Для эксплуатации автономного транспорта критически важно точно знать:

1. где находится транспортное средство, 2. в каком направлении оно движется, 3. с какой скоростью оно перемещается.

Это и есть задача систем локализации.

Как автономный транспорт может понять свое местоположение? Может ли ездить по обычной карте из навигатора? На каких методах построена система локализации?  Ответы на эти вопросы вы… найдете в предыдущей статье этой серии :) 

В этой части мы — команда локализации и картирования ЭвоКарго — сделаем шаг глубже и посмотрим на основу всей системы:  данные. 

На первый взгляд всё выглядит просто: чем больше сенсоров, тем больше данных, и тем точнее результат. На практике увеличение числа сенсоров не устраняет неопределенность. Каждый источник данных живет в своей «реальности», со своими физическими ограничениями, своими погрешностями и сценариями деградации. В результате система сталкивается не просто с шумом, а с противоречиями. Поэтому локализация — не про измерения, а про интерпретацию противоречивых данных в условиях неопределенности сотни раз в секунду.

Эта большая статья про то, какие сенсоры применяются в автономности, какие неточности в измерениях каждого из них, почему это неизбежно и за счет чего система локализации успешно работает в подобных условиях. И почему нашим машины постоянно чувствуют себя, как Траволта в Криминальном чтиве :)

Представьте, что вы находитесь за рулем автомобиля. Даже находясь на пустой дороге, в отсутствии других участников дорожного движения, вам необходимо постоянно "подруливать", чтобы удержаться в полосе, притормаживать или останавливаться перед перекрестками и, наконец, поворачивать, останавливаться и парковаться. А теперь представьте, что все тоже самое вам необходимо делать с закрытыми глазами — примерно также "ощущает" себя автономный автомобиль без системы локализации.

Всем привет! На связи вновь команда разработки ЭвоКарго, а именно — команда локализации и картирования. Ранее обещали вам рассказать о том, как наш флот автономных грузовиков работает в нынешних условиях постоянного ограничения связи. Сделаем. Но для полноценного погружения решили сперва рассказать о том, как вообще устроена локализация в автономном транспорте. В этой статье в 2-х частях вы узнаете о том, почему задача локализации так сложна и какие способы для ее решения придумали инженеры.

Сегодня достаточно скачать с GitHub-a открытый стек автопилота, прикрутить пару камер или лидаров с AliExpress к небольшой электрической платформе, прокатить ее по парковке — и проект уже называют «автономным». Но заставить машину без водителя в реальных условиях выполнять задачи бизнеса, например, перевозить тонны груза в -30 °C и +50 °C, и, при этом, зарабатывать деньги — это совсем другая лига, где сходят с дистанции даже стартапы с сотнями миллионов долларов инвестиций. 

Я — Дмитрий Куликов, последние 2,5 года руковожу разработкой ПО в Evocargo. Мы с нуля разрабатываем, проектируем, производим и внедряем автономные электрогрузовики максимально высокого на сегодня серийно-эксплуатируемого уровня автономности. Уже 5 лет они работают на десятках коммерческих объектов по всей России. Как пробиться в лигу успешных проектов в автономном вождении, как мы приняли решение строить собственную платформу и почему Маск всё ещё не прав — расскажу в этой статье.