Китайские исследователи разработали и испытали систему, которая позволяет беспилотной сельхозтехнике эффективно объезжать движущиеся препятствия. Алгоритм, основанный на данных с лидара и камеры, прогнозирует траекторию людей, животных или другого транспорта и в реальном времени прокладывает оптимальный маршрут.
Главная сложность для автономной техники – непредсказуемые объекты на поле. Существующие системы реагируют на их текущее положение, что для тяжелых и инертных машин, как трактор, неэффективно. Такая задержка реакции заставляет технику совершать резкие маневры, закладывать слишком широкую дугу объезда или опасно сближаться с препятствием.
Новая система получает информацию из двух источников: 3D-лидар точно измеряет расстояние до объектов и их габариты, а RGB-камера помогает их классифицировать. Специальный программный модуль отслеживает все объекты в поле зрения, оценивая их скорость и вероятное направление.
Ключевым элементом стал алгоритм SAC-DWA, который применяет машинное обучение с подкреплением. В отличие от стандартных методов с жестко заданными параметрами, он гибко адаптирует стратегию объезда к конкретной ситуации. Модель обучали в симуляторе Gazebo, что позволило безопасно отработать тысячи дорожных сценариев.
Полевые испытания с трактором LOVOL Euroleopard M904-D прошли на экспериментальной станции Китайского сельскохозяйственного университета в Чжоучжоу. По сравнению с традиционным подходом, новая система сократила время маневра минимум на 13%, а пройденный путь – на 15%. Трактор двигался заметно плавнее и безопаснее, успешно справляясь даже со сценариями, где несколько препятствий двигались хаотично.
Разработчики утверждают, что технологию можно интегрировать в уже существующую умную сельхозтехнику, хотя это и потребует установки дополнительного оборудования. В дальнейшем планируется научить систему учитывать неровности рельефа, плохую видимость из-за посевов и принимать решения с учетом повышенных рисков.