Автономды қозғалыстың пайда болуы әртүрлі салаларда тасымалдауды түбегейлі өзгертті, бірақ автопилотты көліктер үшін ең қиын сынақтардың бірі — олардың қиын жерлерде қозғалу қабілеті болып табылады. Тасты шығынды жолдардан, тік көтерілулерге дейін, балшықты құрылыс алаңдары мен теңсіздікке толы ауыл шаруашылығы өрістеріне дейін автономды жүйелердің қапталған автожолдардың бақыланатын ортасынан тыс жағдайларда да сенімді жұмыс істеуі талап етіледі. Бұл қиын жағдайларда автопилотты көліктер қалай ұстағанын түсіну үшін алдымен жоғары деңгейлі сенсорлардың, жасанды интеллект алгоритмдерінің, механикалық төзімділіктің және жолаушылардың қауіпсіздігі мен тиімділігін қамтамасыз ететін және әдеттегі автономды шешімдер жиі қиналатын аймақтарда жұмыс істеуге мүмкіндік беретін қосымша технологиялардың біріктірілуін қарастыру қажет.
Суреттік бағдарлау үшін автономды көліктердің жер бетін зерттеу қиындығы тек қарапайым кедергілерді анықтаудан асады. Бұл автономды платформалар үнемі жердің тұрақтылығын бағалап, тартылу күшінің жоғалуын болжап, ілініс жүйелерін нақты уақытта баптап, операциялық қауіпсіздікті және миссия мақсаттарын сақтай отырып, жолды таңдау бойынша секундтың бөлшектерінде шешім қабылдауы керек. Автономды көліктерді қазбалардағы жұмыстарда, әскери логистикада, ауыл шаруашылығын автоматтандыруда және авариялық жағдайларда қолданатын салалар өзінің жұмысын орындайтын, тіпті тәжірибелі адам операторлары үшін де қиын болатын орталарда сенімді қозғалыс қамтамасыз ететін шешімдерді талап етеді. Бұл толық қарастыру автономды көліктердің бұрыннан бері автоматтандырылған жүйелер үшін шешілмейтін деп саналған жер бетінің қиындықтарын жеңуге мүмкіндік беретін көпқырлы технологиялық тәсілді ашады.
Қиын жерлерде қозғалатын автономды көліктер әртүрлі сезімталдық технологияларын біріктіретін күрделі сенсорлық біріктіру архитектурасын қолданады, олар толық қоршаған ортаның моделін құру үшін қолданылады. LIDAR жүйелері миллиметрлік дәлдікпен жер бетінің топографиясын картаға түсіретін нақты үшөлшемді нүктелер жиынын құрады, сонымен қатар толық қараңғылықта да биіктіктегі өзгерістерді, жер бетіндегі бұзылуларды және кедергілердің контурын анықтайды. Бұл лазерлік сенсорлар әртүрлі толқын ұзындықтарында жұмыс істейді, сондықтан олар шаң, жеңіл тұман және тау-көлдерге тән өсімдік қабаты арқылы өте алады. LIDAR-дың қосымша құрамдас бөлігі ретінде радар жүйелері жоғары жауын-шашын, қар және тығыз тұман сияқты қолайсыз ауа райы жағдайларында да жылдамдық өлшеуі мен анықтау мүмкіндігін қамтамасыз етеді, өйткені бұл жағдайлар оптикалық сенсорлардың көру қабілетін бұза алады.
Жер бетінің дәлдігін талдау үшін, жер бетінің материалдық қасиеттерін анықтау үшін және жердің тұрақтылығын көрсететін субъективті визуалды белгілерді анықтау үшін алғысқа лайықты компьютерлік көру алгоритмдерімен жабдықталған камералық массивтер қолданылады. Стереокамералардың орналасуы тереңдікті сезіну мүмкіндігін қамтамасыз етеді, бұл LIDAR деректерін растайды және су көлдері немесе жұмсақ сазбалшық сияқты өткелді беттер мен қауп-қатерлерді ажырату үшін маңызды түстік ақпарат береді. Инерциялық өлшеу құрылғылары (IMU) көліктің басының иілуін, айналуын және үдеуін үнемі бақылайды; осы деректер болжамдық алгоритмдерге беріледі, олар көліктің тұрақтылығына әсер ететін жер бетінің әсерін алдын ала болжайды. Бұл сенсорлық резервтеу көлік құралдарының драйверсіз жұмыс істеуі кезінде ортаға байланысты ластану немесе механикалық кернеу салдарынан жеке сенсорлардың өнімділігі төмендеген кезде де жағдайды бақылауда ұстауға мүмкіндік береді.
