Contents
Projecte de Tecnologies Digitals Avançades
El finançament ha estat a càrrec del Programa de tecnologies digitals avançades (TDA), que a l’any 2020 va adjudicar l’execució al CVC de La Universitat Autònoma de Barcelona i a I2Cat, amb un pressupost total de 2,0 M€.
La característica d’aquest Programa és que son projectes de model de doble ús, és a dir que a banda d’aplicar-se directament per les administracions, també es transfereixen a la indústria amb la qual cosa es creen productes de valor afegit, lloc de treball de qualitat i rendiment econòmic.
En aquest cas ha estat una continuació a les necessitats ja detectades pel projecte Last Mille, ”Mobilitat sostenible a l'última milla a les regions turístiques”. A Last Mille es volia atendre les necessitats del Parc natural de l’Alt Pirineu, per tal d’evitar la invasió dels vehicles 4x4 dins del Parc Natural osa que suposa un deteriorament de la vegetació pròxima a la pista com a conseqüència dels 1.000 vehicles de visitants que hi accedeixen a diari en èpoques d’estiu. Per tant es vol donar solució a un problema que afecta molt negativament el benestar de la flora i la fauna local, i que va en contra de les directrius en la lluita contra el canvi climàtic.
El repte consisteix a “adaptar la carretera” a un sistema intel·ligent de guiat i disposar d’un vehicle autònom de transport fins a l’entrada del Parc Natural de l’Alt Pirineu. Es tracta d’adaptar una via existent i el seu entorn immediat a una tecnologia compatible amb un vehicle autònom.
Èmfasis de valor a tenir en compte:
- Originalitat a nivell europeu. Zona pilot de conducció autònoma en condicions extremes: climàtiques, fenològiques, característiques de la via, absència de connexió etc. És una prova ‘offline’ que genera unes condicions de seguretat basades en la sensorització de la carretera i del vehicle i la intel·ligència artificial. Podríem imaginar que es pretén implementar una mena de ‘mini-tren-ferrocarril’ de baix cost.
- Solució innovadora de transport públic en el món rural. És impossible garantir serveis recurrents en una estructura capil·lar i dispersa com són els àmbits no metropolitans. Aquesta solució aporta les bases per desenvolupar serveis freqüents en trajectes curts.
- Gestió de l’accés als parcs naturals. La freqüentació humana és un dels factors que cal conèixer i regular per tal de mantenir en bon estat els ecosistemes de més valor de patrimoni natural. Moltes espècies protegides en són sensibles. La prova pilot que presentem, atès que pot arribar a substituir l’accés amb vehicle privat, és una bona solució per regular l’accés de visites al Parc de l’Alt Pirineu minimitzant aquest impacte.
- Component socioeconòmica i d’innovació. Atès que aquesta prova tecnològica de conducció autònoma i intel·ligència artificial i futures que en puguin venir, són activitats de prestigi i que doten de creativitat pionera la comarca del Pallars Sobirà, si a aquest primer pas se li dona continuïtat, en certa manera podria convertir-se en un Futur laboratori d’innovació tecnològica per aplicacions de tecnologies avançades en les zones de muntanya.
Innovació
El projecte és un projecte pioner ja que és un dels pocs projectes de conducció autònoma destinat a carreteres rurals, molt diferent a la majoria dels projectes actuals, destinats a ciutats o autopistes i que es basen en tecnologia de comunicacions 5G, amb bona cobertura i que requereixen la transmissió d’un nombre elevat de dades des del núvol d’internet.
En aquest sentit, per tant, és el primer projecte a nivell europeu d’una conducció autònoma basada en la visió artificial i la interacció entre la carretera i el vehicle (V2I), amb condicions de contorn extremes (canvis de clima, inexistència de marques vials, estat del ferm,....)
La previsió inicial era el tram de la carretera C-147 que va des del poble d’Alós d’Isil fins al refugi del Fornet (4,4 Km).
La seguretat
Del traçat original i com ha conseqüència d’haver d’instal·lar tanques de seguretat a banda i banda de la carretera, i que aquestes fossin de les característiques que requereix un entorn de Parc Natural es va haver de reduir la prova a un traçat d’aproximadament 1 km.
En aquest tipus de conducció las mesures de seguretat són màximes i redundants. Així per exemple, els conductors de seguretat han passat dos cursos especialitzats: de conducció en condicions adverses i de reacció davant de maniobres incorrectes del vehicle autònom. A banda, la via ha de ser segura, cosa que vol dir, tallada al tràfic normal.
