La collisione di un robot autonomo di consegna contro un pedone in condizioni di nebbia fitta ha messo in crisi gli attuali sistemi di percezione. La ricostruzione 3D della scena integra dati climatici e sensoriali per determinare se il guasto sia stato algoritmico o ambientale. Questa analisi forense combina nuvole di punti LiDAR, traiettorie e simulazione per replicare l'incidente.
Flusso di lavoro tecnico: dalla nuvola di punti alla simulazione climatica 🛠️
Il processo inizia con l'importazione dei dati dei sensori LiDAR e delle telecamere stereo in CloudCompare, dove vengono allineate le nuvole di punti del robot e del pedone per stabilire la geometria esatta della scena. Successivamente, in Trimble RealWorks vengono misurate le distanze di frenata, gli angoli di avvicinamento e le traiettorie precedenti all'impatto. Il passo successivo è esportare questi dati in Carla Simulator, dove viene ricreata la nebbia con parametri di densità e riflettanza per simulare il guasto di percezione del LiDAR. Infine, Blender viene utilizzato per generare una visualizzazione divulgativa che mostra come il fascio del sensore si degradi nella nebbia, nascondendo il pedone nel momento critico.
Lezioni di ingegneria per la mobilità autonoma urbana 🚦
La ricostruzione rivela che il robot non ha rilevato il pedone a causa dell'attenuazione del LiDAR da parte delle particelle d'acqua, un guasto prevedibile ma non mitigato. Il flusso di lavoro dimostra che l'integrazione dei dati meteorologici in tempo reale è critica per i sistemi di navigazione. Senza una ridondanza sensoriale che funzioni in nebbia, questi robot continueranno a rappresentare un rischio sui marciapiedi pedonali.
Come può la ricostruzione 3D forense a partire da dati LiDAR e telecamere termiche superare i limiti della percezione visiva in condizioni di nebbia fitta per determinare la responsabilità nella collisione di un delivery bot?
(PS: Nell'analisi delle scene, ogni testimone di scala è un piccolo eroe anonimo.)