خطای ده‌ها متری جی‌پی‌اس در دره‌های شهری؛ چرا خودروهای خودران به نقشه‌های لیزری لایدار پناه برده‌اند؟

برای آنکه یک خودروی خودران سطح ۴ بتواند در شلوغی شهرها با ایمنی کامل براند، باید مکان دقیق خود را روی نقشه با خطایی کمتر از ۱۰ سانتی‌متر بداند؛ خطایی در حد عرض یک خط‌کشی خیابان. چنین دقتی بدون جریان پیوسته و دست‌نخورده از داده‌های مکانی ممکن نیست. در جاده‌های باز و بیابان، ماهواره‌های مکان‌یاب این نیاز را پوشش می‌دهند، اما در میان انبوه بتن و شیشه مراکز شهری، ساختار بلندمرتبه آسمان‌خراش‌ها عملاً رشته این اتصال دقیق را پاره می‌کند.

سامانه‌های ماهواره‌ای ناوبری جهانی (GNSS) مانند جی‌پی‌اس برای عملکرد صحیح نیازمند خط دید مستقیم به حداقل چهار ماهواره در مدار زمین هستند. گیرنده خودرو فاصله خود تا این ماهواره‌ها را بر اساس زمان سفر امواج رادیویی با سرعت نور می‌سنجد. در شرایط ایده‌آل و زیر آسمان باز، دستگاه‌های گیرنده مصرفی معمولاً خطایی بین ۵ تا ۱۰ متر دارند که برای مسیر‌یابی عادی کافی است.[5]

با این حال، هدف اصلی استقرار تاکسی‌های خودران تجاری دقیقاً قلب شلوغ مراکز شهری و مناطق مالی است؛ جاهایی که برج‌های بلند چیزی شبیه به «دره‌های شهری عمیق» پدید آورده‌اند. دیوارهای بتنی و نماهای شیشه‌ای راه مستقیم امواج ماهواره‌ای از فضا را می‌بندند. در چنین شرایطی، خودرو بدون دریافت سیگنال مستقیم قادر نیست با تکیه بر روش کلاسیک تثلیث موقعیت، نقطه‌گذاری قابل‌اعتمادی داشته باشد.[1]

وقتی خط دید مستقیم مسدود باشد، گیرنده خودرو به ناچار روی امواجی قفل می‌کند که پس از برخورد با نمای آسمان‌خراش‌های اطراف بازتاب یافته‌اند (سیگنال‌های غیرمستقیم). از آنجا که امواج الکترومغناطیسی با سرعتی نزدیک به ۳۰۰ هزار کیلومتر بر ثانیه حرکت می‌کنند، حتی کوچک‌ترین مسافت اضافی حاصل از کمانه کردن روی دیوار، تأخیری چند میکروثانیه‌ای پدید می‌آورد. همین تأخیر به ظاهر ناچیز، کل محاسبات فاصله را مختل می‌کند.[7]

مکانیسم شکل‌گیری خطای چندمسیره

به این پدیده اختلال «چندمسیره» می‌گویند؛ مشکلی که می‌تواند خطاهای مرگباری در موقعیت‌یابی پدید آورد. در دره‌های شهری متراکم مثل مرکز منهتن یا هنگ‌کنگ، خطای چندمسیره جی‌پی‌اس می‌تواند تخمین موقعیت ماشین را تا ۱۰۰ متر جابه‌جا کند. انحرافی به این بزرگی یعنی سیستم، خودرو را به جای لاین خود در جدول، کوچه کناری یا لاین مخالف یک اتوبان فرض می‌کند.[1]

علاوه بر این، ساییدن امواج ماهواره به لبه پشت‌بام‌ها پدیده شکست موج یا پراش را در پی دارد. این پدیده موج رادیویی را خم کرده و شدت آن را به شدت کاهش می‌دهد. در نتیجه گیرنده میان یک سیگنال مستقیم ضعیف‌شده و یک سیگنال بازتابی پرقدرت سردرگم می‌ماند و در اغلب موارد روی داده‌های مخدوش قفل می‌کند.[4]

مهندسان نمی‌توانند این چالش را فقط با خرید گیرنده‌های گران‌قیمت‌تر جی‌پی‌اس برطرف کنند؛ چرا که خطا از کیفیت آنتن نیست، بلکه در ذات هندسه فیزیکی محیط نهفته است؛ سیگنال واقعاً مسافت طولانی‌تری را پیموده است. حذف کامل امواج بازتابی هم شدنی نیست، زیرا اگر همه آنها فیلتر شوند، ماهواره‌های باقی‌مانده کمتر از حد نصاب ریاضی برای محاسبه مختصات خواهند بود.[3]

