Das Virginia Tech Autonomous Car Team belegt den 3. Platz im GM-Wettbewerb

Nichts macht autonomes Fahren zu Nachrichten wie eine übertriebene Katastrophe, aber die wirklich wichtigen Entwicklungen bei selbstfahrenden Autos finden selten Beachtung. Ein Beweis für dieses Phänomen ist, dass fast niemand davon gehört hat AutoDrive-Herausforderung gefördert durch General Motors und das Gesellschaft der Automobilingenieure.

Inhalt

  • Teambildung
  • Der lange Weg nach Yuma
  • Die große Herausforderung
  • Die Straße entlang

Bei dieser Challenge handelt es sich um ein dreijähriges Programm, an dem Teams von Maschinenbaustudenten von acht verschiedenen Colleges in ganz Amerika teilnehmen. Jedes Jahr werden die Studenten mit der Entwicklung von Technologien beauftragt, um eine immer anspruchsvollere Reihe autonomer Leistungsziele zu erreichen 2017 Chevrolet Bolt (bereitgestellt von GM) als Entwicklungsplattform. Das Endziel des Wettbewerbs ist die erfolgreiche Bewältigung einer städtischen Fahrstrecke Stufe vier automatisierter Fahrmodus.

Die Teams haben kürzlich das erste Wettbewerbsjahr abgeschlossen. Sie reisten zum GM-Testgelände in Yuma, Arizona, um Präsentationen über ihr Verständnis davon zu halten

Grundlagen der Autonomie Fahren und demonstrieren, dass ihr Techniker das Auto auf einer geschlossenen Teststrecke fahren kann, wobei er Kenntnisse in der Objekterkennung und -vermeidung, der Kartierung und dem seitlichen Fahrspurmanagement unter Beweis stellt.

Verwandt

  • Wie ein großer blauer Transporter aus dem Jahr 1986 den Weg für selbstfahrende Autos ebnete
  • Von Paris bis NYC wird Mobileye selbstfahrende Autos in die Metropolen bringen
  • Beobachten Sie, wie das fahrerlose Auto von Cruise Automation eines der kniffligsten Manöver durchführt

Digital Trends hat sich kürzlich mit dem drittplatzierten Team, Victor Tango AutoDrive von Virginia Tech, zusammengesetzt. um herauszufinden, wie seine Mitglieder die Herausforderung angegangen sind und welche Hindernisse sie überwinden mussten gelingen. Während es in den meisten Phasen des Wettbewerbs den dritten Platz belegte, stach Victor Tango als einziges Team hervor, das die seitliche Fahrspurmanagement-Übung erfolgreich abschloss.

Virginia Tech

Teambildung

Bhavjot Michera ist Maschinenbaustudent an der Virginia Tech und Teammitglied von Victor Tango.

„Wir bekamen praktisch einen Chevy Bolt von General Motors und mit der Hilfe eines Absolventen Assistenten und unserem leitenden Fakultätsberater, Dr. Wakes, haben wir dieses Jahr mit diesem Projekt begonnen“, Sagte Michera.

Micheras Hauptaufgabe im Team ist die Hardware-Entwicklung, aber er war auch an der Teambildung beteiligt.

1 von 9

Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech

„Es lag in der Verantwortung unseres Teams, alle von uns verwendeten Komponenten sicher und effizient zu montieren“, sagte Michera gegenüber Digital Trends, „wie die Kameras, Lidar und Radar sowie die GPS-Systeme. Wir mussten sie gemäß den Spezifikationen montieren, die unsere anderen Unterteams verlangten. Die Kameras mussten in der Lage sein, den gesamten Blickwinkel abzudecken, genau wie unsere Radargeräte und Lidargeräte. Wir haben auch dafür gesorgt, dass alle Anschlüsse und die Verkabelung für das gesamte Fahrzeug hergestellt und installiert wurden.“

„Wir gehen zu den örtlichen Gymnasien und zeigen das Projekt, um Schüler zu finden, die daran interessiert sind, in dieses Fach einzusteigen.“

