Simulación de nieve: pruebas precisas de radar y LiDAR para vehículos autónomos

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

Simulación: conducir desde el escritorio

Una forma segura de hacer una prueba de conducción: recrear el mundo en simulación. Puedes dar un paseo desde tu escritorio, dice Warren Ahner, CEO del proveedor de software de simulación RightHook, con sede en San Jose, CA.

"Nadie muere en el metaverso, al menos no todavía", dijo Ahner a una audiencia este mes en una presentación de Tech Briefs titulada Últimas Mejoras para Pruebas y Simulación de Sensores ADAS. "Realmente facilita explorar esos casos límite que podrían ser imposibles de localizar en el mundo real."

Entornos virtuales basados en fenómenos físicos y gemelos digitales

Empresas como RightHook construyen sus entornos virtuales basados en fenómenos físicos bien entendidos, así como con la ayuda de empresas de escaneo y mapeo que hacen réplicas digitales del mundo real.

Desafío: recrear elementos naturales como clima adverso

Pero algunos elementos naturales son difíciles de recrear. ¿Qué pasa si conduces a través de clima adverso, por ejemplo?

Durante la presentación en vivo, un lector tuvo la siguiente pregunta para Ahner:

"Para software de simulación de vehículos, ¿cómo compensan la interacción de lluvia o tormentas de nieve en sensores LiDAR?"

Warren Ahner: La precipitación como lluvia y nieve definitivamente puede reducir el rendimiento de un sensor LiDAR. Son particularmente afectados debido a 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 grandes grupos.

Lo que vemos es que el ruido de grupos de nieve realmente introduce falsas detecciones, así como oculta obstáculos importantes, llevando a situaciones de falsos negativos realmente críticos, y realmente entramos en eso una vez que nos acercamos a esta acumulación de 3/4" de nieve por hora.

Si estás por debajo de esa [tasa], el ruido está ahí, pero no se convierte en territorio de falsos negativos críticos, así que ante todo, esta es una de las áreas donde empezamos a usar datos empíricos.

Podríamos hacer una simulación individual de partículas de fotones, pero estás hablando de una situación computacional enorme, enorme, que probablemente te llevaría a una simulación de 30 segundos que probablemente tomaría unas horas en calcular. Aplicamos un modelo de datos empíricos encima. Aplicamos datos que hemos recolectado, o algunos de nuestros socios de investigación en ámbitos académicos y gubernamentales han recolectado, "encima" de nuestro modelo de sensor, así que especificarías, digamos, la tasa de nieve y algunas otras características de esa situación climática, y pondríamos eso como un modelo de ruido encima de los datos originales.

Dicho esto, ayer Cruise tuvo su primer viaje en taxi autónomo sin operador de seguridad. Operan en San Francisco, que nunca ve nieve, y no operan sus vehículos bajo la lluvia. Todavía estamos trabajando en esto con nuestros clientes y socios para construir una solución cada vez mejor. Ahora mismo, no es realmente el problema en el que tengamos que enfocarnos demasiado, porque nadie está ahí todavía.