił wcześniej dr hab. inż. Robert Nowak z Politechniki Warszawskiej. W zależności od tego, czy obiekt zbliża się, czy oddala od kamery, zmieniają się kolory prezentowane na monitorze. Zainstalowanie dwóch kamer pozwala na określenie głębi obrazu.

Wystąpienie Pana Marcina Szydełko wzbogaciła prezentacja pt. „Wpływ cyfrowych modeli na autonomiczną jazdę”, w której autor zwrócił uwagę na pojęcie „Cyfrowy Bliźniak”, przez które należy rozumieć wirtualny model obiektu fizycznego, odzwierciedlający jego zachowanie oraz interakcje z innymi obiektami fizycznymi. Cyfrowe Bliźniaki są tworzone w celu późniejszego symulowania sytuacji, których rzeczywiste wykonanie mogłoby być zbyt niebezpieczne, czasochłonne lub zbyt drogie. Jako przykład Marcin Szydełko przywołał firmę Waymo, która wykorzystuje Simulation City aby testować i weryfikować działanie swoich algorytmów w przestrzeni wirtualnej. Podsumowując swoją wypowiedź, przedstawiciel GlobalLogic zwrócił uwagę na przyszłość rozwoju nowych technologii, którą są poprawne dane uczące.

Na zakończenie spotkania, mgr inż. Aleksandra Rodak (Instytut Transportu Samochodowego), pełniąca rolę moderatora seminarium, podkreśliła jak ważna jest współpraca przedstawicieli przemysłu i nauki. Wzajemna komunikacja powinna pozwolić na wypracowanie pewnych standardów, zarówno w zakresie gromadzenia danych, jak i badania zachowań uczestników ruchu drogowego, a to może przynieść obopólne korzyści w przyszłości.

***

W II Seminarium DARTS-PL, w którym przedmiotem dyskusji były w szczególności aspekty techniczne oraz bezpieczeństwo ruchu drogowego w kontekście systemów percepcji pojazdów autonomicznych, licznie uczestniczyli przedstawiciele jednostek naukowych, uczelni, instytutów badawczych oraz przedsiębiorcy zaangażowani w produkcję i testowanie systemów automatyzujących jazdę. Uczestnicy seminarium, oprócz możliwości wysłuchania i zapoznania się z prezentacjami, mieli także okazję do wymiany spostrzeżeń, a także interakcji w komentarzach na czacie.