Жетілдірілген жер бетінің классификациясы жүйелері автономды көліктерге механикалық қасиеттері мен өткелділік сипаттамаларына қарай жер бетінің бетін айқын класстарға бөлуіне мүмкіндік береді. Кеңістіктік деректер жинағында оқытылған машиналық оқыту моделдері сенсорлық деректердің белгілерін талдау арқылы тастар, құм, балшық, шөп, қар және басқа бет түрлерімен байланысты үлгілерді танып алады. Бұл классификациялық жүйелер тек көрініс қасиеттерін ғана емес, сонымен қатар LIDAR интенсивтілігінің шағылуы мен микротопографиялық талдау негізінде алынған беттің бұзықтығы көрсеткіштерін де бағалайды. Автономды жүйе одан әрі жер бетінің класстарын көліктің мүмкіндіктерінің профилімен ұштастырып, қауіпсіз навигация үшін оптималды жылдамдықты, бұрыштық рульдің орнын және қуаттың таратылу стратегиясын анықтайды.
Жер бетінің өткізгіштігін талдау алгоритмдері жердің тірек қабілетін, көлбеуліктің тұрақтылығын және жіктелген беттер үшін тартылу коэффициенттерін модельдеу арқылы көлік құралы мен жер бетінің әрекеттесу нәтижелерін болжайды. Суретке алынбаған көлік құралдары жер бетін бағалаудағы белгісіздікті ескеретін ықтималдықтық негіздерін қолданады, олар өзінің қоршаған ортаны модельдеуіндегі сенім деңгейіне сай қауіпсіздік шектерін сақтайды. Жер бетінің өткізгіштігін карталауға нақты уақытта жаңартулар жасалады, өйткені көлік құралдары жұмыс істеу кезінде нақты деректерді жинайды; борттық жүйелер болжанған жер бетінің әрекетін нақты көлік құралының реакциясымен салыстырып, өз модельдерін үнемі жетілдіреді. Бұл адаптивті оқыту қабілеті суретке алынбаған көлік құралдарына уақыт өте келе өз қызметін жақсартуға және ұқсас орталарда жұмыс істейтін флоттар арасында жер беті туралы ақпаратты бөлісу мүмкіндігін береді.
Қиын жерлерде өзіндік көліктердің бағдарламалық жоспарлауы әртүрлі қарама-қарсы мақсаттарды тепе-теңдікке келтіретін алгоритмдерді талап етеді: саяхат уақытын азайту, энергия тиімділігі, қауіпсіздік шегі және миссияға тән басымдықтар. Алдын ала белгіленген жол полосалары көліктің қозғалысын шектейтін автожолдағы навигациядан айырмашылығы неде? Оф-роуд автономды жүйелер екі өлшемді кеңістік бойынша сансыз мүмкін болатын траекторияларды бағалауы керек, сонымен қатар жер бетінің сипаттамаларын, кедергілердің орналасуын және көліктің динамикалық шектеулерін ескеруі қажет. Иерархиялық жоспарлау архитектурасы бұл күрделі мәселені миссия деңгейінде стратегиялық маршрут таңдауға, орташа уақыттағы нүктелер үшін тактикалық жол жоспарлауға және тікелей қауіпті жағдайлардан қорғану үшін реактивті траекторияны реттеуге бөледі.
