HAG – Bezbjednost je ključna u razvoju samovozećih vozila. Zato Torc Robotics, podružnica Daimler Trucks-a i lider u aplikacijama za automatizovanu vožnju, radi sa TNO na naprednom načinu testiranja i validacije bezbednosti autonomnih vozila.
Koristeći TNO-ovu StreetVise metodologiju, automatizovane funkcije vožnje (ADF) su opsežno testirane na osnovu velikog broja realnih saobraćajnih situacija. Inovacija koja samovozeću budućnost približava korak bliže.
Sa StreetVise-om, TNO je razvio metodologiju za testiranje i validaciju složenih sistema automatizacije i pomoći vozaču. Veliki broj saobraćajnih scenarija i test slučajeva je izvučen iz podataka o vozilima iz „stvarnog sveta“ koji su pogodni kao podaci za simulaciju scenarija. Torc Robotics koristi Streetvise da pripremi samovozeće kamione za sve moguće saobraćajne situacije koje se mogu dogoditi između dva čvorišta.
Podaci o vožnji kamiona se analiziraju i kategorišu u scenarije koristeći StreetVise. Ovo omogućava Torc-u da prikupi veliki broj relevantnih scenarija za opsežno virtuelno testiranje autonomne tehnologije u skladu sa najnovijim međunarodnim bezbednosnim smernicama i protokolima.
Pioniri u automatizovanoj vožnji
Američki Torc Robotics iz Bleksburga u Virdžiniji jedan je od pionira u svetu automatizovane vožnje. Nezavisna podružnica Daimler Trucks-a specijalizovana je za softver za samovozeća vozila i trenutno je fokusirana na komercijalizaciju autonomnih kamiona na duge relacije u SAD.
Aksel Gern, viši potpredsednik inženjeringa i generalni direktor Torc Europe: „Imamo 17 godina iskustva u bezbednosnim sistemima za samovozeća vozila, a naša tehnologija je dizajnirana sa bezbednošću na umu. Trudimo se da oponašamo ponašanje u vožnji najbezbednijih i najiskusnijih vozača. Koristimo TNO-ovu StreetVise metodologiju kao osnovu za našu validaciju bezbednosti. Takođe delimo iste stavove o bezbednosti na putevima. Zato TNO razume naše potrebe i podržavaju nas u primeni i proširenju ove metodologije.”
Kolektivni saobraćajni scenariji
Za testiranje bezbednosti, industrija koristi saobraćajne situacije koje se snimaju u parametrizovanom modelu, kao što je definisano na primer u „Pegazus projektu“. Jezgro StreetVise metodologije sastoji se od baze podataka u kojoj se čuvaju sve ove saobraćajne situacije. Scenariji su zasnovani na stvarnim podacima o vožnji iz različitih voznih parkova. Oni predstavljaju vredan ulaz za softver za pametnu simulaciju pomoću kojeg možete izračunati preostale rizike autonomne vožnje.
Metodologija TNO-a takođe omogućava više partnera da zajedno izgrade kolektivnu bazu podataka scenarija, bez potrebe za razmjenom osjetljivih podataka. To štedi vreme i troškove. Umesto pokretanja skupih programa za testiranje ili prikupljanja podataka u svakom regionu, oni mogu mnogo brže da se skaliraju u kompletnu bazu podataka scenarija za različite gradove, zemlje i kontinente.
