Современные электромобили и автомобили все в большей степени полагаются на программное обеспечение, обеспечивающее их устойчивость, эффективность и безопасность.
По мере того как машины берут на себя все больше функций автоматизированного управления, им приходится интерпретировать сложные дорожные условия быстрее и точнее, чем это способен сделать человек. Этот вызов заставляет инженеров пересматривать сами принципы того, как транспортное средство «понимает» собственное движение.
Современные системы управления зависят от точного знания текущего состояния автомобиля — его скорости, ускорений и траектории. Даже незначительные ошибки могут повлиять на работу тормозов, рулевого управления и систем стабилизации. В автономных системах такие погрешности быстро накапливаются и могут привести к серьезным последствиям. Поэтому инженеры рассматривают оценку состояния автомобиля как одну из ключевых основ будущей мобильности.
Исследовательская группа под руководством профессора Канхена Нама из Научно-технического института Тэгу Кенбук (Южная Корея) предложила новое решение этой задачи. Ученые разработали систему оценки состояния автомобиля на основе физического искусственного интеллекта, способную отслеживать поведение машины в реальном времени.
Система ориентирована на оценку параметров движения, которые невозможно измерить напрямую с помощью датчиков. Одним из важнейших таких параметров является угол бокового скольжения — величина, показывающая, насколько автомобиль уходит вбок при поворотах или движении по покрытиям с низким коэффициентом сцепления.
Боковое скольжение играет ключевую роль в устойчивости автомобиля. Если водитель или автоматическая система не распознают его на ранней стадии, системы управления могут отреагировать слишком поздно.
Традиционные методы оценки сталкиваются с серьезными трудностями, поскольку поведение шин постоянно меняется. Дополнительные сложности создают тип дорожного покрытия и скорость движения, что выводит реальные условия за рамки предположений классических моделей.
Чтобы преодолеть эти ограничения, исследователи разработали гибридную систему оценки, объединяющую физические модели автомобиля и методы искусственного интеллекта. Вместо того чтобы заменять физику, ИИ усиливает ее за счет обучения на данных.
В основе подхода лежит сочетание физической модели шин с ИИ-регрессией. В систему непрерывно поступают данные датчиков, измеряющих боковую силу, действующую на шины. Это позволяет модели адаптироваться к нелинейному поведению шин и изменяющимся условиям окружающей среды.
Ключевым элементом системы стал наблюдатель на базе несмещенного фильтра Калмана, интегрированный с гауссовской регрессией процессов. Фильтр Калмана обеспечивает физическую согласованность модели, а компонент искусственного интеллекта добавляет гибкость и способность к обучению.
Вместе эти элементы позволяют значительно быстрее и точнее оценивать состояние автомобиля по сравнению с традиционными методами.
Исследователи проверили систему на реальной платформе электромобиля. Испытания проводились на разных типах дорожного покрытия, при различных скоростях и в разнообразных сценариях прохождения поворотов. Во всех условиях система демонстрировала высокую и стабильную точность. Инженеры посчитали такую надежность критически важной для внедрения технологии в серийные автомобили.