Исследователи из Университета Карнеги-Меллона отправились на вездеходе в дикую поездку по высокой траве, рыхлому гравию и грязи, чтобы собрать данные о том, как квадроцикл взаимодействует со сложными условиями бездорожья.

Они агрессивно управляли квадроциклом с тяжелыми приборами на скорости до 30 миль в час. Они скользили по поворотам, поднимались и спускались по холмам и даже застревали в грязи — и все это при сборе данных, таких как видео, скорость каждого колеса и величина хода подвески от семи типов датчиков.

Полученный набор данных под названием TartanDrive включает около 200 000 таких реальных взаимодействий. Исследователи считают, что эти данные представляют собой крупнейший в реальном мире мультимодальный набор данных о вождении по бездорожью, как с точки зрения количества взаимодействий, так и типов датчиков. Данные за пять часов могут быть полезны для обучения беспилотного автомобиля перемещению по бездорожью.

«В отличие от автономного вождения по улицам, вождение по бездорожью является более сложной задачей, потому что вы должны понимать динамику местности, чтобы двигаться безопасно и быстрее», — сказал Вэньшань Ван, научный сотрудник Института робототехники (RI).

Предыдущая работа по вождению по бездорожью часто включала аннотированные карты, на которых были указаны такие метки, как грязь, трава, растительность или вода, чтобы помочь роботу понять местность. Но такого рода информация не всегда доступна, и даже если она есть, она может оказаться бесполезной. Например, область карты, помеченная как «грязь», может или не может быть управляемой. Роботы, понимающие динамику, могут рассуждать о физическом мире.

Исследовательская группа обнаружила, что данные мультимодальных датчиков, которые они собрали для TartanDrive, позволили им построить модели прогнозирования, превосходящие модели, разработанные с использованием более простых нединамических данных. Агрессивное вождение также подтолкнуло квадроцикл к сфере производительности, где понимание динамики стало важным, сказал Сэмюэл Триест, студент второго курса магистратуры по робототехнике.

«Динамика этих систем, как правило, становится более сложной, когда вы добавляете больше скорости», — сказал Триест, который был ведущим автором итогового документа команды. «Вы едете быстрее, вы отскакиваете от большего количества вещей. Многие данные, которые мы хотели собрать, касались более агрессивного вождения, более сложных склонов и более густой растительности, потому что именно здесь начинают нарушаться некоторые из более простых правил».

Хотя большая часть работы над самоуправляемыми транспортными средствами сосредоточена на уличном вождении, первые приложения, скорее всего, будут применяться на бездорожье в зонах с контролируемым доступом, где риск столкновения с людьми или другими транспортными средствами ограничен. Испытания команды проводились на площадке недалеко от Питтсбурга, которую Национальный инженерный центр робототехники CMU использует для испытаний автономных внедорожников. Люди управляли квадроциклом, хотя они использовали систему привода по проводам для контроля рулевого управления и скорости.

«Мы заставляли человека использовать тот же интерфейс управления, что и робот», — сказал Ван. «Таким образом, действия, которые предпринимает человек, могут напрямую использоваться как входные данные для того, как должен действовать робот».