پژوهشگران حوزه ناوبری ماهواره‌ای برای مهار این چالش به سراغ مدل‌سازی سه‌بعدی شهرها رفته‌اند. در این سازوکار، سیستم با تکیه بر مدل سه‌بعدی مجازی ساختمان‌ها پیش‌بینی می‌کند کدام ماهواره‌ها پشت برج‌ها پنهان‌اند و کدام امواج احتمالاً بازتابی هستند. با مقایسه این پیش‌بینی و سیگنال‌های دریافتی، سیستم سعی می‌کند امواج مخدوش را از محاسبات کنار بگذارد.[4]

اما این روش به شدت وابسته به بی‌نقص بودن نقشه سه‌بعدی ساختمان‌ها و حدس اولیه معقول از مکان خودرو است. افزون بر آن، این الگوها در برابر موانع متحرک شهری، مانند اتوبوس‌های دوطبقه یا کامیون‌های حمل بار بزرگ، آسیب‌پذیرند؛ موانعی که خود امواج را کمانه می‌دهند ولی اثری از آنها در نقشه‌های ثابت شهری وجود ندارد.[1][4]

علت رانش و انحراف ناوبری کور

برای حفظ موقعیت در لحظات قطعی یا اختلال شدید ماهواره، خودروها از حسگرهای اندازه‌گیری اینرسی (IMU) و کیلومترشمار چرخ‌ها برای ردیابی حرکتی استفاده می‌کنند. این فرایند که «محاسبه تخمینی کور» نام دارد، موقعیت فعلی را با افزودن سرعت و جهت چرخش به آخرین نقطه مشخص محاسبه می‌کند. گرچه این سامانه برای چند ثانیه کارایی دارد، اما حسگرهای اینرسی در گذر زمان خطاهای انباشته پیدا می‌کنند.[2]

بدون به‌روزرسانی مستمر از یک مبدأ قطعی بیرونی، ناوبری اینرسی تنها ظرف چند دقیقه کارکرد آزاد ممکن است تا چندین متر رانش و انحراف پیدا کند. از آنجا که دره‌های شهری کیلومترها امتداد دارند، رانش انباشته اجازه نمی‌دهد ناوبری کور راهکاری ایمن برای خودرو باشد. خودرو محتاج یک مبنای سنجش عینی روی خود زمین است، نه در آسمان.[2]

برای دستیابی به مکان‌یابی سانتی‌متری بدون نگاه به آسمان، خودروهای خودران نگاه خود را مستقیماً به خیابان دوخته‌اند. آنها از نقشه‌های تفکیک‌بالا (HD) بهره می‌برند؛ نقشه‌های دیجیتالی سه‌بعدی با دقتی فوق‌العاده از محیط عملیاتی که از قبل با تجهیزات نقشه‌برداری تهیه شده‌اند و مختصات هندسی نمای ساختمان‌ها، تیرهای چراغ‌برق و لبه جداول را در خود دارند.[5]

در حین حرکت خودرو، حسگرهای فاصله‌یابی و اسکن نوری (لایدار) نصب‌شده روی سقف خودرو، ثانیه‌ای میلیون‌ها پالس لیزری به اطراف شلیک می‌کنند تا یک «ابرنقاط» سه‌بعدی و زنده از محیط اطراف بسازند. رایانه مرکزی خودرو بی‌وقفه این اسکن زنده را با لایه‌های هندسی نقشه از‌پیش‌ذخیره‌شده مقایسه می‌کند. یافتن دقیق‌ترین تطابق ریاضی میان این دو، مختصات دقیق خودرو را مشخص می‌کند.[8]

تطبیق و انطباق ابرهای نقاط

این فرایند که به «تطبیق نقشه» شهرت دارد، ادراک خودرو را محکم به واقعیت کالبدی و فیزیکی خیابان گره می‌زند. الگوریتم‌ها با جابه‌جایی و دوران مجازی ابرنقاط زنده تا زمان همپوشانی کامل آن با نقشه مرجع، موقعیت ماشین را برآورد می‌کنند. حاصل این کار، یک تخمین مکان‌یابی بی‌نهایت دقیق و بدون وابستگی به رانش سیگنال‌های ماهواره‌ای است.[2]

یکی از ابزارهای کلیدی این کار، الگوریتم «نزدیک‌ترین نقطه تکرارشونده» (ICP) است که فاصله ریاضی بین نقاط اسکن زنده و نقاط متناظر در نقشه ذخیره‌شده را به کمترین مقدار می‌رساند. این الگوریتم ماتریس تبدیل بهینه برای انطباق دو مجموعه داده را به شکل بازگشتی محاسبه می‌کند؛ روشی بسیار دقیق که البته در صورت پرت بودن حدس اولیه، بار پردازشی سنگینی به سیستم تحمیل می‌کند.[2]

در نقطه مقابل، روش «تبدیل توزیع نرمال» (NDT) ابرنقاط مرجع را به مجموعه‌ای از توابع چگالی احتمال روی یک شبکه شطرنجی بدل می‌کند. در اینجا به جای انطباق تک‌تک نقاط، اسکن زنده با این توزیع‌های آماری تطبیق داده می‌شود. این روش محاسبات سبک‌تری دارد و در برابر تغییرات جزئی محیط تاب‌آورتر است، از همین رو در کاربردهای خودرویی محبوبیت بالایی یافته است.[2]