„Ich war auch Teil des Outreach-Teams“, fügte Michera hinzu. „Wir haben potenzielle Mitglieder interviewt, die sich dem Team anschließen möchten, da jedes Jahr Senioren ihren Abschluss machen und wir daher mehr Mitglieder einstellen müssen. Wir haben andere Mitglieder der Virginia Tech angeworben, um unserem Team beizutreten, und wir gehen zu den örtlichen High Schools und zeigen das Projekt, um Studenten zu finden, die daran interessiert sind, in dieses Fachgebiet einzusteigen. Wir holen sie vorbei, führen sie durch unsere Garage und zeigen ihnen, wie das Fahrzeug funktioniert. Wir haben mit anderen Robotikprogrammen an weiterführenden Schulen zusammengearbeitet, um das Interesse an diesem Bereich zu steigern.“

Der lange Weg nach Yuma

Bevor es nach Yuma gehen konnte, musste das Team ein eigenes integriertes autonomes Fahrsystem entwickeln und testen. Wie Ihnen das autonome Team jedes Autoherstellers sagen kann, ist es nicht einfach. In den letzten Wochen vor Ablauf der Demonstrationsfrist musste das Team zwei schwere Rückschläge hinnehmen.

„Das Projekt ist wirklich gut gelaufen“, betonte Michera, „aber es ist lustig, weil wir einen kleinen Schluckauf hatten.“ Durch menschliches Versagen prallte das Fahrzeug tatsächlich gegen das Garagentor, an dem wir arbeiteten.“

Virginia Tech
Virginia Tech
Virginia Tech
Virginia Tech

Das Team musste sich verdoppeln und sicherstellen, dass das Auto vor dem Wettbewerb repariert werden konnte.

„Wir hatten großes Glück, dass keine der wichtigen teuren Komponenten wie die Kameras und Lidars beschädigt wurden“, sagte Michera. „Am Fahrzeug gab es nur geringfügige kosmetische Schäden. Was ich sehr gern gesehen habe, war, dass das Team durch diesen Rückschlag nicht die Moral verloren hat. Wir haben alle akzeptiert, dass es sich um einen kleinen Fehler handelt, und haben mit der gleichen Einstellung weitergemacht, um dieses Ziel zu erreichen.“

Murphy war mit dem Victor Tango-Team allerdings noch nicht ganz fertig.

„Wir bekamen das Fahrzeug innerhalb von neun Tagen zurück. Und Sie glauben am besten, dass wir es geschafft haben.“

„Leider stießen wir auf ein weiteres Hindernis“, fuhr Michera fort. „Unser Fahrzeug konnte nicht aufgeladen werden, und das war ein Problem, das wir nicht beheben konnten. Wir schickten das Auto zum Händler, aber dort konnte keine Diagnose gestellt werden, und so mussten wir es den ganzen Weg zu General Motors in Michigan schicken. Wir waren fast einen Monat lang ohne das Fahrzeug und haben die ganze Zeit für unsere Tests verloren.“

Da kein Fahrzeug entwickelt werden musste und keine Ahnung hatte, wann es zurückkommen würde, überlegte das Team, das Handtuch zu werfen. Als der Bolt repariert war und nach Virginia zurückkehrte, hatte das Team nur etwas mehr als eine Woche Zeit, um die Arbeit eines Monats zu erledigen.

„Wir bekamen das Fahrzeug innerhalb von neun Tagen zurück. Und Sie glauben am besten, dass wir es geschafft haben. Der Großteil des Teams arbeitete Tag für Tag. Ich habe dort mehrere Morgen um 3:00 Uhr gesehen, um sicherzustellen, dass wir alle Testverfahren abgeschlossen haben, um ein sicheres Fahrzeug zu haben. Das war eines der Hauptziele. Unser Fakultätsberater sagte, dass es ihm eigentlich egal sei, ob das Fahrzeug kosmetisch absolut großartig aussieht. Wir wollten sicherstellen, dass die Systeme und alles, was für die Funktion des Fahrzeugs wichtig ist, einwandfrei funktionieren. Wir konnten das Auto innerhalb von neun Tagen fertig machen und alles fahrbereit machen, und wir konnten mithalten.“

Die große Herausforderung

Als das Team in Yuma ankam, mussten Berichte geliefert und Technologie vorgeführt werden.

