Zdokonalování chytré tramvaje v Plzni pokračuje

Moderní tramvaj je osazená speciálními jednotkami umožňujícími komunikovat s dopravní infrastrukturou a orientovat se v prostoru díky kamerám a LiDARům (Light Detection And Ranging – metoda pro dálkové měření vzdálenosti). Za využití aktuálních a velmi přesných mapových podkladů dokáže reagovat na nepředvídatelné události, které mohou během jízdy nastat. Mezi ně patří například překážky na trati či přecházející chodci. Od července letošního roku už tramvaj jezdí po testovacím okruhu v Plzni.

Některé prvky tramvaje byly vyvinuté v rámci výzkumného projektu DIDYMOS. Na ten částečně navazují odborníci z katedry kybernetiky Fakulty aplikovaných věd (FAV) v čele s Lukášem Pickem. S kolegy a ve spolupráci se Škoda Digital and Škoda Transportation pracují na projektu tzv. Smart Depa. V depu a na polygonu finského města Tampere bude probíhat testování automatizovaných a autonomních kolejových vozidel. Na testovací úsek budou instalovány senzorické prvky pro automatickou detekci překážek právě prostřednictvím lidarů nebo kamer. „Cílem projektu je navrhnout a v reálném prostředí otestovat metody pro analýzu bezpečnostně-kritických funkcí AI algoritmů pro lokalizaci a detekci překážek využitelných při autonomním řízení tramvaje," vysvětlil Lukáš Picek.

V současnosti existuje relativně velké množství systémů, které se zabývají využitím a návrhem konvenčních a moderních metod počítačového vidění a strojového učení v autonomním řízení vozidel a robotice. Ve většině případů jsou pro detekci překážek použity jednodušší typy senzorů jako jsou radar či ultrazvuk. Důvodem je komplikovanost algoritmů umělé inteligence a vágnost norem které certifikace systémů využívajících AI algoritmů vyžadují.

„Bezpečnost těchto metod byla v prostředí autonomního řízení vozidel a robotiky doposud jen málo prozkoumána. Náš tým se proto zaměřuje na základní definice procesů pro vývoj a testování metod umělé inteligence v bezpečnostně kritických aplikacích. Samozřejmě nezůstáváme pouze u definic, ale snažíme se naše metody ověřit v praxi ve spojení se Škoda Group," řekl Lukáš Picek. Ze získaných dat pak bude možné jasně definovat, jakým způsobem lze využít a implementovat algoritmy počítačového vidění a strojového učení do bezpečnostně kritických funkcí, jak určit parametry důležité pro stanovení jejich spolehlivosti a jak je při ostrém provozu prokázat a zaručit.