Toyota realiseert eerste volledige AI-tandemdrift, om rijveiligheid te verbeteren
Vandaag hebben Toyota Research Institute (TRI) en Stanford Engineering een wereldprimeur op het gebied van rijonderzoek bekendgemaakt: autonoom driften van twee auto's in tandem.
Al bijna zeven jaar werken de teams samen aan onderzoek om autorijden veiliger te maken. Met de experimenten wordt een motorsportmanoeuvre geautomatiseerd dat 'driften' wordt genoemd. Daarbij houdt een bestuurder de richting van een voertuig precies onder controle, nadat hij opzettelijk de grip is verloren door de achterbanden te laten slippen - een vaardigheid die kan worden toegepast om een auto weer onder controle te krijgen na een slippartij op sneeuw of ijs. Door een tweede auto in tandem te laten driften, hebben de teams nu de dynamische omstandigheden beter gesimuleerd waarin auto's snel moeten reageren op andere voertuigen, voetgangers en fietsers.
"Onze onderzoekers kwamen samen met één doel voor ogen: hoe kunnen we autorijden veiliger maken?" zei Avinash Balachandran, Vice President van TRI's divisie Human Interactive Driving. "Nu kunnen we, met behulp van de nieuwste AI-hulpmiddelen, twee auto's autonoom in tandem laten driften. Het is het meest complexe manoeuvre in de autosport; deze mijlpaal met autonomie bereiken betekent dat we auto's kunnen besturen, ook in extreme omstandigheden. Dat heeft verstrekkende gevolgen voor het inbouwen van geavanceerde veiligheidssystemen in toekomstige auto's."
"De fysica van driften is eigenlijk vergelijkbaar met wat een auto ervaart op sneeuw of ijs", zegt Chris Gerdes, professor werktuigbouwkunde en mededirecteur van het Center for Automotive Research aan Stanford (CARS). "Wat we hebben geleerd van dit project rond autonoom driften heeft al geleid tot nieuwe technieken om geautomatiseerde voertuigen veilig te besturen op ijs."
In een autonome tandemdrift leggen twee voertuigen, een voorste auto en een volgauto, een parcours af met soms maar een paar centimeter tussen de twee, terwijl ze net niet de controle verliezen. Het team maakte gebruik van moderne technieken om de AI van het voertuig te bouwen, waaronder een bandenmodel onder de vorm van een neuraal netwerk, waardoor het kan leren uit ervaring, net als een ervaren bestuurder.
"De baanomstandigheden kunnen in een paar minuten drastisch veranderen als de zon ondergaat," zei Gerdes. "De AI die we voor dit project hebben ontwikkeld, leert van elke rit die we naar het circuit maakten om deze variatie aan te kunnen."
Auto-ongelukken leiden elk jaar tot ongeveer 1,35 miljoen dodelijke slachtoffers wereldwijd. Veel van deze incidenten zijn te wijten aan een verlies van controle over het voertuig in plotselinge, dynamische situaties. Autonomie is enorm beloftevol om bestuurders te helpen correct te reageren.
"Wanneer je auto begint te slippen of te glijden, vertrouw je alleen op je rijvaardigheid om te voorkomen dat je tegen een ander voertuig, boom of obstakel botst. Een doorsnee bestuurder heeft moeite om met deze extreme omstandigheden om te gaan en een fractie van een seconde kan het verschil betekenen tussen leven en dood", voegt Balachandran eraan toe. "Deze nieuwe technologie kan precies op tijd ingrijpen om bestuurders te beschermen en niet de controle te verliezen, net zoals een ervaren drifter dat zou doen. Doen wat nog nooit eerder is gedaan, laat echt zien wat er mogelijk is. "Als we dit kunnen, stel je dan eens voor wat we nog kunnen doen om auto's veiliger te maken," voegde Gerdes eraan toe.
Technische gegevens
- De experimenten werden uitgevoerd op Thunderhill Raceway Park in Willows, Californië, met twee gemodificeerde GR Supra's: De algoritmen van de voorste auto werden ontwikkeld bij TRI, terwijl de technici van Stanford de algoritmen van de volgauto ontwikkelden.
- TRI richtte zich op het ontwikkelen van robuuste en stabiele besturingsmechanismen voor de voorste auto, zodat deze herhaalbare, veilige ritten op kop kon maken.
- Stanford Engineering heeft AI-voertuigmodellen en algoritmen ontwikkeld waarmee de volgauto zich dynamisch kan aanpassen aan de bewegingen van de voorligger, zodat die naast de auto kan driften zonder te botsen.
- GReddy en Toyota Racing Development (TRD) pasten de ophanging, motor, transmissie en veiligheidssystemen van elke auto aan (bv. rolkooi, brandblussysteem). Hoewel ze subtiel van elkaar verschillen, zijn de voertuigen gebouwd volgens dezelfde specificaties die in Formula Drift-wedstrijden worden gebruikt om de teams te helpen gegevens te verzamelen met deskundige coureurs in een gecontroleerde omgeving.
- Beide zijn uitgerust met computers en sensoren waarmee ze kunnen sturen, gas geven en remmen terwijl ze ook hun bewegingen meten (bv. positie, snelheid en rotatiesnelheid).
- Cruciaal is dat ze een speciaal wifinetwerk delen waarmee ze in real time kunnen communiceren door informatie uit te wisselen, zoals hun relatieve posities en geplande trajecten.
- Om autonome tandemdrifts te realiseren, moeten de voertuigen voortdurend hun stuur-, gas- en remcommando's plannen en het traject dat ze willen volgen met behulp van een techniek die niet-lineaire modelvoorspellende controle (NMPC) heet.
- In NMPC begint elk voertuig met doelstellingen, wiskundig voorgesteld als regels of beperkingen waaraan het moet voldoen.
- Het doel van de voorste auto is om een drift langs een gewenst pad vol te houden, terwijl hij onderhevig blijft aan de beperkingen van de natuurwetten en hardwarelimieten zoals de maximale stuurhoek.
- Het doel van de volgauto is om naast de voorste auto te driften en tegelijkertijd proactief een botsing te vermijden.
- Vervolgens lost elk voertuig tot 50 keer per seconde een optimalisatieprobleem op om te beslissen welke stuur-, gas- en remcommando's het beste voldoen aan de doelstellingen, terwijl er wordt gereageerd op snel veranderende omstandigheden.
- Door gebruik te maken van AI om het neurale netwerk voortdurend te trainen met gegevens van eerdere tests, worden de voertuigen bij elke rit op het circuit beter.