Жоғары жүргізушісіз көліктер автономды жүйелердің көліктің мүмкіндіктерін қатты көлбеулік немесе тұрақсыз беттер салдарынан қаупі бар жағдайларда жер бетінің қолайлы шарттары бар ұзын маршруттарды таңдауына мүмкіндік беретін, жер бетінің қиындығын арақашықтықпен салыстыратын шығын-функциясын оптимизациялау жүзеге асырылады. Граф негізіндегі іздеу алгоритмдері шешім кеңістігін тиімді зерттейді, орындалмайтын траекторияларды ерте кесіп тастайды және нақты уақыт режимінде жұмыс істеуге қажетті есептеу өнімділігін сақтайды. Монте-Карло модельдеу әдістері белгісіздік жағдайында траекторияның қауіпсіздігін бағалауға көмектеседі: жер бетінің параметрлері бойынша әртүрлі болжамдармен мыңдаған виртуалды өтуді орындап, ықтимал экологиялық жағдайларда қабылданатын қауіп деңгейі бар маршруттарды анықтайды.
Қиын жерлерде жоспарланған траекторияларды орындау үшін көліктің жылдамдығын қазіргі беттің жағдайы мен алдыңғы жол бөліктеріне қарай үздіксіз реттейтін бейімделуші жылдамдық басқару жүйелері қажет. Суреттік бақылаусыз көліктер мақсатты жол бойынша жер бетінің профилін алдын ала қарауға мүмкіндік беретін алдын ала басқару құрылғыларын қолданады; бұл жолдың белгілі бөліктерінде тартылу немесе тұрақтылық шегінің күшейтілуі қажет болғанда, жылдамдықты алдын ала төмендетеді. Бұл жүйелер жылдамдық пен көліктің басқару әдістері арасындағы байланысты модельдейді және көліктің басқару әсерінің тиімділігін төмендететін, сонымен қатар қауіпсіз шектерден тыс тоқтау қашықтығын арттыратын тегіс емес жерлерде артық жылдамдықтың зиянды әсерін ескереді.
Автоматтық көліктер үшін траекторияны бақылау құрылғылары жоспарланған траекторияларды дәл орындау мен теңсіз жерде көліктің тұрақтылығын сақтау талаптарын теңестіреді. Таза қуғын және модельдік болжамды басқару алгоритмдері көліктің қозғалыс траекториясынан бойлық ауытқуды азайтатын басқару командаларын есептейді, бірақ олар қазіргі жер бетінің жағдайларымен анықталатын динамикалық шектеулерді ескереді. Егер жер бетінің әсерінен туындайтын ақаулар басқару құрылғысының компенсациялау қабілетінен асып кетсе, ақылды жүйелер қайта жоспарлау тізбегін іске қосады, олар нақты жер бетінің жағдайларына жақсырақ сәйкес келетін альтернативті траекторияларды құрады. Бұл тұйық циклдық тәсіл автономды көліктердің бастапқы жоспарлау кезінде сенсорлар негізінде жасалған болжамдардан экологиялық нақтылық қаншалықты ауытқыса да қауіпсіз жұмыс істеуін қамтамасыз етеді.
Қиын жерлерде жұмыс істейтін автономды көлік құралдары жиі өзіндік биіктігін, сыйымдылық коэффициентін және колесо жердің қасиеттерін қабылдау жүйелері арқылы анықталған жағдайларға қарай реттелетін белсенді ілініс жүйелерін қолданады. Электромеханикалық немесе гидравликалық аттиторлар ілініс геометриясын нақты уақытта өзгертуге мүмкіндік береді: кедергілерге жақындаған кезде жерден биіктікті арттыру немесе бүйірлік еңістерде тұрақтылықты арттыру үшін көліктің ауырлық центрін төмендету. Жеке дөңгелектердің биіктігін реттеу шасси деңгейін өте теңсіз жерлерде сақтайды, ол сенсорлардың орналасуын бұзуға немесе тұрақтылықты қамтамасыз ету шараларын іске қосуға әкелетін дененің артық иілуін болдырмауға көмектеседі.
