{"id":9185,"title":"\u0427\u0435\u0440\u043d\u0438\u043b\u0430 \u0438\u0437 \u0432\u044b\u0445\u043b\u043e\u043f\u043d\u044b\u0445 \u0433\u0430\u0437\u043e\u0432: \u043c\u0438\u0444 \u0438\u043b\u0438 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c?","url":"\/redirect?component=advertising&id=9185&url=https:\/\/vc.ru\/promo\/316632-odezhda-kotoraya-rastet-vmeste-s-rebenkom-biotoplivo-i-bizhuteriya-iz-chaynogo-griba&placeBit=1&hash=a88533bf78285d41072084482619c82803fd6598d1bcc2e142642ff721574ad7","isPaidAndBannersEnabled":false}
Транспорт
Yandex.Cloud

Driverless по-студенчески: как команда из Бауманки разрабатывает беспилотный гоночный болид

Рассказываем, как студенческая команда МГТУ им. Н.Э. Баумана одной из первых в России проектирует беспилотный гоночный электроболид для международных соревнований, а нейросети и облачные технологии помогают на поворотах.

Фото из архива Bauman Racing Team

Как организованы driverless-гонки

Formula Student — это международные студенческие инженерные соревнования, для участия в которых необходимо за один год спроектировать и построить болид. Ежегодно в них принимает участие около 1000 команд со всего мира. Кстати, в Германии, где проводится состязание, практически у каждого немецкого вуза, связанного с автомобильной промышленностью, есть своя команда. По результатам Formula Student талантливый студент может попасть в автомобильную индустрию.

Гонки автомобилей класса FSD (Formula Student Driverless) были заявлены как отдельное направление лишь в 2016 году. В отличие от того же сезона Roborace (первых в мире гонок с участием беспилотных гоночных болидов), в Formula Student беспилотные автомобили не соревнуются друг с другом непосредственно на трассе, а оцениваются отдельно по скорости, маневренности и эффективности.

Соревнование делится на статические и динамические дисциплины. В статических испытаниях оценивается проектирование автомобиля, его стоимость, бизнес-план. После них обязательно проходит техническая инспекция. Среди динамических испытаний самое зрелищное – Track Drive.

Гоночные автомобили двигаются по трассе поодиночке и преодолевают 10 кругов длинной в 5 км с максимальной скоростью, без помощи пилотов и без дистанционного управления. Победителем становится тот участник, который набрал наибольшую сумму баллов по всем дисциплинам.

Фото из архива Bauman Racing Team

Одни из первых в России

Команда Bauman Racing Team существует с 2012 года. Студенты регулярно занимаются постройкой автомобилей для участия в Formula Student. За всё время существования команды были построены семь гоночных автомобилей (BRT1 - BRT7), которые состязались в классе FSC (Formula Student Combustion). Все болиды принимали участие в международных соревнованиях в Германии, Австрии, Чехии, Венгрии, Италии, Испании и России. При этом команда дважды становилась победителем российского этапа и призером гонки в Андорре.

Фото из архива Bauman Racing Team

Перейдя в класс соревнований FSD, студенты работают над беспилотным гоночным болидом с электрической силовой установкой и системой управления, обеспечивающей автономное передвижение по гоночной трассе. Кстати, команда станет если не первой, разрабатывающей подобный автомобиль в России (информации о завершении аналогичного проекта в нашей стране мы не нашли, но утверждать не будем), то точно одной из первых.

Что помогло создать алгоритм

Сверточные нейронные сети

В систему автономного вождения заложен алгоритм, который позволяет распознавать объекты на трассе (например, конусы) в реальном времени, за счет чего автомобиль движется в правильном направлении. Для распознавания студенты Bauman Racing Team использовали сверточные нейронные сети, которые лучше всего справляются с этой задачей.

Видео с детекцией конусов

Основа работы этих сетей – многократный прогон так называемой «матрицы весов» по всему обрабатываемому изображению. Нейросеть создает целую гамму матриц, каждая из которых кодирует отдельные элементы изображения (например, линии и дуги, расположенные под разными углами). Проход матрицы по слою формирует новое, чуть менее детальное изображение – карту признаков. Все эти карты признаков формируют новый слой. К нему снова применяется тот же механизм прогона матриц весов. С каждым повторением появляется всё больше карт, их детализация падает, а признаки становятся всё более явными. Повторяя этот процесс, нейросеть отфильтровывает маловажные детали и выделяет существенные элементы изображения.

