KEINN ONE:1 беспилотный электромобиль

Актуальность

В 2020 году практически ежедневно выходят новости, связанные с беспилотными автомобилями. Все крупные автоконцерны занимаются разработкой этих технологий. Есть целая гоночная серия ROBORACE, в которой участвуют лишь автономные автомобили.

Исследования показывают, что автомобили находятся на стоянках 95 % времени, так что традиционная собственность постепенно превращается в устаревшую. Пользователи могут вызвать машину при необходимости, что позволит перейти от программ индивидуальной собственности к моделям совместной собственности, где востребованными станут беспилотные автомобили. Тренд уже очевиден – в будущем беспилотный транспорт станет массовым явлением.

Однако на пути к беспилотным автомобилям еще предстоит решить много технологических задач. Использование беспилотных автомобилей в условиях реального дорожного трафика показало, что пока эти технологии требуют существенной доработки. Основная сложность – реагировать на дорожную ситуацию в реальном времени. Алгоритм должен в высокой степени надежности и точности локализовать себя на маршруте, распознавать дорожные знаки, пешеходов и других участников движения, считывать сигналы светофора и другие сигналы.

Многие компании в сфере IT заинтересованы в развитии данной технологии. Госдумой был одобрен законопроект о беспилотных автомобилях на дорогах общего пользования, теперь их можно встретить на дорогах Москвы и Татарстана.

Цель

Разработка комплекса средств моделирования беспилотного автомобиля подобному реальному суперкару.

Задачи

• Разработать 3D-модель беспилотного автомобиля.
• Применить программное обеспечение моделирования разработанной модели в симуляторе gazeboю.
• Создать систему управления беспилотным электромобилем.
• Собрать электромобиль.
• Провести скоростной заезд.

Оснащение и оборудование, использованное при создании работы

• ноутбук с установленным ПО (Python, C⁺⁺, Autodesk Fusion 360, симулятор Gazebo);
• SLAM (англ. Simultaneous Localization And Mapping) — метод, используемый роботами и автономными транспортными средствами для построения карты в неизвестном пространстве;
• 3D-принтер (иногда одновременно использовалось 2-3 принтера);
• фрезерный станок;
• Arduino Uno и Arduino Nano;
• радиомодули LoRa R1;
• камеры Realsense t265;
• шлифовальная машинка;
• ручной инструмент.

Описание

Keinn One:1 – это заднеприводный среднемоторный электрокар.

Отличительной особенностью автомобиля является то, что по своей конструкции он приближен к реальным автомобилям. В автомобиле есть монокок, внутри которого находиться салон. Машина построена вокруг монокока, то есть все навесные и ключевые детали крепятся к нему. Такое техническое решение дает большую жесткость конструкции. Поскольку машина заднеприводная и заднюю ось можно тормозить с помощью мотора, то как же тормозить передние колеса? Для решения этой задачи была разработана уникальная тормозная система: «KEINN BREAK SYSTEM». В Keinn One:1 спроектированы собственные фары, в которых есть ДХО, поворотники, дальний и ближний свет. Концепция задней подвески была выбрана многорычажная с горизонтально-поперечным расположением амортизаторов и ходом 14 мм. Горизонтальное расположение амортизаторов уменьшает габариты конструкции, а горизонтальное расположении дает возможность дополнительной настройки подвески. Передняя подвеска унаследовала такую же концепцию, но уже с ходом 16 мм. В Keinn One:1 есть 3 камеры. Одна камера в салоне на водительском месте, вторая в воздухозаборнике на крыше и еще одна – в заднем бампере. В заднем бампере установлены также лазерные датчики расстояния, выполняющие роль парктроников. В машину установлены 4 съемных аккумулятора суммарной емкостью 4000 mah и напряжением 24 вольта. Планируется установка двух резервных аккумуляторов 500mah и 3.7 v. Мотор используется сенсорный бесколлекторный мощностью 2700 ватт. В Электромобиле двери открываются одновременно в 3 (трех) плоскостях. В автомобиле открывается капот и багажник. На порогах машины есть светящиеся надписи «One:1». В салоне есть сиденья. Дверные карты детально прорисованы. Есть активное заднее антикрыло. При торможении крыло поднимается на угол до 60 градусов, тем самым генерируя дополнительное лобовое сопротивление, являясь воздушным тормозом, вследствие чего тормозной путь автомобиля уменьшается. В передней части автомобиля есть центральный воздухозаборник, проходящий над передней подвеской и выходящий через отверстия в переднем багажнике, а также передний сплиттер и боковые отверстия в бампере для отвода воздуха. В задней части машина имеет диффузор, а также плоское днище, сделанное из 6 отфрезерованных и склеенных между собой пластин. В каждой колесной арке есть воздуховод, преобразующий завихренные потоки воздуха в прямые и направляющий их на генерацию дополнительной прижимной силы.

Для обучения нейросети была создана система управления автомобилем с помощью игрового руля и педалей. Нейросеть на вход принимала обучающую выборку из 9000 снимков с камеры и показания с angle(руля) и throttle (газа). Система управления автомобилем с помощью игрового руля включала в себя 4 одновременно работающих программы, две из которых были написаны на языке программирования Python 3.6 и две на С++.

Программы на Python отвечали за снятие данных с руля, а также обучение сети.

Программы на С++ служили для работы с радиомодулями LoRa R1, используя которые передавали данные с компьютера на машину. Для микроконтроллера передатчика используется Arduino Uno, а для приемника Arduino nano.

Для заездов был выбран трек ФИЦ ИУ РАН. Трек был с более сложной траекторией, а также с более безопасными бортиками, которые в случае ошибки уменьшали последствия столкновений. В результате проведенных испытаний скоростных заездов на основе нейросетевого управления мы выяснили, что машина не может развить скорость больше 3 м/c. Ограничения были вызваны скоростью алгоритма нейросетевого распознавания дороги.

В результате проведенных испытаний скоростных заездов на основе SLAM мы получаем большую скорость, которая ограничена вычислительной способностью Jetson nano. Недостатком данного метода является чувствительность камеры к изменению внешнего освещения и к вибрации. Решением данного недостатка является применение фильтра Калмана из пакета ROS и повторная калибровка с датчиками. Кроме возможности увеличить скорость электромобиля в автоматическом режиме метод позволяет в симуляторе Gazebo генерировать необходимые траектории и включать их в управление.

Результаты работы/выводы

Основная цель проекта была достигнута, поставленные задачи решены. Результатом работы стала собранная машина и проведенный беспилотный скоростной заезд.

Перспективы использования результатов работы

Автомобиль может использоваться для отработки алгоритмов машинного обучения. Если говорить простым языком, то себестоимость Keinn One:1 в 10 раз меньше себестоимости полноразмерного беспилотного автомобиля. Так как вероятность ошибки у беспилотного авто велика, Keinn One:1 может снизить экономические последствия при аварии, а также дать большие скоростные возможности, нежели его полноразмерный конкурент, если автомобиль используется на закрытом треке.

Сотрудничество с вузом/учреждением при создании работы

Все беспилотные заезды проходили на треке ФИЦ ИУ РАН.