Оказалось, GPS – не панацея
Постоянные читатели знают нашу слабость к новостям из университетов и институтов. Да, далеко не все технологии и изобретения, рождающиеся в ВУЗах, доходят до реального внедрения или производства, но иногда невозможно пройти мимо. Как не смогли мы пройти мимо пресс-релиза НИТУ МИСИС, в котором предложили подход для увеличения точности геопозиционирования городских трамваев. Если кратко, то в Санкт-Петербурге (и некоторых других городах) на трамваях установлен комплекс Cognitive Tram Pilot, который по идее должен будет в будущем управлять беспилотным трамваем, а сегодня просто собирает данные и моделирует всякое. Например, дает рекомендации водителям трамвая, где притормозить, а где набрать скорость. Чтобы «вагон не сошел с рельсов».
Честно говоря, не припомним уже последний раз, когда вагон трамвая сошел с рельсов. Тем более из-за того, что водитель трамвая разогнал его до такой скорости, чтобы на повороте вагон взял, да и опрокинулся. Зато помним степень адекватности Ольги Усковой, бессменного руководителя Cognitive Technologies. Странно, что Ольга с комбайнов решила переключиться на трамваи. Очевидно, комбайны у нас теперь все беспилотные, пора браться за городской транспорт. Но, повторимся, не припомним, чтобы с трамваями были какие-то проблемы.
В общем, трамваи. Они ездят по рельсам (если кто-то забыл). Ездят по одному и тому же маршруту. Казалось бы, в чем проблема их геопозиционирования? За год можно полностью отцифровать маршрут камерами технического зрения, благо их у Cognitive Tram Pilot две. Если прибавить к этому телематику с агрегатов трамвая, получится вполне себе стройная картина, на которую можно опираться в разработке беспилотного пилотирования трамвая. Но нет, каким-то образом в эту историю влез GPS. А с GPS сейчас проблемы – глушилки, городская застройка, вот это вот все.
Ребята из НИТУ МИСИС ничего с GPS делать не стали. Их технология направлена на увеличение точности распознавания положения вагона в городском пространстве при изменении положения камер. Если честно – в голове не укладывается зачем это нужно. Ну допустим, гении Ольги Усковой не увязали картинку с акселерометром, а потому действительно, при наклоне вагона картинка не выравнивается и потому потребовалась технология сопоставления ее с эталонной по точкам, которые есть как в эталонном кадре, так и в реальном. И вот оно – чудо, технология увеличивает точность позиционирования.
У нас в голове не укладывается, зачем все эти сложности. Вроде бы у нас все идет – пусть и медленно – к концепции V2X, когда беспилотные автомобили (и трамваи) обмениваются информацией с датчиками вдоль дороги. Вопрос лишь в размещении этих датчиков, но посмотрите на эту проблему чуть шире – датчики, которые могут выступать теми самыми референсными точками-маяками, можно разместить где угодно – на столбах освещения, светофорах, шкафах каких-нибудь. Это если привязываться к электропитанию. А если использовать что-то автономное, то вопрос вообще отпадает.
Конечно, цифровые двойники окружения на пути следования транспортного средства помогают увеличить эффективность и безопасность беспилотного транспорта. Но в качестве основного ориентира они подходят едва ли. Без дополнительных стационарных ориентиров все это вряд ли поедет. Или будет заканчиваться так, как сегодня происходит в США, где беспилотные автомобили все чаще застревают на перекрестках не давая друг другу разъехаться.
Каждый ваш лайк и подписка помогают нам увеличить аудиторию и создавать еще больше достоверного и интересного контента.