Архитектура YOLO

Вычислительные ресурсы на борту болида ограничены, поэтому очень важно было выбрать архитектуру, лучше всего подходящую с точки зрения быстродействия и качества детекции. Участники команды остановились на архитектуре YOLO. Эта архитектура позволяет различать объекты за один прогон, поэтому она на несколько порядков быстрее по сравнению с другими алгоритмами обнаружения. Студенты протестировали наиболее широкий класс сетей YOLOv5, в котором архитектуры значительно отличаются друг от друга по количеству используемых параметров распознавания.

Виртуальные машины в Облаке

Для быстрого обучения нейросети нужно обрабатывать большие объёмы данных при бесперебойной работе железа, поэтому потребовалось быстро увеличить вычислительные мощности. При этом покупать и обслуживать собственное оборудование дорого и трудозатратно, кроме того нужно постоянно тратить время на обслуживание инфраструктуры. Оптимальным вариантом стало использование облачных технологий.

Для тестирования набора нейросетей команда выбрала сервис облачных вычислений — Compute Cloud облачной платформы Yandex.Cloud. С помощью подробных инструкций от архитекторов Облака команде Bauman Racing Team удалось развернуть виртуальную машину с необходимыми GPU (графическими процессорами) всего за полчаса.

Как обучали нейросети

Нужно было обучить 4 различных сети архитектуры YOLOv5 (s, m, l, x) и выгрузить результаты в виде графиков, отчетов о работе, весах нейросетей. Для решения этой задачи в Compute Cloud было создано несколько виртуальных машин с высокопроизводительными графическими процессорами NVIDIA Tesla V100, внутри которых были развернуты docker-контейнеры с различными архитектурами нейронной сети. Эта конфигурация позволила проводить быстрые вычисления, сократить время тестирования и ускорить разработку.

Каждая из нейросетей обучалась на исходном наборе данных из двадцати тысяч изображений. Всего потребовалось 66 часов: обучение YOLOv5 s заняло 5,23 часа, YOLOv5 m – 9,3 часа, YOLOv5 l – 15 часов, а YOLOv5 x – 36 часов.

По результатам тестирования нейросетей удалось сузить круг подходящих архитектур до двух с наименьшим числом параметров — YOLOv5s и YOLOv5m. Выяснилось, что качество детекции на тестовой выборке для всех четырех сетей в условиях поставленной задачи отличается слабо. В итоге команда в сжатые сроки и без посторонней помощи получила точные и эффективные инструменты для решения задач в области распознавания объектов на трассе.

Что дальше

Команда Bauman Racing Team заканчивает проектировать автомобиль и отлаживать алгоритмы в симуляторе. Кстати, студенты планируют увеличивать датасет для обучения нейросети в Yandex.Cloud и использовать облачную платформу в других областях, например, для решения задачи семантический сегментации. Сейчас команда только начинает собирать свой болид, а закончить планирует к лету – разгару сезона Formula Student, когда должны пройти этапы в Чехии, Венгрии и Германии.

Подписывайтесь на блог Yandex.Cloud, чтобы узнавать еще больше новостей и историй об IT и бизнесе.

Другие истории, которые активно читают наши подписчики:

(function(w, d, id) { var h = 5000; var a = d.querySelector('#volvo-head'); var b = d.querySelector('[data-content-id="'+id+'"]'); var i = []; if (a && b) { a.style.display = 'block'; startSlideShow(); } var c = 0; var id = 0; function startSlideShow() { i = [].slice.call(a.querySelectorAll('.volvo-head__text span')); nextSlide(); }; function changeSlide() { var p = c; c += 1; if (c >= i.length) { c = 0; } if (i[p]) { i[p].classList.remove('volvo-head__active'); } if (i[c]) { i[c].classList.add('volvo-head__active'); } }; function nextSlide() { id = setTimeout(function() { var a = d.querySelector('#volvo-head'); if (a) { changeSlide(); nextSlide(); } }, h); }; }(window, document, 137185));
0
16 комментариев
Популярные
По порядку
Написать комментарий...

Кайф! Молодцы большие 😊

4

Интересно, а характеристики автомобиля учитываются при обучении сети? Если например "пересадить" сеть в другой болид, у которого тормозной путь со 100км\ч короче, то придется переобучать? Или тут иначе работает?

