Stanley (veículo) - Stanley (vehicle)

Stanley estacionou após o Grande Desafio DARPA de 2005

Stanley é um carro autônomo criado pela Stanford Racing Team da Universidade de Stanford em cooperação com o Laboratório de Pesquisa Eletrônica Volkswagen (ERL) . Ele venceu o Grande Desafio DARPA de 2005 , dando à Stanford Racing Team o prêmio de 2 milhões de dólares.

A equipe de corrida de Stanford

Liderada pelo Professor Associado Sebastian Thrun , diretor do Stanford Artificial Intelligence Lab , a Stanford Racing Team foi desenvolvida exclusivamente com o propósito de competir no Grande Desafio DARPA 2005. Stanford não participou do Grande Desafio DARPA de 2004 e foi considerado como tendo 20: 1 de chances de vencer a competição de 2005. Stanley está atualmente localizado no Smithsonian National Air and Space Museum, embora tenha sido exibido em 2006 no New York International Auto Show, e tenha passado 2 anos no Volkswagen Autostadt Museum (Alemanha). A Stanford Racing Team apresentou um novo veículo, um Volkswagen Touareg modificado , apelidado de " Junior ", no DARPA Urban Challenge 2007 . Outros contribuidores importantes da equipe incluem Michael Montemerlo (líder de software), Sven Strohband (engenheiro de hardware líder), David Stavens (roboticista / engenheiro), Hendrik Dahlkamp (líder de visão computacional), Cedric Dupont (líder de veículo) e Pamela Mahoney (comunicações liderar).

Construção

O quadro original de Stanley era um modelo a diesel europeu padrão Volkswagen Touareg fornecido pela ERL da Volkswagen para a competição. A Stanford Racing Team escolheu o Touareg por seu sistema de controle " drive by wire " que poderia ser adaptado (e foi feito pelo ERL) para funcionar diretamente de um computador de bordo sem o uso de atuadores ou servo motores (é importante notar, entretanto, que o volante era movido por um motor elétrico e a troca de marchas realizada com um pistão hidráulico).

Para navegar, Stanley usou cinco unidades Sick AG LIDAR montadas no telhado para construir um mapa 3-D do ambiente, complementando o sistema de detecção de posição GPS . Um sistema de orientação interna utilizando giroscópios e acelerômetros monitorava a orientação do veículo e também servia para complementar o GPS e outros dados do sensor. Dados adicionais de orientação foram fornecidos por uma câmera de vídeo usada para observar as condições de direção até oitenta metros (além do alcance do LIDAR) e para garantir espaço suficiente para aceleração. Stanley também tinha sensores instalados em um poço de roda para registrar um padrão impresso no pneu e para atuar como um hodômetro em caso de perda de sinal (como ao dirigir em um túnel). Usando os dados desse sensor, o computador de bordo pode extrapolar a distância percorrida desde que o sinal foi perdido.

Para processar os dados do sensor e executar decisões, Stanley foi equipado com seis computadores de baixo consumo baseados em Intel Pentium M de 1,6 GHz no porta-malas, executando diferentes versões do sistema operacional Linux .

Programação

A Escola de Engenharia desenvolveu as 100.000 linhas de software operadas por Stanley para interpretar os dados do sensor e executar decisões de navegação. Usando o que a Popular Mechanics chama de "hierarquia comum do robô", Stanley utiliza "módulos de baixo nível alimentados com dados brutos do LIDAR, a câmera, conjuntos de GPS e sensores inerciais em programas de software [para controlar] a velocidade do veículo, direção e tomada de decisão.

Stanley foi caracterizado por uma abordagem baseada em aprendizado de máquina para detecção de obstáculos. Os dados dos LIDARs foram combinados com as imagens do sistema de visão para realizar uma previsão mais distante. Se um caminho de terreno dirigível não pudesse ser detectado por pelo menos 40 metros à frente do veículo, a velocidade era reduzida e os LIDARs eram usados ​​para localizar uma passagem segura.

Para corrigir um erro comum cometido por Stanley no início do desenvolvimento, a Stanford Racing Team criou um registro de "reações e decisões humanas" e alimentou os dados em um algoritmo de aprendizagem vinculado aos controles do veículo; esta ação serviu para reduzir significativamente os erros de Stanley. O registro do computador de humanos dirigindo também tornou Stanley mais preciso na detecção de sombras, um problema que causou muitas das falhas de veículos no Grande Desafio da DARPA de 2004 .

Veja também

Referências

links externos