Разработано дешевое всепогодное "зрение" для беспилотных автомобилей

МОСКВА, 21 мая. /ТАСС/. Исследователи из России и Китая создали систему обработки данных 4D-радаров для автономных автомобилей и прочих беспилотных систем, способную определять расположение и движение объектов с большой точностью даже в сложных погодных условиях. В будущем технологию планируют интегрировать в отечественные беспилотные грузовики, а также в городские такси, сообщила пресс-служба МФТИ.

"Наша система определяет движение объектов вокруг автомобиля и разделяет их на движущиеся и статичные, а также делает это в любых погодных условиях. Это как если бы беспилотник получил шестое чувство. Это не просто научная статья, алгоритм уже сегодня готов к работе на серийных радарах, которые в 50 раз дешевле лидаров", - заявил директор НТЦ телекоммуникаций МФТИ (Долгопрудный) Степан Андреев, чьи слова приводит пресс-служба вуза.

Исследователи из России и Китая создали инновационную самообучающуюся систему, которая не только эффективно очищает данные от шума, но и определяет направление и скорость движения объектов в окружающей среде. Определение направления при этом происходит без специальной разметки и данных одометрии, что стало возможным благодаря использованию нескольких математических подходов.

В частности, диффузионная модель шумоподавления позволяет за очень короткое время очищать радарные данные, нейросеть-трансформер способна идентифицировать объекты даже при экстремально низкой плотности данных, и при этом алгоритм способен определять движение самого автомобиля и на основе данных радара и модели прогнозирования исключать его из расчетов. Это позволяет избежать "смешивания" движения беспилотного автомобиля с перемещением объектов вокруг него.

Как отмечают ученые, созданная ими система не требует ручной разметки данных, а по ходу их накопления постепенно учится отличать шумы от реального движения и повышает точность. Это позволяет снизить расходы на разработку и улучшение данной системы машинного зрения, так как подобное маркирование массива изображений и видеофайлов для обучения требует много времени и средств.

Работа данной системы была успешно проверена на двух популярных наборах данных, применяемых для оценки качества работы систем компьютерного зрения автомобилей и беспилотников. Эти тесты показали, что разработка исследователей значительно превосходит аналоги и в несколько раз лучше реагирует на "фантомы", а также точнее определяет положение реальных объектов. В перспективе ее внедрение в практику снизит стоимость беспилотных грузовых и пассажирских автомобилей, подытожили исследователи.