Stel je dit voor:een vrachtauto rijdt over de snelweg. Door de afmetingen van de vrachtwagen heeft de chauffeur beter zicht dan andere voertuigen op de weg, maar ze kunnen niet alles zien. Een compacte auto rijdt de inhaalstrook in en komt in de dode hoek van de vrachtwagen terecht. Voor de vrachtwagen remt een minibusje om te voorkomen dat hij het voertuig ervoor raakt. De chauffeur van de vrachtwagen moet deze gevaren zien, beslissen hoe te reageren en onmiddellijk manoeuvreren om meerdere ongevallen te voorkomen en de vrachtwagen rechtop te houden.
Dit scenario zou menselijke bestuurders verwarren met miljoenen kilometers rijervaring. Rijomstandigheden kunnen in een oogwenk veranderen, maar op de weg is er geen ruimte voor fouten. Een vertraagde reactie kan het verschil zijn tussen leven en dood.
Hoe ziet, denkt en handelt Torc's zelfrijdende vrachtwagensysteem in deze situaties?
Het Perception-team van Torc is essentieel voor onze missie van veilig rijden. Het team bestaat uit deskundige ingenieurs, elk met hun eigen specialiteit, die tientallen jaren ervaring hebben met het ontwikkelen van zelfrijdende technologieën en een passie voor robotica. De hardwaresuite voor onze vrachtwagens omvat verschillende sensoren, zoals RADAR, LiDAR voor korte en lange afstanden en camera's. Het Perception-team creëert algoritmen die onbewerkte sensorinformatie vertalen om ervoor te zorgen dat onze voertuigen hun omgeving nauwkeurig kunnen visualiseren, lokaliseren en adequaat kunnen reageren op hun omgeving.
Ons zelfrijdende systeem zet onbewerkte sensorgegevens in realtime om in representaties van de echte wereld terwijl het over de snelweg rijdt. Het Perception-team creëert de paden om die gegevens om te zetten in bruikbare informatie.
Als onderdeel van Perception maken de teams voor mapping en lokalisatie Torc's zeer gedetailleerde HD-kaarten die, samen met GPS en andere systemen, onze voertuigen in staat stellen hun routes te navigeren.
Active Sensing en Information Fusion-teams creëren algoritmen die sensorgegevens combineren om te detecteren en identificeer objecten voor Torc's autonome rijsysteem. We gebruiken ook machine learning om deze gegevens te analyseren om objecten in meer detail te classificeren. Machine learning kan bijvoorbeeld verschillende gekleurde verkeerslichten identificeren of het verschil bepalen tussen een voetganger en een lichtpaal.
Met hun expertise en tools geeft Perception een ongeëvenaarde visie op het zelfrijdende systeem van Torc. Andere software-engineeringteams bij Torc gebruiken deze informatie vervolgens om gedrag voor het systeem te ontwikkelen.
Sinds de oprichting meer dan 15 jaar geleden heeft Torc met succes zelfrijdende technologie ontwikkeld en geïmplementeerd in een breed scala van industrieën. Het Perception-team heeft ruime ervaring met het zichtbaar maken van onze zelfrijdende oplossingen voor grote, zware voertuigen in de defensie- en mijnbouwindustrie die betrouwbaar, nauwkeurig en in staat moeten zijn om onder verschillende omstandigheden te werken. Dit maakt Torc uniek gepositioneerd om de vele uitdagingen van het automatiseren van vrachtwagens aan te gaan. Vrachtwagens en het rijden met vrachtwagens zijn, door hun aard, radicaal anders dan die van personenauto's, en ons Perception-team werkt aan het oplossen van de specifieke uitdagingen die gepaard gaan met het ontwikkelen van perceptie voor vrachtwagens.
Het langeafstandsvrachtvervoer is goed voor 69% van alle vrachtactiviteiten in de VS. Torc heeft ervoor gekozen om zich te concentreren op deze omgeving voor zelfrijdende vrachtwagens vanwege de verminderde complexiteit. Snelwegen bieden een goed onderhouden omgeving met meer voorspelbare scenario's dan stedelijke of landelijke wegen. Met name door te coderen voor zelfrijdend rijden op snelwegen kunnen onze technici zich concentreren op specifieke problemen. Snelwegborden en rijstrookmarkeringen zijn ook regelmatig en consistent, waardoor camera's en sensoren ze gemakkelijker kunnen herkennen en interpreteren. Veel landelijke wegen daarentegen hebben dergelijke lijnen of borden niet. De soorten objecten die moeten worden geïdentificeerd en de bijbehorende manoeuvres die een vrachtwagen moet uitvoeren op een snelweg, worden aanzienlijk verminderd. Rijden op snelwegen omvat uitdagende scenario's zoals invoegen en passeren op snelwegen met meerdere rijstroken. Dit is de reden waarom we nog steeds rigoureuze tests uitvoeren in simulatie en gesloten cursussen - en waarom high-fidelity-waarneming zo belangrijk is bij snelheden op de snelweg.
