Toyota Research Institute (TRI) y Stanford Engineering logran la primera secuencia de drift en tándem totalmente autónoma del mundo
Así, Toyota Research Institute (TRI) y Stanford Engineering anunciaron una primicia mundial en investigación sobre conducción: hacer derrapar de forma autónoma dos automóviles en tándem .
Durante casi siete años, los equipos han colaborado en investigaciones para hacer que la conducción sea más segura. Los experimentos automatizan una maniobra de deportes de motor llamada "deriva", donde un conductor controla con precisión la dirección de un vehículo después de perder la tracción haciendo girar los neumáticos traseros, una habilidad transferible a la recuperación de un deslizamiento sobre nieve o hielo. Al agregar un segundo automóvil que derrapa en tándem, los equipos ahora han simulado más fielmente las condiciones dinámicas en las que los automóviles deben responder rápidamente a otros vehículos, peatones y ciclistas.
"Nuestros investigadores se reunieron con un objetivo en mente: cómo hacer que la conducción sea más segura", dijo Avinash Balachandran , vicepresidente de la división de Conducción Humana Interactiva del TRI. "Ahora, utilizando las últimas herramientas en IA, podemos conducir dos autos en tándem de forma autónoma. Es la maniobra más compleja en los deportes de motor, y alcanzar este hito con autonomía significa que podemos controlar los autos dinámicamente en los extremos. Esto tiene implicaciones de largo alcance. para construir sistemas de seguridad avanzados en los automóviles del futuro".
"La física del derrape es en realidad similar a lo que un automóvil podría experimentar sobre la nieve o el hielo", dijo Chris Gerdes , profesor de ingeniería mecánica y codirector del Centro de Investigación Automotriz de Stanford (CARS). "Lo que hemos aprendido de este proyecto de deriva autónoma ya ha dado lugar a nuevas técnicas para controlar vehículos automatizados de forma segura sobre hielo".
En una secuencia de deriva autónoma en tándem, dos vehículos (un automóvil líder y un automóvil de persecución) recorren un recorrido a veces con una diferencia de centímetros entre sí mientras operan al límite del control. El equipo utilizó técnicas modernas para construir la IA del vehículo, incluido un modelo de neumático de red neuronal que le permitió aprender de la experiencia, como un conductor experto.
"Las condiciones de la pista pueden cambiar drásticamente en unos pocos minutos cuando se pone el sol", dijo Gerdes. "La IA que desarrollamos para este proyecto aprende de cada viaje que hemos realizado a la pista para manejar esta variación".
Los accidentes automovilísticos provocan más de 40.000 muertes en los EE. UU. y alrededor de 1,35 millones de muertes en todo el mundo cada año. Muchos de estos incidentes se deben a una pérdida de control del vehículo en situaciones dinámicas y repentinas. La autonomía es muy prometedora para ayudar a los conductores a reaccionar correctamente.
"Cuando su automóvil comienza a patinar o deslizarse, usted confía únicamente en sus habilidades de conducción para evitar chocar con otro vehículo, árbol u obstáculo. Un conductor promedio lucha por manejar estas circunstancias extremas, y una fracción de segundo puede significar la diferencia entre la vida y la vida. muerte", añadió Balachandran. "Esta nueva tecnología puede activarse precisamente a tiempo para proteger al conductor y gestionar una pérdida de control, tal como lo haría un vagabundo experto".
"Hacer lo que nunca se ha hecho antes demuestra realmente lo que es posible", añadió Gerdes. "Si podemos hacer esto, imagínese lo que podemos hacer para que los automóviles sean más seguros".
Detalles técnicos
- Los experimentos se llevaron a cabo en Thunderhill Raceway Park en Willows, California , utilizando dos GR Supra modificados: los algoritmos del auto líder se desarrollaron en el TRI, mientras que los ingenieros de Stanford desarrollaron los del auto de persecución.
- TRI se centró en desarrollar mecanismos de control robustos y estables para el vagón principal, permitiéndole realizar recorridos principales repetibles y seguros.
- Stanford Engineering desarrolló algoritmos y modelos de vehículos de IA que permiten que el vehículo de persecución se adapte dinámicamente al movimiento del vehículo líder para que pueda desviarse sin colisionar.
- GReddy y Toyota Racing Development (TRD) modificaron la suspensión, el motor, la transmisión y los sistemas de seguridad de cada automóvil (por ejemplo, jaula antivuelco, extinción de incendios). Aunque sutilmente diferentes entre sí, los vehículos se construyeron con las mismas especificaciones utilizadas en las competiciones de Fórmula Drift para ayudar a los equipos a recopilar datos con conductores expertos en un entorno controlado.
- Ambos están equipados con computadoras y sensores que les permiten controlar la dirección, el acelerador y los frenos al mismo tiempo que detectan su movimiento (por ejemplo, posición, velocidad y tasa de rotación).
- Fundamentalmente, comparten una red WiFi dedicada que les permite comunicarse en tiempo real mediante el intercambio de información como sus posiciones relativas y trayectorias planificadas.
- Para lograr una deriva autónoma en tándem, los vehículos deben planificar continuamente sus comandos de dirección, aceleración y freno y la trayectoria que pretenden seguir utilizando una técnica llamada Control Predictivo de Modelo No Lineal (NMPC).
- En NMPC, cada vehículo comienza con objetivos, representados matemáticamente como reglas o restricciones que debe obedecer.
- El objetivo del vehículo líder es mantener una deriva a lo largo de un camino deseado mientras permanece sujeto a las limitaciones de las leyes de la física y los límites del hardware, como el ángulo máximo de dirección.
- El objetivo del vehículo de persecución es desplazarse junto al vehículo líder y evitar de forma proactiva una colisión.
- Luego, cada vehículo resuelve y vuelve a resolver un problema de optimización hasta 50 veces por segundo para decidir qué comandos de dirección, aceleración y freno cumplen mejor sus objetivos mientras responden a condiciones que cambian rápidamente.
- Al aprovechar la IA para entrenar constantemente la red neuronal utilizando datos de pruebas anteriores, los vehículos mejoran en cada viaje a la pista.
Compartiendo este artículo usted puede ayudar a difundir valor a
otros que están buscando este tipo de información. Si valora el trabajo
que hacemos en Valenciacars para usted y le resulta útil, le queremos
pedir un gran favor: por favor comparta el artículo en WhatsApp, en
Facebook , en Twitter y sus demás redes
Linkedin:valenciacars
Instagram:@valenciacars1
Facebook:Valenciacars
Threads:valenciacars1
Twitter:@Valenciacars1
Google News:https://news.google.com/publications/CAAqBwgKMMa1tQsw09DMAw?ceid=ES:es&oc=3
Sigue el canal de Valenciacars en WhatsApp: https://whatsapp.com/channel
Así,que Toyota Research Institute (TRI) y Stanford Engineering logran la primera secuencia de drift en tándem totalmente autónoma del mundo
Comentarios
Publicar un comentario