Stanley — беспилотный автомобиль , созданный гоночной командой Стэнфордского университета в сотрудничестве с исследовательской лабораторией электроники Volkswagen (ERL) . В 2005 году он выиграл турнир DARPA Grand Challenge [1] , принеся Стэнфордской гоночной команде приз в 2 миллиона долларов.
Стэнфордская гоночная команда, возглавляемая доцентом Себастьяном Труном , [2] директором Стэнфордской лаборатории искусственного интеллекта , была создана исключительно для участия в турнире DARPA Grand Challenge 2005 года. Стэнфорд не участвовал в турнире DARPA Grand Challenge 2004 года и имел шансы на победу в конкурсе 2005 года 20:1. [3] В настоящее время автомобиль находится в Смитсоновском национальном музее авиации и космонавтики. Он демонстрировался на Нью-Йоркском международном автосалоне 2006 года и два года в музее Volkswagen Autostadt (Германия). Стэнфордская гоночная команда представила новый автомобиль, модифицированный универсал Volkswagen Touareg , получивший название «Junior», в соревновании DARPA Urban Challenge 2007 года . [4] Среди других ключевых участников команды — Майкл Монтемерло (руководитель программного обеспечения), Свен Стробанд (ведущий инженер по аппаратному обеспечению), Дэвид Ставенс (робототехник/инженер), Хендрик Далкамп (руководитель отдела компьютерного зрения), Седрик Дюпон (руководитель по транспортным средствам) и Памела. Махони (ведущий специалист по связям с общественностью). [5]
.jpg/1280px-Pimp_my_ride_(12396787).jpg)
Автомобиль начинался как стандартная европейская дизельная модель Volkswagen Touareg , предоставленная ERL Volkswagen для соревнований. Стэнфордская гоночная команда выбрала Touareg из-за его системы управления « по проводам », которую можно было адаптировать (и это было сделано ERL) для управления непосредственно с бортового компьютера без использования приводов или серводвигателей; однако рулевое колесо приводилось в движение электродвигателем, а переключение передач осуществлялось с помощью гидравлического поршня). [6]
Для навигации автомобиль был оснащен пятью установленными на крыше блоками Sick AG LIDAR для построения трехмерной карты окружающей среды, дополняя тем самым систему определения местоположения GPS . Внутренняя система наведения, использующая гироскопы и акселерометры, контролировала ориентацию автомобиля, а также дополняла данные GPS и других датчиков. Дополнительные данные наведения предоставлялись видеокамерой, которая использовалась для наблюдения за условиями движения на расстоянии до восьмидесяти метров (за пределами дальности действия лидара) и для обеспечения достаточного места для ускорения. Стэнли также установил датчики в колесной арке, чтобы регистрировать рисунок, отпечатанный на шине, и действовать как одометр в случае потери сигнала (например, при движении по туннелю). Используя данные этого датчика, бортовой компьютер может экстраполировать, какое расстояние он проехал с момента потери сигнала. [7]
Для обработки данных датчиков и принятия решений автомобиль был оснащен шестью маломощными компьютерами на базе процессора Intel Pentium M с тактовой частотой 1,6 ГГц в багажнике, работающими под управлением различных версий операционной системы Linux .
Инженерная школа разработала 100 000 строк программного обеспечения для интерпретации данных датчиков и принятия навигационных решений. Используя то, что «Популярная механика » описала как «общую иерархию роботов», в транспортном средстве используются «модули низкого уровня, передающие необработанные данные от лидара, камеры, наборов GPS и инерциальных датчиков в программное обеспечение [для управления] скоростью, направлением и принятием решений. [6]
В автомобиле использовался подход к обнаружению препятствий, основанный на машинном обучении . Данные лидаров были объединены с изображениями системы технического зрения для выполнения дальнего прогнозирования. Если дорогу, по которой можно двигаться, не удавалось обнаружить на расстоянии как минимум 40 метров перед автомобилем, скорость снижалась и лидары использовались для определения безопасного прохода.
Чтобы исправить распространенные ошибки, допущенные автомобилем на ранних этапах его разработки, Стэнфордская гоночная команда создала журнал «человеческих реакций и решений» и ввела данные в алгоритм обучения, связанный с органами управления автомобилем; это действие послужило уменьшению ошибок. Компьютерный журнал действий людей за рулем также сделал автомобиль более точным в обнаружении теней — проблема, которая стала причиной многих сбоев транспортных средств в конкурсе DARPA Grand Challenge 2004 года . [6]
