Ученые МФТИ представили RadarSFEMOS — систему, которая позволяет беспилотникам точно ориентироваться в пространстве даже в сильный дождь, снег и туман. В отличие от камер и лидаров, она не теряет точности в сложных условиях и уже показала эффективность в тестах.
Сотрудники МФТИ в составе международной группы ученых разработали систему обработки данных 4D-радаров для беспилотников — RadarSFEMOS. Она определяет расположение и движение объектов с высокой точностью даже в сложных погодных условиях, где камеры и лидары теряют эффективность: в дождь, снег и туман. В будущем технологию планируют интегрировать в отечественные беспилотные грузовики и городские такси.
RadarSFEMOS — это инновационная самообучающаяся система, которая не только очищает данные от шума, но и определяет направление и скорость движения объектов без специальной разметки или данных одометрии. Для этого ученые объединили несколько передовых решений. Во-первых, диффузионная модель шумоподавления быстро очищает радарные данные, повышая точность. Во-вторых, трансформерный анализатор с адаптивной архитектурой идентифицирует объекты даже при экстремально низкой плотности данных — всего 5-10 точек на квадратный метр, тогда как лидарам требуется минимум 100 точек для аналогичной точности.
Кроме того, алгоритм учитывает движение самого автомобиля и исключает его из расчетов, фокусируясь только на перемещении окружающих объектов. 4D-радар также измеряет радиальную скорость — движение объектов к автомобилю или от него. Благодаря искусственному интеллекту система самообучается, улучшая точность без ручной разметки данных. RadarSFEMOS анализирует два последовательных кадра с радара, определяя движение всех объектов и классифицируя их на движущиеся и неподвижные.
Испытания на датасетах View-of-Delft и TJ4DRadSet подтвердили преимущества системы: количество ложных срабатываний сократилось в несколько раз, а точность определения положения объектов достигла 89%. В ближайшее время ученые планируют улучшить систему для работы в более сложных динамических сценариях и повысить точность прогнозирования траекторий. Эта технология позволит сделать беспилотные системы безопаснее и надежнее в любых погодных условиях.