2

Нейронные сети мы используем для анализа изображений, поступающих с камеры, и их работа не зависит от физической модели явно. Универсальность нейронной сети обусловлена большим датасетом. В нашем датасете присутствуют конусы, расположенные на различном расстояние от камеры. Присутствуют изображения с различных камер, при различных скоростях болида и в разных доменах.

3

Я правильно понимаю, что если нейросеть занимается исключительно распознаванием конусов, то дальнейшее управление будет выполнять уже прозрачный алгоритм, как у ботов в NFS? Если так, то конечно все его дальнейшее поведение можно будет гибко корректировать исходя из конфигурации болида с коррекциями износа покрышек и прочими погодными условиями.

1

Так и есть, описанная нейронная сеть занимается только распознаванием конусов. За управление автомобилем отвечает часть алгоритмов, составляющих MPC, в основе которого лежит математическая модель автомобиля в координатах пространства состояния (state space), учитывающая динамику движения автомобиля. И, да, наверное, подобные модели используются в движках компьютерных игр по типу NFS

1

Слишком много красивых девушек. Будут мешать работать.

0

Так наоборот же

4

Не понял
Если работать мешают, то девушек слишком много?

Слишком много красивых парней мешают девушкам работать?

Мало некрасивых парней помогают работать?

0

Не знаю как вам, а мне кажется, что женщины в инженерии и IT  нужны. Не все и не каждая, конечно. С одной стороны, в плане квалификации инженера женщина может всё то же самое, что и мужчина. С другой - даже не будучи инженером можно быть полезным участником процесса, дополняя те качества команды, к которым инженеры не склонны:) В IT женщин за годы уже перестали бояться и игнорировать, почему бы не отбросить предрассудки и в других областях?:) А риски "испортить" проект из-за проблем личных взаимоотношений есть всегда, независимо от пола участников..

0

Конечно нужны, красивые

0

Большие молодцы!

2

Супер, так держать ребята 👍👍👍

1

Звучит солидно!

1

Класс! А есть командный блог? Или только здесь, на Яндексе?

1

Как круто! Пять баллов!!!

0

В ребят не верю, но идея беспилотных, автономных болидов мне нравится.
Соревнования роботов без искуственных ограничений, которые вводятся ради пилотов.
Демонстрация наработок авто и автоматики.

–2
Читать все 16 комментариев
Российские пивовары назвали нереалистичными сроки введения маркировки и предупредили о риске коллапса на рынке Статьи редакции

Минпромторг предложил ввести обязательную маркировку пива с 1 сентября 2022 года.

Дайджест новостей Сбера: сайт Digital Пётр, сценарии для умного дома и платина от Forbes

Прошлый дайджест мы целиком посвятили 180-летию Сбера, поэтому новостей накопилось много. Среди них — запуск сайта по распознаванию рукописей Петра I, большое обновление на платформе умного дома Sber и другие. Рассказываем всё самое интересное.

Картинка, сгенерированная ruDALL-E по запросу «рыжий котик»
«Вещи должны быть не только функциональными, но и красивыми»: как устроена ландшафтная архитектура Карла Сёренсена

Он дал детям площадку, которую они могли оборудовать так, как хотели, и создал овальные и геометрические сады.

Овальные садовые участки в Неруме Metropolis
Откуда берут взрослые деревья для парков и улиц

А также сколько они стоят и почему выращивать их — неплохой бизнес.

Автор огромного дополнения к игре Red Alert 2 завершил работу над проектом
Сайты в 2021 году
Маленький стартап против гигантов: Kytch может починить ломающиеся машины для мороженого McDonald's — сети это не нужно Статьи редакции

Джереми О’Салливан и Мелисса Нельсон придумали устройство, которое предотвращает поломку автоматов для мороженого — проблемы с ними есть в 10% ресторанов McDonald’s. Несмотря на убытки франчайзи, сеть его запретила и почти уничтожила Kytch.

Wired
SkillFactory раздает подарки: повышенная ставка и новогодний марафон для вебмастеров

В преддверии Нового года мы решили порадовать своих настоящих и будущих партнеров — участников партнерской программы школ Skillfactory, Contented и Product LIVE. Это возможность получить денежный бонус и заодно увеличить прибыль от продажи наших курсов.

И сотрудников тоже касается: кибербуллинг на рабочем месте
Design vector created by pikisuperstar - www.freepik.com
Сберлогистика и потерявшаяся посылка

Добрый вечер, господа и господессы. Хочу поделиться своей историей случайной (и, вероятно, последней) связи со Сберлогистикой.

null