Автономдық ағашсыз жолдардағы платформалар үшін тарту басқару жүйелері көлік құралының тұрақтылығын бақылаудың дәстүрлі әдістерінен тыс, жер бетінің сипаттамасына негізделген болжамды стратегияларды іске асырады. Торк векторлау мүмкіндіктері күштің әртүрлі үйкеліс қасиеттері бар беттерде дөңгелектер арасында асимметриялы таратылуын қамтамасыз етеді, осылайша алға қарай қозғалыс максималды болады және дөңгелектердің сырғанауы минималды болады. Суретке алынбайтын көлік құралдары дөңгелектердің айналу жылдамдығын бақылайтын сенсорлар мен үдеуөлшеушілердің деректері арқылы нақты уақытта тарту шарттарын бақылайды, бастапқы сырғанау құбылыстарын анықтайды және толық тарту жоғалуына дейін қуат беруді реттейді. Дифференциалдық блоктау стратегиялары сенсорлар дөңгелектердің айналуының жақындағанын болжаған кезде механикалық немесе электрондық блоктау механизмдерін іске қосады, осылайша айналу моменті төмен үйкеліс коэффициенті бар беттерде еркін айналатын дөңгелектерге емес, өзінің ұстағыштығы жоғары дөңгелектерге беріледі.
Дөңгелек таңдауы меншікті технологиялар автономды көліктердің қиын жерлерде қаншалықты тиімді жұмыс істеуін анықтайтын маңызды факторлар болып табылады. Алыстағы немесе қауіпті орталарда жұмыс істейтін автономды платформалар қызметті тоқтататын дөңгелек ақауларына төзімді болуы керек, сондықтан пайдаланылатын дөңгелектер бесіктердің бос болмау тесілу немесе қысымның толық жоғалуынан кейін де жұмыс істеу қабілетін сақтайтын дөңгелек жүйелері. Жетілдірілген дөңгелек конструкцияларында көліктің салмағын толық қысым жоғалған кезде де ұстай алатын ішкі қолдау құрылымдары қолданылады, бұл автономды көліктердің жұмысын жалғастыруына және қиын орындарда қалып қоймай, жөндеу орындарына қайтуына мүмкіндік береді.
Автономдық оф-роуд қолданыстары үшін арнайы жасалған жұмыс істейтін шиналық салындылар – бұл шиналардың ауасы шығып кеткен кезде олардың құлауын болдырмау үшін күшейтілген ішкі құрылымдармен қамтамасыз етілетін жүкті ұстау қабілетіне ие болатын шиналық салындылар. Бұл жүйелер шинаның жеткілікті пішіні мен жермен темірленетін бетінің геометриясын сақтайды, сондықтан ауыр зақымдану жағдайларында да басқару басқарылуы мен тартылу күші сақталады. Суреттік (драйверсіз) көліктер үшін бұл қабілет ерекше маңызды, себебі автономдық жүйелер шинаның күйін бағалау мен жұмысты жалғастыру немесе жөндеуге тоқтау туралы терең талдау жасау үшін адамдық бағалау қабілетіне ие емес. Бекем шиналық технология мен үздіксіз қысымды бақылау комбинациясы автономдық платформаларға шина ақауларын ерте анықтауға және миссияның орындалуын қамтамасыз ете отырып, жұмыс режимін сәйкесінше реттеуге мүмкіндік береді.
Қазіргі заманғы суретсіз көліктер жер бетінің сипаттамаларын және өткелділігін тұрақты дәлдікпен болжау үшін жер бетінің суреттері мен көліктің жауап беру деректерінің көлемді дерекқорларында оқытылған терең оқыту архитектураларын қолданады. КОНВОЛЮЦИЯЛЫҚ НЕЙРОНДЫҚ ЖЕЛЕЛЕР көліктің әрекетімен байланысты жер бетінің қасиеттерін көрсететін көрінетін белгілерді анықтау үшін камералық ағындарды талдайды, мысалы, топырақтың ылғалдылығын көрсететін өсімдік үлгілері немесе құрылымдық тұрақтылығын көрсететін тастың бетінің әртүрлілігі. Бұл оқытылған модельдер көрініс пен механикалық әрекет арасындағы күрделі қатынастарды ұстайды, олар математикалық түрде айқын өрнектелуге қабілетсіз, сондықтан дәстүрлі ережеге негізделген жүйелерге қарағанда жер бетін бағалаудың тереңірек деңгейін қамтамасыз етеді.
