Software de simulación de vehículos:cómo probar el radar y el lidar en la nieve

Un automóvil autónomo contiene una multitud de sensores, incluidos detectores de carriles, señales de tráfico y espacio libre. Los componentes del sistema avanzado de asistencia al conductor, o ADAS, deben evaluarse en una variedad de condiciones antes de salir oficialmente a la carretera.

Una forma segura de hacer una prueba de manejo:recrear el mundo en simulación. Puedes dar un paseo desde tu escritorio, dice Warren Ahner, director ejecutivo del proveedor de software de simulación con sede en San José, California, RightHook.

"Nadie muere en el metaverso, al menos no todavía", dijo Ahner a una audiencia este mes en un Resumen técnico. -presentación dirigida titulada Últimas mejoras para prueba y simulación de sensores ADAS. "Hace que sea muy fácil explorar esos casos extremos que podrías encontrar imposibles de localizar en el mundo real".

Empresas como RightHook, proveedor de software de simulación con sede en San José, California, construyen sus entornos virtuales basándose en fenómenos físicos bien entendidos, así como con la asistencia de empresas de escaneo y mapeo que hacen réplicas digitales del mundo real.

Pero algunos elementos naturales son difíciles de recrear. ¿Qué sucede si conduce con mal tiempo, por ejemplo?

Durante la presentación en vivo, un lector le hizo la siguiente pregunta a Ahner:

"Para el software de simulación de vehículos, ¿cómo compensa la interacción de las tormentas de lluvia o nieve en los sensores lidar?

Warren Ahner :Las precipitaciones como la lluvia y la nieve definitivamente pueden reducir el rendimiento de un sensor lidar. Se ven particularmente afectados por la divergencia del haz y la corta duración del pulso. El ruido de detección de nieve se concentra realmente cerca de ese sensor y se manifiesta en este tipo de grupos grandes.

Lo que vemos es que el ruido de los cúmulos de nieve realmente introduce una detección falsa, además de oscurecer obstáculos importantes, lo que lleva a algunas situaciones negativas falsas muy, muy críticas, y realmente te metes en eso una vez que comienzas a acercarte a esta acumulación de 3/4" de nieve. una hora.

Si está por debajo de esa [tasa], el ruido está ahí, pero no se convierte en un territorio crítico de falsos negativos, por lo que, ante todo, esta es una de las áreas en las que comenzamos a usar datos empíricos.

Podríamos hacer una simulación de partículas de fotones individuales, pero estamos hablando de una enorme, enorme situación computacional que probablemente lo llevaría a una simulación de 30 segundos que probablemente tomaría algunas horas para calcular. Aplicamos un modelo de datos empíricos encima. Aplicamos los datos que hemos recopilado, o algunos de nuestros socios de investigación académicos y gubernamentales han recopilado, "sobre la parte superior" de nuestro modelo de sensor, por lo que especificaría, digamos, la tasa de nieve y algunas otras características de eso. situación climática, y lo colocaríamos como un modelo de ruido sobre los datos originales.

Dicho esto, ayer Cruise tuvo su primer viaje en taxi autónomo sin operador de seguridad . Están operando en San Francisco, que nunca ve nieve, y no hacen funcionar sus vehículos bajo la lluvia. Todavía estamos trabajando en esto con nuestros clientes y socios para crear una solución cada vez mejor. En este momento, no es realmente el problema en el que tenemos que concentrarnos demasiado en resolverlo, porque todavía no hay nadie allí.