Conducir de lado para avanzar: los ingenieros de Stanford muestran cómo un DeLorean autónomo puede mejorar la seguridad del conductor.
Los ingenieros del Laboratorio de Diseño Dinámico de Stanford están enseñando a un DeLorean sin conductor a conducir con la agilidad y precisión de un conductor humano con el objetivo de mejorar la forma en que los automóviles autónomos se manejan en condiciones peligrosas.
Cuando el DeLorean se detuvo y la nube de humo de las llantas se despejó, Jon Goh se asomó por la astilla de la ventana del lado del pasajero para ver a docenas de espectadores reunidos vitoreando y chocando la prueba exitosa.
La multitud y la anticipación se habían acumulado durante toda la tarde, mientras que Goh, un recién graduado de doctorado en ingeniería mecánica de Stanford, había esbozado una carrera de obstáculos de un kilómetro de largo en conos de tráfico en Thunderhill Raceway en el norte de California. El sol se estaba poniendo rápido, pero Goh y su copiloto, otro estudiante graduado llamado Tushar Goel, no podían esperar hasta la mañana para tomar una foto en el curso sinuoso. Además, MARTY, el conductor, no necesitaba ver la pista, solo necesitaba coordenadas GPS y algoritmos en la computadora portátil de Goh para trazar su ruta.
Video de Jonathan Goh
MARTY es un DeLorean de 1981 que Goh y sus colegas del Laboratorio de Diseño Dinámico de Stanford convirtieron en un auto de deriva autónomo totalmente eléctrico. Hace cuatro años, MARTY se desplazó, el estilo de conducción donde el automóvil se mueve hacia adelante a pesar de estar apuntando hacia los lados, a través de sus primeras rosquillas con precisión inhumana . Desde entonces, Goh y su equipo han estado ocupados soldando y codificando para preparar a MARTY para aplicar esas habilidades básicas de deriva en un curso de conducción intenso, y, increíblemente, todo había funcionado perfectamente. MARTY chirrió a través de giros y rápidos zigzags y zags en solo unos minutos, levantando humo y pedazos de goma, sin cortar un solo cono a lo largo del recorrido.
Mientras continuaban los vítores, la satisfacción se apoderó de Goh. Completar el curso “MARTYkhana” en el primer intento fue increíble, pero sabía que los datos únicos obtenidos de la carrera podrían transformar las capacidades de los sistemas de conducción autónomos que se encuentran hoy en día en los automóviles.
Ir más allá de los límites para tener el control
MARTYkhana, un riff en el formato de carrera de autocross “gymkhana” considerado como la prueba maestra de la habilidad de un piloto, no es un truco. Investigar en condiciones de conducción complicadas y de alta velocidad como esta es un enfoque básico del Laboratorio de Diseño Dinámico, donde el ingeniero mecánico Chris Gerdes y sus estudiantes conducen autos autónomos hacia situaciones de conducción desafiantes que solo los mejores conductores humanos pueden manejar de manera confiable . Las computadoras a bordo miden la respuesta del automóvil durante docenas de carreras, y los ingenieros traducen la dinámica del vehículo en un software que algún día podría ayudar a su automóvil a esquivar rápidamente a un peatón que se lanza a la carretera.
Fotogramas superpuestos, a intervalos de 0,5 segundos, de un video aéreo de un exitoso experimento de deriva “Figura 8” totalmente autónomo en MARTY. Este experimento se realiza a velocidades de 50 km / h, y transita a través de +/- 40 grados de deslizamiento lateral en aproximadamente un segundo. (Crédito de la imagen: Jonathan Goh)
La mayoría de los vehículos automáticos en la carretera han sido diseñados para manejar casos más simples de conducción, como permanecer en un carril o mantener la distancia correcta de otros automóviles.
“Estamos tratando de desarrollar vehículos automatizados que puedan manejar maniobras de emergencia o superficies resbaladizas como el hielo o la nieve”, dijo Gerdes. “Nos gustaría desarrollar vehículos automatizados que puedan utilizar toda la fricción entre el neumático y la carretera para evitar daños al automóvil. Queremos que el automóvil pueda evitar cualquier accidente que se pueda evitar dentro de las leyes de la física “.
Ingenieros de Stanford muestran cómo un DeLorean autónomo puede mejorar la seguridad del conductor
El entrenamiento de un automóvil autónomo a la deriva es un método sorprendentemente bueno para probar la capacidad de un automóvil para conducir de manera evasiva. En condiciones típicas, un conductor apunta el automóvil hacia donde quiere ir y usa el acelerador y los pedales de freno para controlar la velocidad. Al ir a la deriva, ya sea intencionalmente o no, esto se va por la ventana.
“De repente, el automóvil apunta en una dirección muy diferente a la que va. El volante controla la velocidad, el acelerador afecta la rotación y los frenos pueden afectar la rapidez con la que cambias de dirección ”, dijo Goh. “Debe comprender cómo usar estas entradas familiares de una manera muy diferente para controlar el automóvil, y la mayoría de los conductores simplemente no son muy buenos para manejar el automóvil cuando se vuelve tan inestable”.
