Odborná verejnosť z oblasti robotiky na Slovensku Vás pozná ako dlhoročného úspešného účastníka robotických súťaží, zanieteného modelára a veľkého popularizátora automatizácie, robotiky a mechatroniky. Ako ste sa vlastne dostali k téme autonómneho jazdenia?

Hlavnou inšpiráciou bola minuloročná vývojárska konferencia ROSCon v nemeckom Hamburgu, kde Michel Aeberhard, lead inžinier nemeckého BMW, vo svojej prednáške na tému autonómneho jazdenia nielenže podrobne opísal architektúru ich systému a senzoriku využívanú pri monitorovaní okolia vozidla, ale najmä vysvetlil spôsob, akým v BMW kombinujú dostupné softvérové technológie. Keď sme s kolegom videli výsledky, ktoré dosiahol tím nemeckých vývojárov, a uvedomili si, že hlavná časť ich systému beží na technológii ROS, ktorú v robotike intenzívne využívame už viac ako dva roky, rozhodli sme sa, že sa pokúsime zreprodukovať aspoň časť ich výskumu a poskladať si vlastný prototyp senzorickej platformy.

Čo všetko je potrebné, ak sa chceme pustiť do experimentovania s autonómnym jazdením?

Téma autonómneho jazdenia je mimoriadne komplexná, kombinuje veľké množstvo odvetví a vedných odborov, ale stále platí, že autonómne vozidlo je vo svojej podstate robot. Ak sa teda chcete pustiť do výskumu v tejto oblasti, je vhodné mať určité skúsenosti s robotikou, so senzorikou a sledovať aktuálne trendy v oblasti mapovacích a lokalizačných algoritmov. Čo sa týka hardvéru, úplne najlepšie je mať k dispozícii najnovšie „sedmičkové“ BMW, ktoré je už dnes v štandardnej výbave nabité všetkými senzormi potrebnými na autonómnu prevádzku. Samozrejme to nebol náš prípad.

Povedzme, že máme k dispozícii Lidar, IMU jednotku, stereo kameru a dokonca aj vozidlo na experimentovanie. Odkiaľ začať?

V prvom rade treba do detailu premyslieť celú architektúru systému, vhodne zvoliť rozmiestnenie senzorov a riadiacich jednotiek na vozidle, nadizajnovať a vyrobiť mechanické komponenty na ich prichytenie a dôkladne navrhnúť komunikáciu medzi jednotlivými modulmi. A všetko robiť s ohľadom na aktuálne softvérové možnosti a obmedzený výpočtový výkon. To platí, ak sa zaoberáme – ako v našom prípade – iba senzorickou časťou. Ak chceme vozidlo aj autonómne riadiť, musíme navyše uvažovať o prepojení na riadiaci systém automobilu a počítať s oveľa komplikovanejšou softvérovou časťou. Nie je to úplne triviálna úloha.

Z hľadiska senzoriky je teda výsledkom akási vylepšená GPS, ktorá okrem aktuálnej polohy na mape zobrazuje aj okolité prekážky, iné vozidlá a celkovo aktuálnu situáciu v premávke?

V podstate áno, z teoretického hľadiska sa údaje prichádzajúce zo senzorov automobilu rôznym spôsobom kombinujú do tzv. environment modelu, ktorý je digitálnou rekonštrukciou aktuálnej dopravnej situácie. Obsahuje všetky podstatné informácie od momentálnej rýchlosti a polohy automobilu cez viditeľné dopravné značenie až po obrysy prekážok v okolí automobilu. Záleží na type vizualizácie, pre ktorú sa vývojársky tím rozhodne. No ak sa vykreslia všetky údaje do mapových podkladov, výsledok sa môže podobať aj na GPS navigáciu, aj keď značne rozšírenú a oveľa dynamickejšiu, ako sme zvyknutí.

V prvej etape projektu ste sa zamerali výlučne na senzorickú časť. Nelákalo Vás ako robotického vývojára rozšíriť existujúci systém aspoň o časť autonómneho riadenia, napríklad o natáčanie volantu?

V prvej etape projektu nie. Základ je senzorika. Môžete mať najinteligentnejší riadiaci systém na svete, ak bude dostávať nepresné údaje, nič vám to nebude platné. Naším cieľom bolo preto najprv vytvoriť senzorickú nadstavbu, ktorá bude schopná mapovať okolie vozidla, spoľahlivo detegovať okolité prekážky a ktorá sa bude úspešne lokalizovať v prostredí aj bez prítomnosti GPS signálu. Vzhľadom na limity dostupného hardvéru sme sa zamerali skôr na úlohy vykonávané pri nižšej rýchlosti, ako je autonómne parkovanie v podzemných garážach a podobne. Samozrejme, v budúcnosti plánujeme rozšíriť funkcionalitu aj o riadenie, ale bez spoľahlivej senzoriky to nemá zmysel.