Күштілік оқыту әдістері автономды көліктерге қиын орталармен сынақ-қателесу арқылы оптималды бағдарлау стратегияларын ашуға мүмкіндік береді. Симуляциялық оқыту ортасы автономды агенттерді миллиондаған виртуалды жер беті сценарияларына ұшыратады, сәтті өтуді марапаттап, ал қауіпті маневрлер мен миссияның сәтсіздігін жазалайды. Нәтижесінде алынған саясаттар әртүрлі маршруттарды зерттеуді (жаңа, ықтимал тиімді маршруттарды іздеу) белгілі қауіпсіз жолдарды пайдалануға (эксплуатациялауға) теңестіретін күрделі шешім қабылдау стратегияларын кодтауға болады. Трансферлік оқыту әдістері бұл симуляцияда оқытылған модельдерді нақты әлемдегі жұмысқа бейімдейді: модельдерді нақты көлік тәжірибесіне қарай түзетіп, бірақ виртуалды орталарда дамытылған жалпы стратегиялық қабілеттерді сақтайды.
Қиын жерлерде өзіндік көліктердің қауіпсіздікке әсер ететін қолданыстары сенімділік шектерінен төмендеген кезде орташа қоршаған ортаны қабылдау немесе көліктің күйін бағалау бойынша сенімділік төмендеген кезде белгілі бір белгісіздікті анықтайтын және сақтықты қамтамасыз ететін резервтік әрекеттерді іске асыратын берік қауіптерді бағалау негіздерін талап етеді. Байес әдістері өлшеу белгісіздігін қабылдау мен жоспарлау процестері арқылы таратады, нәтижесінде нақты болжамдар емес, жер бетінің қасиеттері мен траекторияның қауіпсіздігі бойынша ықтималдық бағалары беріледі. Белгісіздікті ескеретін бұл жүйелер күрделі орталарда сенсорлық деректердің тән шектеулерін таниды және шешім қабылдауды оған сәйкес түзетеді.
Қауіп көрсеткіштері алдын ала анықталған қауіпсіздік шектерінен асып кеткен кезде, суретсіз көліктер жылдамдығын төмендету режимінен бастап, толық тоқтату және қашықтан оператордың көмегін сұрауға дейінгі резервтік әрекеттерді іске қосады. Дәрежелі жауап беру стратегиялары резервтік әрекеттердің ауырлығын анықталған қауіп деңгейлеріне сәйкестендіреді, осылайша миссияның қажетсіз тоқтатылуын болдырмаумен қатар көліктердің қауіпсіз шектерден тыс жұмыс істеуін ешқашан жол бермейді. Бұл жүйелер сонымен қатар сенсорлардың жағдайын, есептеу жүйесінің өнімділігін және механикалық ішкі жүйелердің күйін бақылайтын өзіндік диагностикалық қабілеттерді іске қосады; ішкі ақаулар қауіпсіз жұмыс істеуді бұзуы мүмкін болған кезде олар сәйкес әрекеттерді тудырады. Нәтижесінде автономды әрекеттер қиын жағдайларда қабілеттілікті көрсетеді және адамның қатысуы немесе миссияның түзетілуі қажет болатын жағдайларды тануға қабілеттілікті көрсетеді.
Қиын жерлерде өзіндік көліктерді басқаруға мүмкіндік беретін күрделі қабылдау, жоспарлау және басқару алгоритмдері қатаң нақты уақыт шектеулерінде қанағаттандырылуы тиіс үлкен есептеу қажеттіліктерін туғызады. Қазіргі заманғы автономды платформалар жалпы есептеулер үшін орталық процессорларды, параллель сенсорлық деректерді өңдеу үшін графикалық процессорларды және нейрондық желілердің қорытындысын алу үшін арнайы үдеуыштарды қосып алған әртекті есептеу архитектураларын қамтиды. Тапсырмаларды жоспарлау құрылымдары есептеу ресурстарын динамикалық түрде бөледі, қауіпсіздікке қатысты маңызды функцияларға басымдық беріп, бірақ ұзақ мерзімді өнімділікті арттыруға бағытталған және өңдеу кешігуіне төзімді төменгі басымдықтағы артқы пландағы тапсырмаларды басқарады.
