في الشهر الماضي، وقع حادث في مضمار اختبار للقيادة الذاتية على شكل قافلة (platooning) أدى إلى اصطدام شاحنتين بعد خلل في الإدراك الحسي. اكتشف النظام الموجود على متن الشاحنة عائقًا وهميًا، وهو كيان غير موجود ناتج عن عدم التزامن بين بيانات الليدار (LIDAR) الأمامية والرادار الخلفي. تسبب هذا الخطأ في فرملة الشاحنة الثانية بشكل مفاجئ، مما أدى إلى اصطدام الشاحنة الأولى بها من الخلف. تكشف هذه الحالة عن ثغرة خطيرة في دمج أجهزة الاستشعار للقوافل ذاتية القيادة.
تحليل فني: الفارق الزمني في دمج بيانات الليدار والرادار 🚛
في نظام القافلة المثالي، يقوم الليدار بمسح البيئة بتردد 10 هرتز بينما يعمل الرادار بتردد 20 هرتز. عندما يكون هناك زمن انتقال غير معوض في وحدة التحكم (ECU)، يمكن أن يسجل ارتداد الموجات الدقيقة من حاجز حماية كجسم ثابت قبل أن يؤكد الليدار وجود مساحة خالية. عند دمج سحبتي النقاط دون طابع زمني دقيق، يفسر النظام هذا البقايا على أنه عائق حقيقي. تتيح أدوات مثل Unreal Engine وVissim إعادة إنتاج هذا الخلل: الأولى تعرض هندسة البيئة ومسار العائق الوهمي، بينما الثانية تصمم رد فعل حركة المرور المحيطة. من جهتها، تسهل CloudCompare تحليل سحب النقاط لتحديد التناقض الزمني.
نحو محاكاة أكثر متانة للإدراك الحسي للمركبات 🛠️
يثبت هذا الحادث أن التحقق من صحة أنظمة مساعدة السائق المتقدمة (ADAS) لا يمكن أن يقتصر على الاختبارات على الطرق. يجب أن تتضمن المحاكاة باستخدام محركات ثلاثية الأبعاد وبرامج المرور سيناريوهات عدم تزامن حسي لتدريب خوارزميات الدمج المتسامحة مع الأخطاء. يعد تنفيذ مخزن مؤقت زمني ديناميكي في وحدة التحكم (ECU)، قادر على محاذاة البيانات حسب ترتيب الوصول وليس بتردد ثابت، حلاً يتم اختباره بالفعل في البيئات الافتراضية. الهدف هو ألا يتحول أي عائق وهمي مرة أخرى إلى حادث حقيقي.
هل من الممكن اكتشاف خطأ في تزامن الاتصال بين المركبات (V2V) بين الشاحنات أثناء القيادة الذاتية على شكل قافلة وتصحيحه في الوقت الفعلي باستخدام أنظمة استشعار ثلاثية الأبعاد، مثل الليدار متعدد الطبقات، لتجنب الاصطدامات مثل التي حدثت في مضمار الاختبار؟
(ملاحظة: في Foro3D، سياراتنا تحتوي على مضلعات أكثر من الأحصنة)