Aquests condicionants junt amb les característiques de la carretera que uneix Alòs i el Fornet van determinar que per garantir totes les possibles proves a fer calia assegurar-se amb una tanca lateral. Aquest element era del tot necessari per les proves de camps inicials, ja que quan es tenen els models finalistes s’han corregit molts dels factors que poden fer trontollar el guiatge autònom.
Tanmateix, les proves sense tanques requereixen una concentració, per part del conductor de seguretat, molt elevada i no sostenible en el temps.
A tal efecte, el Departament va atorgar una subvenció de 100.000 € a l’Entitat Municipal Descentralitzada d’Alòs d’Isil per col·locar la barrera a l’últim tram. S’ha considerat que aquesta distància ja era suficient per avaluar el projecte pilot, atès que s’ha escollit el tros que presenta més dificultat de traçat.
El vehicle de proves fa 2 m d’amplada, a una carretera que té punts de 2,7 m, deixant un marge de 35 cm per costat. En el cas més general hi ha 50cm de marge per costat, per tant s’ha buscat unes condicions extremes, que d’altra banda són comuns a zones rurals.
El vehicle de proves fa 2 m d'amplada, a una carretera que en certes zones del traçat té 2,7 m, deixant un marge de 35 cm per costat. A les zones on s'han posat tanques l'amplada és una mica major, tot i que no gaire, ja que, en escollir aquesta zona, s'han buscat unes condicions poc favorables, que d'altra banda són comunes a zones rurals.
El sistema ha donat resposta positiva a la conducció autònoma a zones estretes sense tanques; ara bé, s'ha fet en poques ocasions a l'inici de l'entranament a la zona. El motiu és que cal un elevat grau de concentració del pilot de seguretat, per poder recobrar el control si calgués. Aquesta situació queda superada amb els models ja pràcticament definitius de que se'n disposa al final del projecte. Tot i així, la implantació d’un servei basat en conducció autònoma implica posar tanques per tal de maximitzar la seguretat dels usuaris.
El vehicle
El vehicle de proves és un vehicle que pertany a un dels fabricants d’automoció més importants d’Europa i que ha volgut participar en aquest projecte cedint-nos un vehicle experimental de la seva empresa sense cost per a aquest projecte. Una cessió sense la qual, tenint en compte el temps i diners que requereix l’adquisició d’un vehicle sensoritzat i robotitzat, el projecte no s’hagués pogut dur a terme en el temps acordat.
Projectes similars:
CITIES Timanfaya: Projecte d’autobusos autònoms i elèctrics per a la Ruta dels Volcans de les Muntanyes del Foc al Parc de Timanfaya a Lanzarote. Tecnologia de conducció autònoma basada en xarxa de comunicacions 5G que ha obligat a dotar de cobertura amb aquesta tecnologia a tot el recorregut.
AUTOMOTS Màlaga: Tot i que té capacitats autònomes, l'autobús no sempre està en mode autònom. El trajecte consta de tres parts: una part autònoma que va des de la Farola fins a la Terminal de Creuers (anada i tornada) amb tecnologia 5G, una part semiautònoma (al Passeig dels Cures el conductor porta el volant i el sistema els pedals) i una part manual (el Passeig del Parc).
Guiatge
Des d’un punt de vista tècnic, l’única restricció ha estat assumir l’absència de cobertura de telefonia mòbil. Per tant, la intel·ligència artificial (IA) a desenvolupar havia de conduir a partir dels sensors del vehicle.
Les tres tasques principals d’aquesta IA han estat:
- traduir la informació dels sensors en punts de traçada (waypoints),
- aconseguir que el vehicle executi la traçada establerta per aquest punts d’una manera confortable pels ocupants del vehicle i
- detectar vianants i d’altres vehicles a la carretera per executar un comportament stop&go que sigui respectuós, sense forçar als vianants/vehicles a anar més ràpid i mantenint una distancia de seguretat adequada amb ells quan el vehicle autònom es mou.
S’ha de tenir en compte que parlem de carreteres molt estretes, amb asfalt canviant degut a l’acció de la naturalesa i els animals en semi llibertat (cavalls, vaques, ovelles).