„Wir hatten Berichte zur sozialen Verantwortung, in denen das Design erläutert wurde und warum wir uns für das von uns entworfene Design entschieden haben. Welche Komponenten wir in unserem Design verwendet haben“, sagte Michera. „Wir mussten die Gründe für den Einsatz dieser Komponenten begründen und ihre Vor- und Nachteile darlegen.“

Einen Bericht zu erstatten ist eine Sache. Ein Auto zu bauen, das selbständig auf einer Teststrecke fährt, ist eine größere Sache.

„Die Herausforderung dieses Jahres waren stationäre Objekte“, erklärte Michera. „Wir hatten nicht nur stationäre Objekte, wir mussten auch Hindernissen ausweichen, der Spur folgen und das Fahrzeug allgemein kontrollieren.“

Virginia Tech

Als die Zeit für die eigentliche Demonstration kam, stellte sich heraus, dass das Unglück des Victor Tango-Teams ihnen tatsächlich geholfen hatte. Aufgrund der begrenzten verfügbaren Zeit war das Team gezwungen, zur Integration eine Kombination verschiedener Methoden zu verwenden traditionelle Umgebungskartierung mit den komplexen Wahrnehmungsalgorithmen, die von den Kameras und Lidar verwendet werden Systeme.

„Alle anderen beim Wettbewerb hatten sich nicht auf die Karten verlassen, weil sie dachten, sie könnten es ausschließlich mit der Wahrnehmung schaffen“, betonte Teammitglied Andy Cohen. „Aber die Umwelt war nicht so gut reguliert, wie sie dachten.“

Es stellte sich heraus, dass die Fahrspurlinien auf dem Testgelände verblasst waren, wie es auf vielen Straßen auf der ganzen Welt der Fall ist. Denn ihr Fahrzeug konnte auf der Strecke navigieren, ohne sich darauf verlassen zu müssen, dass die Kamera die Fahrspur erkennt Victor Tango AutoDrive war das einzige Team, das die seitliche Bewegung abschließen konnte Herausforderung.

SAE Autodrive Challenge

„Ich denke, auch wenn wir nicht den ersten Platz gewonnen haben, ist es uns doch zu Herzen gegangen, dass wir das Fahrzeug fertig bekommen konnten und „Wir konnten alle drei Herausforderungen meistern, obwohl kein anderes College dazu in der Lage war. Das war für uns ein riesiger Sieg“, strahlte Michera. „Ich denke, es zeigt einfach die Motivation dieses Teams und was auch in den nächsten Jahren auf uns zukommt.“

Die Straße entlang

Da sich der Wettbewerb über drei Jahre erstreckt, wird jedes Team mindestens zwei Jahrgänge von Senioren absolvieren, wobei jüngere Studenten nachrücken, um ihre Plätze einzunehmen und die Herausforderung fortzusetzen.

„Ich habe vor, es als mein Senior-Designprojekt zu nutzen und es hoffentlich über die gesamten drei Jahre durchzuziehen“, sagte Michera. „Ich war schon immer ein großer Liebhaber von Autos und allem, was damit zu tun hat. Ich bin mir auch darüber im Klaren, dass sich der Markt in Richtung Autonomie bewegt. Ich habe das Gefühl, dass dieses Projekt mir einen starken Vorsprung verschaffen wird, um tatsächlich in der Branche zu arbeiten.“

Sie können die AutoDrive Challenge in den nächsten zwei Jahren unter verfolgen http://www.autodrivechallenge.com.

Empfehlungen der Redaktion

  • Gerüchten zufolge könnte Apples Auto genauso viel kosten wie ein Tesla Model S
  • Beobachten Sie, wie San Franciscans eine Fahrt mit Waymos selbstfahrendem Auto unternehmen
  • Die Schattenbeobachtungstechnologie des MIT könnte es autonomen Autos ermöglichen, um die Ecke zu sehen
  • Das selbstfahrende Autoprogramm von Lyft und Aptiv hat einen langen Weg zurückgelegt (aber nicht weit genug)
  • Die autonomen Autos von Waymo werden in Arizona angegriffen