Onze zelfrijdende vrachtwagens maken hun reis met behulp van een combinatie van Torc's eigen HD-kaarten, GPS en software voor het schatten van de staat om hun routes te navigeren. GPS die in de hardware van de vrachtwagen is geïnstalleerd, helpt bij de navigatie, maar hoewel GPS algemene richtlijnen op snelwegen kan bieden, kunnen de betrouwbaarheid en precisie variëren. Op zichzelf gebruikt, kan GPS u naar een meer leiden in plaats van uw beoogde oprit. Er zijn ook nog steeds grote delen van het land die in GPS-verslechterde of geweigerde gebieden liggen. Autonoom rijden vraagt om een oplossing die precisie biedt. Ons kaart- en lokalisatieteam kan routes nauwkeurig in kaart brengen en onderhouden met onze eigen voertuigen met behulp van sensoren, software en andere lokalisatiegegevens.
Vrachtwagens zijn groter dan en niet zo wendbaar als personenauto's. Deze verschillen vertalen zich in een langzamere acceleratie en een grotere remweg dan hun vierwielige tegenhangers. Vrachtwagens wegen gemiddeld ongeveer 35.000 pond en hebben meer dan twee keer de lengte van een personenauto nodig om volledig tot stilstand te komen. Deze remafstand kan verdubbelen wanneer een vrachtwagen een maximale belasting van 80.000 pond vervoert. Hierdoor is de handling van vrachtwagens beperkt en vereist manoeuvreren meer oppervlakte dan personenauto's. Het rijgedrag van vrachtwagens moet op deze feiten worden afgestemd. Onze technici houden bij het afstemmen van het systeem rekening met deze verschillen om de truck te helpen bepalen hoeveel afstand nodig is om andere voertuigen veilig te volgen of hoeveel ruimte nodig is om te voorkomen dat de truck in een bocht gaat scharen.
Vanwege hun grootte en de extra lengte van hun trailers zijn vrachtwagens van nature zelfafsluitend. Grote porties aan alle vier de zijden van de vrachtwagen zijn dode hoeken voor de chauffeur. Passagiersvoertuigen die op deze plekken rijden zijn moeilijk, zo niet onmogelijk, te zien. Onze ingenieurs gaan enkele van de unieke uitdagingen aan die vrachtwagens bieden door een robuuste sensorsuite toe te voegen die het zicht rond de vrachtwagen verbetert. Langeafstands-LiDAR's bieden bijvoorbeeld objectdetectie verderop op de weg om tegemoet te komen aan de behoefte van vrachtwagens aan een grotere remafstand. Sensoren die dekking bieden in de dode hoeken van de vrachtwagen kunnen helpen bij complexe scenario's, zoals het invoegen in meerdere rijstroken van snel rijdend verkeer. Terwijl we doorgaan met het aanpakken van de unieke uitdagingen van het automatiseren van grote semi-vrachtwagens, brengt elke verbetering ons een stap dichter bij ons doel:een robuust autonoom rijsysteem dat de verkeersveiligheid en de vrachtefficiëntie verhoogt.
Nu u enkele van de uitdagingen kent die ons Perception-team met vrachtwagens aangaat, vraagt u zich misschien af:"Wat maakt een ideaal Perception-teamlid?" Onze teamleden zijn een nieuwsgierig collectief van probleemoplossers die niet bang zijn om vragen te stellen. De overtuiging dat zelfrijdende technologie levens kan helpen redden, voedt hun streven naar innovatie. Ze benaderen problemen met betrekking tot perceptie met een beginnersmentaliteit en maken oplossingen met behulp van hun uitgebreide expertise. Ze staan ook open voor voortdurende verbetering en vinden voldoening in het werken als een team om de moeilijke problemen waarmee Perception wordt geconfronteerd te overwinnen. Meer informatie over Torc-software-engineers.
Als je het leuk vond om te lezen hoe ons Perception-team uitdagingen op het gebied van vrachtwagenvervoer overwint en een lonende carrière wilt met kansen om te leren, te innoveren en bij te dragen aan een wereldveranderende missie, dan horen we graag van je. Geïnteresseerd in het helpen ontwikkelen van de toekomst van autonoom vrachtvervoer?
25 januari 2022 