دقت حاصل از تطبیق نقشه لیزری جهش چشمگیری دارد. آزمون‌های میدانی نشان می‌دهند که ناوبری بر پایه لایدار می‌تواند به دقت مکانی خیره‌کننده ۶ تا ۱۳ سانتی‌متر برسد. افزون بر این، این روش زاویه جهت‌گیری خودرو را با دقت ۰.۱۵ درجه می‌سنجد و تضمین می‌کند خودرو دقیقاً می‌داند دماغه آن به کدام سو نشانه رفته است.[2]

هزینه‌های پردازشی و تلفیق داده حسگرها

با این وجود، انطباق لحظه‌ای ابرنقاط پرحجم به توان پردازشی سرسام‌آوری نیاز دارد. یک تک‌اسکن لایدار شامل صدها هزار نقطه داده است و خودرو ناچار است این انطباق را ده‌ها بار در هر ثانیه تکرار کند. مهندسان برای کاهش این بار محاسباتی، نقشه‌ها را به سلول‌های شبکه‌ای منظم خرد کرده و تنها الگوهای هندسی بارز را استخراج می‌کنند.[2]

از سوی دیگر، ذخیره داده‌های سانتی‌متری سراسر یک کلان‌شهر به حافظه ذخیره‌سازی عظیمی نیاز دارد. ابرنقاط خام تنها یک بلوک شهری می‌تواند چندین گیگابایت فضا اشغال کند و بارگذاری کل شهر در حافظه خودرو عملاً غیرممکن است. راه‌حل توسعه‌دهندگان، فشرده‌سازی اطلاعات در قالب‌هایی سبک است که فقط لبه‌ها و مرزهای هندسی حیاتی را نگه می‌دارد.[2]

ساختارهای نوین نقشه‌نگاری، مانند مدل‌های درختی گسترش‌یافته (Extended QuadTree)، از یک شبکه مسطح برای تقسیم‌بندی محله‌ها به همراه یک مدل احتمال اشغال فضا در چهار سطح استفاده می‌کنند. این قالب‌های فشرده‌سازی نیاز به حافظه ذخیره‌سازی را تا هشت برابر کاهش می‌دهند و این امکان را پدید می‌آورند که خودرو بتواند نقشه محله‌های مجاور را بدون معطلی در حافظه خود ذخیره و مرور کند.[2]

علاوه بر این، سیستم برای حفظ سرعت به جای بررسی تک‌تک بازتاب‌های لیزر، روی نشانه‌های ثابت و بدون تغییر متمرکز می‌شود؛ مواردی مانند کنج دیوارها و لبه جداول معابر. المان‌های متحرک مانند عابران پیاده و سایر خودروها از این محاسبات فیلتر می‌شوند تا از انطباق اشتباه جلوگیری شود؛ رویکردی که مصرف برق و فشار روی باتری خودرو را تعدیل می‌کند.[3]

مرزها و محدودیت‌های تطبیق نقشه

با همه این مزایا، تطبیق نقشه به تنهایی معجزه نمی‌کند. اگر خیابانی وارد فاز عملیات عمرانی گسترده یا تغییر بافت ساختمانی شود، محیط واقعی دیگر با همزاد دیجیتال ذخیره‌شده همخوانی نخواهد داشت و الگوریتم دچار گیجی می‌شود. برف‌های تلنبارشده در کناره‌ها و بارش شدید باران نیز می‌توانند فرم هندسی خیابان را در چشم حسگرهای لیزری دگرگون کنند.[5]

برای حفظ ضریب ایمنی در تمام فصول، خودروهای خودران عملیاتی از یک معماری مکان‌یابی چندلایه بهره می‌برند. آنها داده‌های تطبیق نقشه لایدار را با سرعت‌سنجی بصری دوربین‌ها، داده‌های اینرسی و هر سطح ضعیفی از امواج ماهواره‌ای موجود تلفیق می‌کنند. این هم‌افزایی چندحسگری تضمین می‌کند که اگر یک چشم خودرو در اثر شرایط محیطی کور شد، سایر حسگرها بی‌درنگ هدایت خودرو را در دست بگیرند.[5]

چرخش از تکیه مطلق بر ماهواره‌ها به سوی مکان‌یابی مبتنی بر تطبیق نقشه، نقطه عطفی در مهندسی ناوبری خودران به شمار می‌آید. مهندسان با تبدیل کالبد فیزیکی خیابان‌ها و برج‌ها به یک شاخص ناوبری، محدودیت‌های ذاتی امواج رادیویی را دور زده‌اند. دره شهری دیگر نقطه کور ناوبری نیست، بلکه خود به ساختاری شفاف تبدیل شده که خودرو را در مسیرش پیش می‌برد.[6]