Z hľadiska umiestnenia senzorov sa experimentuje s rôznymi konštrukciami od nadstavieb v štýle Google Street View Car cez charakteristické majáčiky až po úplnú integráciu senzoriky do karosérie, ako sme to mohli vidieť v prípade BMW. Pre akú konštrukciu ste sa rozhodli v prípade vášho senzorického systému?

Zvolili sme klasický dizajn turret, čiže nadstavbu na streche vozidla, na ktorej je umiestnená väčšina senzorov (hlavný LIDAR, IMU jednotka, stereo kamera) a výpočtové jadro systému – priemyselný počítač APC910 s procesorom i3. Aby sme sa vyhli komplikovanej kabeláži, nadstavbu sme navrhli kompletne bezdrôtovo. Napájaná je z vlastnej LiPol batérie a s operátorským panelom umiestneným pred sedadlom spolujazdca komunikuje cez 5,8 GHz Wifi. Na spoľahlivejšiu detekciu dynamických prekážok pred vozidlom sme sa rozhodli použiť aj druhý LIDAR, pripevnený priamo na predný nárazník. Celý systém beží pod Ubuntu 14.04 v kombinácii s ROS Indigo.

Autonómne autá dnes už zvládajú rôzne situácie od klasickej jazdy po diaľnici cez predbiehanie, vyhýbanie sa cyklistom a prekážkam na ceste až po prejazdy železničnými priecestiami. Aké výsledky sa podarilo dosiahnuť s vaším senzorickým systémom?

Spočiatku sme experimentovali s už overenými technikami SLAMu (Simultaneous Localization and Mapping) a algoritmom Monte Carlo. Kombináciou týchto technológií sme počas experimentov v skúšobnej hale a v parkovacom dome dokázali na základe údajov z LIDAR-a a IMU jednotky mapovať okolie vozidla, určovať obrysy prekážok, stĺpov, iných vozidiel a pomerne presne sa v tomto neznámom prostredí lokalizovať. Práve táto funkcionalita je mimoriadne dôležitá v situáciách, v ktorých riadiaci systém vozidla potrebuje presne manévrovať v úzkych priestoroch. Tiež sme si vyskúšali prácu s novinkou z dielne Southwest Research Institut v Texase – s MapVizom. MapViz je špeciálny ROS softvér primárne vyvíjaný na vizualizáciu systémov autonómnych vozidiel. Jeho hlavnou výhodou je možnosť synchronizácie mapových podkladov, napr. Google maps, s lokálnou mapou vytvorenou pomocou SLAM-u. Na prvý pohľad to vyzerá ako klasické GPS, ale pohyb vozidla v mape je určovaný na základe reálnej odometrie vypočítavanej z on-board senzorov. Do vizualizácie viete pridať tiež výstupy z jednotlivých senzorov – laserové skeny, obraz z kamery či vizualizáciu plánovanej trajektórie. Vo výsledku sme boli schopní jazdiť s experimentálnym vozidlom v bežnej premávke a na operátorskom paneli sledovať našu aktuálnu polohu v skutočnej mape aj bez zapnutého GPS prijímača. Čiže GPS bez GPS.

Aké boli reakcie okoloidúcich a ostatných vodičov na vaše experimentálne vozidlo?

Reakcie ľudí boli naozaj rôznorodé. Väčšine naša nadstavba pravdepodobne pripomínala mapovacie autá Google, ale vodiči nás často považovali za exemplár nového policajného radaru, keďže sa o nich v poslednom období v tlači dosť písalo. Vo všeobecnosti môžeme povedať, že najčastejšou reakciou bola zvedavosť, šliapanie na brzdu, držanie si väčšieho odstupu a natáčanie na smartfóny.

Aký vývoj očakávate v oblasti autonómnej mobility v nasledujúcom období?

V súčasnosti sme svedkami pretekov automobiliek v „autonómnom zbrojení“. Celá motoristická verejnosť s napätím očakáva, kto si ako prvý trúfne na seba prevziať zodpovednosť a prísť na trh s plne autonómnym vozidlom. Tiež sa intenzívne vedú polemiky, ktorá cesta je lepšia, či „postupná európska“ v zmysle vylepšovania jazdných asistentov tak, ako to vidíme v prípade viacerých tradičných automobiliek, alebo „prelomová americká“, kde sa hráči ako Tesla alebo Google snažia o priamy vývoj revolučného produktu. Osobne si myslím, že to pôjde skôr európskou cestou a asistentské systémy budú schopné preberať na seba čoraz viac práce. No v každom prípade, ľudský faktor, čiže schopnosť zasiahnuť do riadenia v neštandardných situáciách, bude ešte dlho nevyhnutný.

Ďakujeme za rozhovor.

www.smartroboticsys.eu