Traduir la informació dels sensors en punts de traçada (waypoints)
S’han explorat tres solucions:
- (1) Una solució es basa en comunicació vehicle-infraestructura, basada en un sistema RTK, es adir, en un mètode de posicionament global precís que no requereix telefonia mòbil. Amb una antena RTK instal·lada al Refugi del Fornet i quatre repetidors (son aparells petits, de la mida d’una ma), es va cobrir tot el tram de proves. El vehicle disposa d’un receptor RTK.
- (2-3) Les altres dues soluciones es basen en sensors que el vehicle té per percebre el seu entorn. El repte de la IA està en interpretar el contingut de les dades sensorials en cru.
Encara que el vehicle utilitzat té molts tipus de sensors, per a quest projecte, només s’ha utilitzat una càmera frontal que té un camp de vista horitzontal de 120º i el sistema de radar que ofereix redundància.
Aquestes són dues imatges en dos moments diferents del trajecte autònom. A aquest vídeo ( File:Conduccio autonoma pilot.mp4 ) teniu tot la seqüencia.
Les dues solucions processen les imatges de la càmera per determinar on està situada la carretera i la distancia des de el vehicle a tots els seus punts. Això es fa mitjançant xarxes neuronals artificials. Una s’encarrega de segmentar la carretera i una altra de calcular les esmentades distancies a partir d’una sola imatge (no és un sistema estereoscòpic). Aquests dos tipus d’informació (semàntica i geomètrica) permeten generar una vista d’ocell d’allò que està davant el vehicle. A més a més, aquesta informació a vista d’ocell, basada en una sola càmera, es complementa amb punts de radar per robustesa.
Amb tota aquesta informació es calculen els punts de traçada. La diferencia entre les dues solucions basades en els sensors consisteix, precisament, en com es calculen aquests punts de traçada.
Una de les solucions (2) segueix una metodologia clàssica. A partir dels marges de la carretera, es calcula el seu eix central. Això es fa amb algoritmes robustos a errors esporàdics en la detecció d’aquests bordes. L’altra solució (3) consisteix a una xarxa neuronal artificial que aprèn a generar els punts de traçada a partir de l’esmentada informació geomètrica i semàntica. Aquesta xarxa aprèn per imitació. És a dir, s’entrena d’exemples basats en conducció humana. També es pot entrenar a partir d’exemples basats en conducció RTK.
Metodologia de desenvolupament
Aquestes tres metodologies s’han desenvolupat per separat per així conèixer millor les seves possibilitats, però, de fet, poden col·laborar per tenir un sistema més robust.
A mode de prova de concepte, s’ha implementat dues col·laboracions, (1)-(2) i (1)-(3), per tal de circular per l’àrea del pàrquing del Refugi del Fornet.
Com comentaven abans, una vegada generats els punts de traçada, els algoritmes de control aconsegueixen que el vehicle executi la traçada de forma suau, adaptant la seva velocitat segons la forma de la carretera. La velocitat màxima (assolible a les rectes) ha estat fixada a 20Km/h.
El sistema stop&go s’ha basat únicament en la càmera de 120º utilitzada per generar els punts de traçada. Bàsicament es fa servir la mateixa informació semàntica i geomètrica, complementada amb un procés de detecció d’obstacles, també basat en una xarxa neuronal artificial. Aquest sistema d’stop&go complementa a qualsevol dels tres mètodes de conducció desenvolupats.
CARLA: El simulador
Prèviament a les proves de camp, es fa ver la major part del treball al simulador de conducció autònoma CARLA (carla.org). Es va fer una versió del trajecte d’Alos al Refugi del Fornet i es va desplegar un vehicle similar (eGolf), amb una càmera semblant a la que hi hauria al vehicle real.
D’aquesta manera es van minimitzar les errades del conjunt de software com a tal, i es van escollir uns algoritmes i models davant d’uns altres per establir els components de la IA. Quan tot va funcionar en CARLA, es va desplegar al mon real per fer els ajustos per causa de factors que no es poden simular a CARLA.
Carla va ser guardonat amb el Premi Nacional de Recerca 2021 al Partenariat Publicoprivat en R+I, atorgat per la Generalitat de Catalunya.
En resum, els resultats d’aquest projecte donen peu a continuar treballant per assolir un servei públic de mobilitat, basat en conducció autònoma, per a entorns rurals de muntanya.
Autors
Redactat per: Marga Torre, Antonio López Peña, Toni Bedoya i Xavier Baulies.
Per saber-ne més: Marga Torre, Rubén Abad Prados, Antonio López Peña, Toni Bedoya, Eduard Falcó i Xavier Baulies.
