Az emberek és a járművek együttműködésének megértése és kutatása elengedhetetlen képesség a forgalom jövőjének tervezésekor. Ezt a célt tűzte ki a JKK Autonóm Közlekedési Rendszerek Központ, amelynek tevékenysége lefedi az autonóm (másnéven önvezető) közlekedési rendszerek kutatási, fejlesztési és oktatási kérdéseit. Hisszük, hogy a teljesen önvezető technológia biztonságos, könnyű és fenntartható közlekedéshez vezethet. Már most a jövő új technológiájára készülünk, tanulmányozva és kutatva annak alapjait és feltárva az általa kínált lehetőségeket. Ez a munka segít olyan egyedülálló ismereteket szerezni, ami az informatika, mechatronika, a robotika és a mesterséges intelligencia tudományterületeinek határán helyezkedik el. Azon dolgozunk, hogy a jövő közlekedése kompromisszumok nélküli, biztonságos, egyszerű és fenntartható legyen.
Központvezető: Dr. Weltsch Zoltán
Elérhetőség: zoltan.weltsch@zalazone.hu
Az objektumok (gyalogos, jármű stb.) felismerése alapvető fontosságú egy önvezető járműnél. Kutatási eszköztárunk részét képezik erre a célra a hagyományos és mesterséges intelligenciát használó megoldások. Ehhez alapvetően három különböző típusú szenzor áll rendelkezésünkre: LIDAR-ok, kamerák és radarok.
Kutatásaink szempontjából nagyon fontos információ annak beazonosítása, hogy az előző időpillanatban felismert objektumok a jelenlegi felismeréshez képest merre haladtak. Ennek tudatában meg tudjuk becsülni, hogy a gyalogos a zebra felé közelít-e, az információ alapján pedig módosíthatjuk az eredeti trajektóriát.
Ahhoz, hogy a jármű a lehetségesen bejárható területről képet alkothasson, majd ezen a területen tervezhessen, első lépés, hogy a szenzoros adatokból ki kell szűrni a szabad területet. Ez a terület az egyik kutatási fókuszunk, amely az autonóm rendszerek (járművek vagy robotok) egyik alap funkciója is egyben.
A mesterséges intelligencia (AI) területének egyik kiemelkedően fejlődő része a neurális hálók (NN), amelyek jól használhatóak az észlelés és a döntéshozás területén. A különböző szenzorrendszerek (kamera, LIDAR, radar, stb.) észlelési kérdései és valós-idejű feldolgozása aktívan kutatott területünk.
Autonóm járművek számára nagyon hasznos, ha egy előzetes pontfelhőből, forgalmi sávokból és egyéb jelekből álló környezetreprezentáció írja le a teret, amelyben a jármű haladhat. Ezek az adatok egy egyszerű térképnél részletgazdagabb információval rendelkeznek. Aktív kutatási területünk, hogy a környezetreprezentációt automatizáltan vagy automatikusan hozzunk létre a jármű szenzoros adataiból.
A HD map egyik bemenete az a pontfelhő, amit a LIDAR adatokból állíthatunk elő. A LIDAR adat mellé azonban egy pontos pozíció és orientáció (együtt póz) is szükséges, amelyre használhatjuk például a szimultán lokalizáció és helymeghatározás megoldásait (SLAM).
A teleoperáció vagy távvezérlés jellemző autonóm, és még jobban az automatizált járműfunkció. Ezt tradicionálisan az operátor számára kameraképek átküldésével oldják meg, de vizsgáljuk a LIDAR-alapú megoldásokat is.
Aktívan kutatott területünk a lokalizáció kérdésköre. Bár a mai modern GPS rendszerek képesek nagy pontosságra, pl. parkolóházakban nem elérhetőek. Ezt és a hasonló jellegű problémákat fel lehet oldani egyéb szenzorok pl. LIDAR, IMU stb. használatával. Mivel nagyfelbontású pontfelhőt egyéb okokból is készítünk egyik jó irány az jármű pontfelhő alapú lokalizációja lehet.
Amennyiben rendelkezésünkre áll a szabad terület, az objektumok és a pontos lokalizáció, minden bemenet adott, hogy simított, lekövethető, ütközésmentes és folytonos trajektóriát tervezzenek az algoritmusaink. A trajektória alatt az útvonal kiegészítését értjük, mégpedig időbeli függéssel és sebesség adatokkal.
Amint adott egy trajektória, azt a jármű kinodinamikai megszorításait figyelembe véve szükséges lekövetnünk. Cél tehát, hogy a kormánymozgás és a gáz/fék kezelése ne legyen az utasok számára agresszív vagy kellemetlen.
Kutatási területünk a járműkommunikáció (V2X), melynek hordozója lehet hagyományos V2X-alapú vagy az újabb 5G mobilhálózat-alapú rendszer. A technológiát jól szemlélteti az a szcenárió, mikor egy megkülönböztetett jármű (pl. rendőrautó, mentőautó) olyan üzeneteket küld az infrastruktúra felé, hogy szeretne minél hamarabb célba érni, eredményképpen pedig zöldhullámon haladhat át.
Az autonóm rendszerek – legyen szó járművekről vagy robotokról – speciális szenzorrendszerrel és célokkal rendelkeznek. Ennek pontos szimulációja nehéz feladat, cserébe a szimulációban jól teljesítő algoritmusok átültethetőek a valós rendszerekre, ahol további teszteken kell megfelelniük.
Kutatóközpontunk – ahol ezt a munka jellege lehetővé teszi – igyekszik megosztani a megszerzett tudást, az algoritmusokat és az adatokat. Mivel a nyílt forráskódú ROS/ROS2 ökoszisztémára alapulnak rendszereink, így a C++ és Python nyelv mellett MATLAB/Simulink-ben és LabVIEW-ben is készülnek algoritmusaink.