Шеткі есептеу стратегиялары деректерді бұлттық қосылуға сүйенбей, автономды көліктердегі сенсорлық деректерді жергілікті түрде өңдейді, өйткені алыстағы жерлерде бұлттық қосылу қолжетімсіз немесе сенімсіз болуы мүмкін. Бұл архитектуралық тәсіл автономды шешім қабылдау процесінің офф-роуд ортасында кездесетін байланыс аралықтары кезінде де үзіліссіз жалғасуын қамтамасыз етеді. Дегенмен, жергілікті өңдеу шектеулері қажетті өнімділікті қол жетімді есептеу ресурстары шеңберінде қамтамасыз ету үшін тиімді алгоритмдерді іске асыру мен бағдарламалық архитектураларды мұқият оптимизациялауды қажет етеді. Модельді сығу әдістері нейрондық желілердің күрделілігін азайтады, бірақ болжамдық дәлдікті сақтайды, ал алгоритмдік жуықтаулар қауіпсіздік шектеріне сай болған жағдайларда қол жетімді есептеу үнемін қамтамасыз ету үшін шамалы өнімділік төмендеуін алады.
Қиын жерлерде жұмыс істейтін суретсіз көліктер датчиктердің жұмыс істеу сапасы мен механикалық сенімділігіне қауіп төндіретін қатал экологиялық жағдайларға ұшырайды. Оптикалық беттерге тұнған тозаң камералар мен LIDAR-дың тиімділігін төмендетеді, ал тегіс емес жерлерден туындайтын тербеліс дәл реттелген датчиктерді орнату орындарын постепен ығысуға әкелуі мүмкін. Автономды платформалар оптикалық анықтықты жұмыс істеу кезінде сақтау үшін қысымды ауа ағындарын, механикалық жауынгерлерді және сұйық шашыратқыштарды қоса алғанда, белсенді датчиктерді тазарту жүйелерін қолданады. Тербелістен изоляцияланған орнату элементтері инерциялық өлшеу құрылғылары мен есептеу құрылғыларын шоктық жүктемелерден қорғайды, олар ерте қирауға немесе өлшеу қателіктеріне әкелуі мүмкін.
Болжамды техникалық қызмет көрсету алгоритмдері сенсорлардың өнімділік көрсеткіштері мен механикалық жүйелердің денсаулығын бақылайды және ақаулар пайда болғаннан бұрын қажетті шараларды уақытылы қабылдауға мүмкіндік береді. Суреттік басқарылмайтын көліктер қатты жағдайларға ұзақ уақыт әсер етуді бақылайды, ал компоненттердің қалдық пайдалы өмірін бағалау үшін тозу моделдерін қолданады және маңызды бөлшектерді алмастыру қажеттілігі жақындап келген кезде операторларға хабарласады. Бұл алдын-ала әрекет ету тәсілі кездейсоқ тоқтап қалуларды азайтады және автономды жүйелердің олардың эксплуатациялық өмір циклы бойынша қажетті қауіпсіздік пен өнімділік стандарттарын сақтауын қамтамасыз етеді. Электронды компоненттерді су енуінен, тозаң ластануынан және экстремалық температуралардан қорғау үшін ортаға сәйкес тығыздау стратегиялары қолданылады; сонымен қатар жылу басқару жүйелері есептеу құрылғылары үшін оптималды жұмыс температурасын сақтайды — бұл жағдай көптеген ауыл шаруашылығы немесе өндірістік жолсыз жерлерде (шөлдегі ыстық немесе арктикалық суық) сипатталады.
Автономды көліктердің қиын жерлерде қозғалуы LIDAR-дың нақты үшөлшемді жер бетін картаға түсіруі, барлық ауа райында жұмыс істейтін радардың кедергілерді анықтауы мен жылдамдықты өлшеуі, стерео камералардың көрінетін мәтіндерді талдауы мен тереңдікті сезінуі, сондай-ақ көліктің бағыты мен үдеуін бақылайтын инерциялық өлшеу құрылғыларын қосып алған біріктірілген сенсорлар жиынтығына негізделеді. Бұл көп режимді сенсорлардың біріктірілуі толық қоршаған ортаны бақылауға мүмкіндік береді және ішкі резервтілік қамтамасыз етіледі, яғни автономды жүйелер өздерінің жеке сенсорлары шаң, жаңбыр немесе ашық алаңдарда жиі кездесетін механикалық кернеу салдарынан төмендетілген өнімділікке ұшыраған кезде де жағдайды түсінуді сақтайды.