Los vehículos comerciales están equipados con sistemas de control electrónico de estabilidad que intentan evitar que los automóviles entren en estos estados inestables, pero aquí es donde prosperan los vagabundos. Aprovechan esta inestabilidad para maniobrar el automóvil de maneras más ágiles y precisas que les permiten quemarse a través de una estrecha carrera de obstáculos sin siquiera rozar las barreras.
Al estudiar los hábitos de los conductores profesionales y probar esas mismas maniobras de control en MARTY, el equipo de Stanford ha permitido que el automóvil use un mayor rango de sus límites físicos para mantener la estabilidad a través de un rango más amplio de condiciones, y las matemáticas involucradas podrían permitir sistemas autónomos maniobrar con la agilidad de un corredor de deriva en emergencias.
“A través de la deriva, podemos llegar a ejemplos extremos de física de conducción que de otro modo no podríamos”, dijo Goh. “Si podemos conquistar cómo controlar de manera segura el automóvil en los escenarios más estables y más inestables, se hace más fácil conectar todos los puntos intermedios”.
Jonathan Goh
Una transformación fundamental
Cuando Gerdes y Goh se propusieron construir MARTY, que significa cama de prueba de investigación de actuadores múltiples para el control de guiñada, sabían que querían un automóvil con tracción trasera que les permitiera la libertad de actualizaciones infinitas, y querían que tuviera un cierto factor genial
Chris Gerdes
“De la forma en que lo vemos, si vas a construir un vehículo de investigación, ¿por qué no hacerlo con un poco de estilo?”, Le gusta decir a Gerdes, señalando la línea clásica de Regreso al futuro .
Un DeLorean marcó todas esas casillas. Si mirara debajo de la icónica carcasa de acero inoxidable de MARTY, encontraría muy poco DeLorean en este punto. La transmisión de baja potencia ha sido reemplazada por baterías robustas y motores eléctricos desarrollados por Renovo. La suspensión original era demasiado blanda para contener una deriva decente, por lo que el equipo diseñó y fabricó componentes que podían soportar la tarea. Los controles mecánicos de dirección, frenado y estrangulamiento fueron reemplazados por sistemas electrónicos. Hay una jaula antivuelco.
Un par de antenas GPS salpican el techo y rastrean la ubicación del automóvil hasta una pulgada, y toda la operación se ejecuta en computadoras escondidas detrás de los asientos. Al ingresar al diseño del curso, MARTY calcula la ruta de deriva más suave posible en cuestión de segundos. Se tarda mucho más en configurar los conos de tráfico.
Conduce como un humano
El primer artículo de revista relacionado con MARTY se publicó recientemente y define el sistema que utiliza el automóvil para controlar su ángulo y posición precisamente en condiciones básicas de deriva. El diseño del controlador fue mucho más directo de lo esperado, dijo Goh, y es de acceso abierto para permitir que otros repitan el enfoque.
Otros documentos en los trabajos detallarán las técnicas desarrolladas por el equipo que utilizan el rango de dirección completo del automóvil, que es lo que le permite completar rutas más complicadas, como MARTYkhana. Y el equipo continúa experimentando cómo incorporar frenos delanteros y traseros puede abrir aún más capacidades para el sistema autónomo. En conjunto, este trabajo le permite a MARTY hacer giros más cerrados en sucesión aún más rápidamente, lo que ayudará a entrenarlo para navegar en condiciones extremas.
“Los resultados hasta ahora son bastante sobresalientes”, dijo Gerdes. “Los sistemas de control de estabilidad de los automóviles modernos limitan el control del conductor a un rango muy estrecho del potencial del automóvil. Con MARTY hemos podido definir de manera más amplia el rango de condiciones en las que podemos operar de manera segura, y tenemos la capacidad de estabilizar el automóvil en estas condiciones inestables “.
La deriva es tanto una forma de arte como una habilidad técnica, un detalle que Gerdes ha enfatizado desde el principio. Es por eso que se sorprenderá de lo impresionado que está de que sus estudiantes hayan programado a MARTY para ir a la par con los conductores profesionales.
“Es realmente impresionante lo ágil que puede hacer el automóvil esas transiciones y también lo preciso que podría ser”, dijo Fredric Aasbo, el Campeón del Mundo de Fórmula Drift 2015. “Porque ese es el truco como conductor. Eso es lo que todos estamos tratando de resolver “.
A la deriva de manera autónoma en el skidpad de Thunderhill, MARTY recorre un camino preciso a través de obstáculos mientras opera simultáneamente a 40 grados de deslizamiento lateral. (Crédito de la imagen: Jonathan Goh)
Los estudiantes adicionales de Stanford involucrados en la construcción y programación de MARTY incluyen al estudiante universitario Phill Giliver; estudiantes de pregrado / maestría coterminal Shannon McClintock, Michael Carter y Joe Sunde; y los estudiantes de maestría Arni Lehto y Wyles Vance.
El equipo agradece al Instituto de Investigación de Pregrado de Stanford (SURI) por patrocinar a McClintock, Giliver, Carter y Sunde.