Читать книгу Jak myślą inteligentne maszyny - Sean Gerrish - Страница 20

Aby odszukać swoją pozycję na mapie, Humvee wykorzystywał czujnik GPS przymocowany do pojazdu przez Chrisa. Czujniki GPS pracują na podstawie sygnałów pochodzących z ogromnego zbioru doskonale skalibrowanych satelitów umieszczonych na orbicie przez Departament Obrony Stanów Zjednoczonych. W danym momencie niektóre z tych satelitów – nie zawsze te same – stają się widoczne dla czujnika GPS; wykorzystuje on cztery z nich, by określić aktualny czas (t) i aktualną pozycję (x, y, z) z dokładnością do kilku metrów.

Niemniej jednak GPS to nie wszystko, czego potrzebuje samochód autonomiczny. Po pierwsze, pomiary GPS nie zawsze są dokładne: dobry system GPS potrafi być dokładny co do kilku centymetrów, ale niektóre mylą się w najgorszych wypadkach nawet o setki metrów. W wynikach GPS mogą także powstawać przerwy wynikające z kłopotów sprzętowych, kiedy przejeżdża się w tunelu, albo też z powodu zakłóceń sygnału satelitarnego, kiedy przechodzi on przez jonosferę planety. GPS nie podaje też samochodowi bezzałogowemu jego kierunku jazdy; Humvee mógłby zgubić swoją pozycję, gdyby na przykład koła pojazdu poślizgnęły się na piaszczystej drodze. Sprawą kluczową była więc dla pojazdu Humvee znajomość drogi bez konieczności korzystania z GPS.

W związku z tym Red Team wyposażył pojazd w przyspieszeniomierze pozwalające kontrolować przyspieszenie w trzech wymiarach. Humvee gromadził owe informacje, by móc szacować swoją prędkość i swoje położenie. Dodano także żyroskopy, które są przyspieszeniomierzami mierzącymi kąt obrotu, dzięki czemu Humvee kontrolował swoją aktualną orientację.

Humvee zestawiał ze sobą wyniki przyspieszeniomierzy i systemu GPS za pomocą filtra Kalmana, modelu matematycznego odkrytego w roku 1960. Filtr Kalmana to metoda śledzenia obiektu w czasie – pozycji łodzi podwodnej czy właśnie maszyny Humvee – za pomocą przekształcania zbioru pomiarów obiektu w jego przybliżoną pozycję. Kluczową koncepcją stojącą za filtrem Kalmana jest rozpoznanie, że nigdy tak naprawdę nie znamy faktycznego położenia obiektu i jego prędkości: możemy jedynie dokonywać przybliżonych pomiarów, co przywodzi na myśl sygnały generowane przez sonar. Niektóre z nich mogą być błędne, nie chcemy ich więc brać od uwagę, by nie zniekształcić przybliżonego pomiaru – może to być odbicie orki lub jakiś wodorost – filtr Kalmana zaś jest w stanie wygładzić te niepasujące elementy.

W gruncie rzeczy filtr Kalmana zakłada, że żaden z pomiarów nie będzie prawidłowy; uznaje za to, że wszystkie razem wzięte są prawidłowe jako średnia. O ile dokona wystarczającej liczby obserwacji, potrafi określić rzeczywiste położenie obiektu i jego prędkość z niesamowitą dokładnością. Filtr Kalmana, który wykorzystuje dane z przyspieszeniomierzy, żyroskopów i systemu GPS, a także pomiary z kół, pozwala samochodowi autonomicznemu na określenie pozycji – nawet podczas dwuminutowego przestoju w działaniu GPS – z dokładnością do centymetrów¹⁴.