Суықсыз көліктер жер бетінің қауіпсіздігін бағалау үшін күрделі өткелділік талдау алгоритмдерін қолданады, олар сенсорлық деректердің белгілері бойынша жер бетінің бетін классификациялайды, содан кейін көлік-жер беті әрекеттесуін модельдеу арқылы тартылу қолжетімділігі, жердің тірек қабілеттілігі және тұрақтылық шектері сияқты нәтижелерді болжайды. Кең көлемді деректер жинағында оқытылған машиналық оқыту моделдері әртүрлі бет түрлері мен олардың механикалық қасиеттерімен байланысты үлгілерді таниды. Автономды жүйе болжанған жер бетінің сипаттамаларын көліктің мүмкіндіктерінің профилімен салыстырады және орташа бағалаулардың сенімділік деңгейіне негізделген қауіпсіздік шектерін сақтай отырып, белгісіздікті ескеретін ықтималдықтық негіздерін қолданады. Нақты жұмыс кезінде көліктер жинаған нақты өнімділік деректері бойынша бұл моделдер уақыт өте келе жаңартылады.
Суретке түсіру құрылғылары мен кедергілі жағдайларға арналған алгоритмдері бар, драйверсіз көліктерге қарамастан, экстремалды ауа-райы қиын жерлерде автономды жұмыс істеуді қиындатуы мүмкін. Күшті жаңбыр, тығыз тұман және желмен ұшып кететін қар оптикалық сенсорлардың жұмысын нашарлатады, ал радиолокациялық жүйелер көптеген ауа-райы жағдайларында қызмет еніп отырады. Алғыс автономды платформалар қоршаған ортаның қабылдауына деген сенімділік деңгейі қабылданатын шектерден төмендеген кезде жылдамдықты төмендетуге, қауіпсіздік аралығын кеңейтуге және сақтықты қамтамасыз ететін резервтік әрекеттерді іске қосуға арналған төмендетілген режимдегі жұмыс стратегияларын қолданады. Экстремалды ауа-райы кезінде толық автономды жұмыс істеу мүмкін болмауы мүмкін; осы кезде жүйелер қашықтан оператордың көмегін талап етуі немесе қауіпсіз автономды бағдарлауға ыңғайлы деңгейге дейін жағдайлар жақсарғанға дейін миссияны уақытша тоқтатуы мүмкін.
Қиын жерлерде қолдануға арналған, әрі қазіргі заманғы суреттік басқарылатын көліктердің барлығына біртіндеп қосылып келе жатқан — ішкі қолдау құрылымдары бар жарықсыз (run-flat) қабырғалы дөңгелектер технологиясы. Бұл технология тесілу немесе қысымның төмендеуінен кейін де көліктің жұмыс істеу қабілетін сақтайды. Осы жетілдірілген дөңгелек жүйелері жүктің қабылдау қабілеті мен дөңгелектің пішінін жеткілікті деңгейде сақтайды, сондықтан көлік автономды платформалардың жарамсыз қалуын болдырмау үшін төмендетілген жылдамдықпен одан әрі жұмыс істеуге мүмкіндік береді; олар қажетті жөндеу орындарына өзіндік бағдарлау арқылы жетеді. Үнемі дөңгелектегі қысымды бақылау жүйелері қысымның төмендеуін дер кезінде анықтайды және бұл дөңгелектің өзгерген жұмыс сипаттамаларына бейімделетін, көліктің жылдамдығы мен басқарылу ерекшеліктерін реттейтін адаптивті басқару реакцияларын қосады; бұл қауіпсіз жұмыс істеуді қамтамасыз етеді және жөндеу қажетті орындарда орындалғанша сақталады.
Қызықты жаңалықтар
EN
AR
BG
FR
DE
HI
IT
JA
KO
PL
PT
RU
ES
SV
TL
ID
LV
LT
SR
UK
VI
TH
TR
FA
AF
HY
AZ
KA
BN
LA
MN
SO
MY
KK
UZ
KU
KY
