🎅🏾 ✍️ 🎴 जैसा कि हमने एक शानदार लोकोमोटिव के लिए दुनिया का सबसे अच्छा ऑटोपायलट लिखा था 💞 ⏹️ 👏🏿

परीक्षणों के लिए इस्तेमाल किए गए शुरुआती प्रोटोटाइप में से एक।

मुझे तुरंत कहना चाहिए: वह सबसे शांत है क्योंकि वह तीसरे स्तर का एकमात्र ऑटोपायलट है जिसे परीक्षण ऑपरेशन में लाया गया है। और वह केवल ट्रायल ऑपरेशन के लिए लाया गया था क्योंकि ऑटोपायलट ट्राम और कुछ और के अनुभव के बिना, यह बस इस बाजार में आने का कोई मतलब नहीं है। बहुत सारे डीजल इंजन हैं, कार्य उत्पादन के लिए दिलचस्प और महत्वपूर्ण है, लेकिन यह एक अलग के रूप में भुगतान नहीं करता है। हम इस विषय पर एनआईएएएएस और सीमेंस के घटनाक्रमों के बारे में जानते हैं, लेकिन हम यह नहीं जानते हैं कि उनके ट्रामों ने शहरी वातावरण में कहीं यात्रा की, और लोकोमोटिव ने वास्तविक वस्तुओं का परिवहन किया।

चूँकि हम पहले से ही मानव रहित ट्राम के साथ कई अलग-अलग विकास और समाधान हैं रूस और चीन में, हमने कार्यशालाओं के लिए कच्चे माल को पहुंचाने के लिए इस्तेमाल किए जाने वाले शंटिंग डीजल इंजनों के एक बड़े बेड़े के साथ एक बड़े उद्यम के साथ प्रयोग करने का फैसला किया।

वहां, समस्या यह है कि लोकोमोटिव की आवाजाही को कई संकेतों, लोगों और बुनियादी ढांचे की स्थितियों, साथ ही डिस्पैचर की टीमों द्वारा नियंत्रित किया जाता है। चालक को रात भर सहित पूरी शिफ्ट (लगभग 12 घंटे) में अत्यंत चौकस रहना चाहिए। नतीजतन, जल्दी या बाद में, वह या तो कुछ याद करता है और एक दुर्घटना होती है, या किसी को नीचे गिरा देता है। यह जीवन है, परिवहन चोटें होती हैं, लेकिन विशेष रूप से इन स्थितियों में, आप डीजल इंजनों पर रडार लगाने का जोखिम उठा सकते हैं, क्योंकि न केवल एक डीजल लोकोमोटिव उठता है, बल्कि एक पूरे बड़े उद्यम। बहुत देर तक। टकराव से बचाव और ऑटोपायलट कॉकपिट में एक व्यक्ति पर भार को बहुत कम कर सकते हैं, और फिर उत्पादन नहीं उठेगा।

तस्वीर में मॉड्यूल कैमरा इकाई के शुरुआती प्रोटोटाइप में से एक है जिसे हमने शुरू किया था। उस क्षण से वह महत्वपूर्ण बदलावों से गुजरा, लेकिन यह देखना हमेशा दिलचस्प होता है कि यह सब कैसे शुरू हुआ। अब मैं आपको बताता हूँ कि कैसे रोबोट आमतौर पर स्टेशनों पर नेविगेट करने में सक्षम होते हैं, क्योंकि यह कार्य वास्तव में गैर-तुच्छ है।

हमारा ऑटोपायलट कठिन मौसम और जलवायु परिस्थितियों और किसी भी हल्की स्थिति में सुरक्षित संचालन सुनिश्चित करता है।

यहां लोकोमोटिव पर क्या रखा गया है:

कैमरा यूनिट के हार्डवेयर में वर्तमान संस्करण पहले प्रोटोटाइप से बहुत अलग है।

तीन कैमरों की जरूरत है क्योंकि यह डिजाइन काफी तेजी से आगे बढ़ सकता है, ट्राम के विपरीत, रोक दूरी बड़ी है (ट्राम लगभग एक आपातकालीन स्थिति में मिलती है), और लोड पीछे भारी है। इसलिए, अग्रिम स्थिति की भविष्यवाणी करना आवश्यक है। बहुत बार ऐसी कहानियों में ट्रैफिक लाइट के संकेतों को पढ़ना आवश्यक होता है:

इसलिए, तीन कैमरे हैं:

यहां वे देखते हैं:

प्लस बस्तर।

एक सेटअप काफी महंगा है, लगभग 15 हजार डॉलर की जरूरत है। यह एक कार पर नहीं डाला जाएगा, क्योंकि कॉम्प्लेक्स को कार से अधिक खर्च नहीं करना चाहिए। लेकिन डीजल इंजनों पर इस तरह के हार्डवेयर-सॉफ्टवेयर कॉम्प्लेक्स को तैनात करना उचित है, और यह भुगतान करता है। और कार्य अलग है। अंतिम सम्मेलन में, Google ने सेंसर का अपना पूरा सेट दिखाया, जो कि उनकी राय में, हर मानव रहित वाहन पर स्थापित किया जाना चाहिए, जहां कीमत 100 हजार डॉलर से अधिक है। वे और हम दोनों का अभिसरण दोहराव है: यदि कोई सबसिस्टम विफल हो जाता है, तो बाकी के लिए डिपो (सेवा) में जाना संभव होगा।

रूस में क्यों शुरू हुआ

क्योंकि हम कृषि मशीनरी में TOP-3 में, रेलवे में TOP-5 में हैं, और हमारे पास दुनिया में सबसे विकसित ट्राम नेटवर्क में से एक है (लेकिन शीर्ष दस से परे, कम से कम चीन के साथ तुलना करें)। ट्रैक्टर, कंबाइन, ट्राम और डीजल इंजनों का विश्व बाजार ऑटोमोबाइल का एक तिहाई है। तीसरा। और इस सब के विकास के लिए हमारे पास एक आदर्श देश है, क्योंकि 90 के दशक में वे सभी ध्वस्त हो गए थे और खरीद नहीं पाए थे, और बहुत सारे उपकरण अब लगभग ताजा हैं, यानी, पिछली से पहले लगभग कोई पीढ़ी नहीं है।

दुनिया में - 300 हजार लोकोमोटिव। हमारे देश में - रूसी रेलवे से 50 हजार लोकोमोटिव। इनमें से 15 हजार शंटिंग हैं। इसके अलावा, निजी मालिकों के 10 हजार लोकोमोटिव हैं। ये सबसे अधिक बार बड़े पौधे होते हैं - धातुकर्म पौधे। 250 लोकोमोटिव - नोवोलिपेटस्क पर, उदाहरण के लिए, जहां हमने परीक्षण किए। वे एक विशिष्ट समस्या को हल करते हैं: मुख्य रेलवे को तैयार उत्पादों के उत्पादन या शिपमेंट के लिए कच्चे माल की डिलीवरी की प्रक्रिया की निरंतरता। ऐसे कार्यों के साथ रासायनिक, धातुकर्म और खनन उद्यम हैं।

प्रति वर्ष 1,000 से कम डीजल इंजनों का उत्पादन किया जाता है। यह aftermarket है - आपको वर्तमान बेड़े से निपटने की आवश्यकता है। इसे सुसज्जित करना आवश्यक है।

और हम यह बहुत अच्छी तरह से कर सकते हैं।

बाहर से लगता है कि बंद क्षेत्रों में दुर्घटनाओं की संख्या अधिक है। वे लगभग हमेशा हताहतों की संख्या के बिना होते हैं, लेकिन सामग्री की क्षति (तीर कटौती, ट्रेन पटरियों से चली गई) के साथ, और उत्पादन की लय हमेशा टूट जाती है, जबकि मरम्मत चल रही है।

कार्य L3 - एक मानव रहित लोकोमोटिव बनाना है।

फेसला

ट्राम संचालन समय आपको मार्ग को अच्छी तरह से बनाए रखने की अनुमति देता है:

और बाधाओं को देखना अच्छा है:

लेकिन केवल लोकोमोटिव पर कोड प्राप्त करने और रोल करने से काम नहीं चलेगा। तथ्य यह है कि अगर ट्राम मार्ग काफी सरल है (न्यूनतम शाखाओं के साथ दो-ट्रैक), तो लोकोमोटिव में स्टेशनों की बहुत अधिक जटिलता है, और आपको पटरियों के घने क्लस्टर में बहुत अच्छी तरह से नेविगेट करने की आवश्यकता है।

प्लस शंटिंग डीजल लोकोमोटिव - वे पूरे देश में यात्रा नहीं करते हैं, लेकिन अपने बंद मार्गों के साथ चलते हैं। हमने जो पहला काम किया, वह योजनाओं और उपग्रह चित्रों के आधार पर एक सहायक डेटा स्रोत के रूप में ट्रैक मैप बनाने शुरू करने के लिए था (हमें यह स्वीकार करना चाहिए कि यह उपग्रह चित्रों के साथ बहुत तेज़ और अधिक विश्वसनीय निकला)। यही है, उन्होंने पथ को उजागर करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित किया, लेकिन अब तक हम परिणाम को हाथ से समायोजित कर रहे हैं। निम्नलिखित योजनाएँ प्राप्त की गईं:

बोर्ड पर एक उच्च परिशुद्धता जीपीएस + ग्लोनास (महंगी भी है, लेकिन यहां आप कर सकते हैं), एक दृश्य अभिविन्यास योजना और एक रडार है। इसका मतलब यह है कि आप मार्ग के एक हिस्से के लिए निर्देशांक में संलग्न कर सकते हैं, और आसपास की वस्तुओं की मान्यता के कारण, सटीक स्थान "पता लगा" सकते हैं।

उपग्रह मानचित्र होने पर यह सुविधाजनक है।

इसलिए, अगला काम हमने डीजल इंजनों को स्टेशनों पर पढ़ाना शुरू करना था। वास्तव में, मार्ग के साथ प्रत्येक मार्ग पर, लोकोमोटिव आसपास की वस्तुओं को याद करता है और उन्हें स्थायी और अस्थायी में विभाजित करने के लिए पहचानता है (यह एक कनस्तर या किसी व्यक्ति द्वारा नेविगेट करने के लिए अजीब है, लेकिन डंडे, ट्रैफिक लाइट और तीरों की समग्रता से यह काफी संभव है)। फिर वह मानचित्र पर प्रोजेक्ट करता है। यह डेटा स्रोतों में से एक है, और यह ऑटोपायलट द्वारा निर्णय लेने की सटीकता में बहुत सुधार करना संभव बनाता है। स्टोरेज एल्गोरिथ्म लगभग फेसआईडी के समान है: प्रशिक्षण सेट में नया सफल डेटा जोड़ा जाता है।

स्वाभाविक रूप से, हमें शुरुआत में मैन्युअल रूप से डेटासेट को चिह्नित करने की आवश्यकता थी। सबसे सुखद और तेज़ काम नहीं है, लेकिन बहुत आवश्यक है। केवल सुविधा पर डेटासेट एकत्र करना संभव था, क्योंकि बहुत अंदर वाणिज्यिक बैंकों की तरह कुछ भी नहीं था।

स्टेशनों की विशेषताओं में से एक उज्ज्वल प्रकाश और मान्यता के लिए खराब स्थितियां हैं। यहां आवश्यक रूप से पैदल चलने वालों की खोज करने के लिए रडार की आवश्यकता होती है, वीडियो एनालिटिक्स स्वयं नहीं खींचते हैं:

यहां बताया गया है कि आप स्टीरियो विज़न की कीमत पर खराब दृश्यों (पटरियों पर मनमानी बाधाएं, वस्तुओं के लिए दूरी का अनुमान) कैसे खींच सकते हैं, जो पर्यावरणीय तस्वीर की निम्न-स्तरीय परिभाषा के लिए अधिक डेटा बनाता है:

चूंकि रडार - अपने स्वयं के डिजाइन के कारण, हम सभी सेंसरों से निम्न-स्तरीय डेटा प्राप्त करने में सक्षम हैं और सामान्य से सीधे फ्लाई पर तंत्रिका नेटवर्क से अधिक सहसंबंधों को बाहर निकालते हैं। मूल रडार स्कैन से शामिल है। यह भी परियोजना के लिए बहुत महत्वपूर्ण निकला।

बेशक, हम लोगों के आंदोलन के पूर्वानुमान का भी उपयोग करते हैं (ट्राम के बारे में अधिक विवरण अंतिम पोस्ट में हैं)। लेकिन यहां सब कुछ सरल है, लोग लगभग नहीं जाते हैं और इसे पाने के प्रयास में डीजल लोकोमोटिव के नीचे कूदने की कोशिश नहीं करते हैं। यहाँ बाधा से बचाव कर रहे हैं:

यह इस प्रकार है कि तीर की स्थिति का पता लगाया जाता है: हम नेविगेशन में तीर की प्रतीक्षा करते हैं, तीर की तलाश करते हैं, करीब से देखने के लिए दूर के कैमरे पर स्विच करते हैं, तीर के साथ खंड का चयन करें इसे न्यूरॉन में खींचते हुए, हम तीर की स्थिति का परिणाम प्राप्त करते हैं।

साधारण से अलग डीजल लोकोमोटिव के कार्यों में क्या अंतर है?

शंटिंग - ये ऐसे उपकरण हैं:

यहां यह अधिक सुंदर है:

इस तरह के लोकोमोटिव को लगभग लगातार इस तथ्य से कब्जा कर लिया जाता है कि यह ट्रेन के साथ आ रहा है और डॉकिंग कर रहा है।

आंदोलन की विशेषताएं यह है कि वह खींचता है और धक्का देता है। यह दो दिशाओं में चलता है, अर्थात, आधा दिन कैब से मुख्य दृश्य के खिलाफ जाता है।

युद्धाभ्यास पर बहुत सारी पाबंदियां हैं, आम लोगों के अलावा खुद की ट्रैफिक लाइटें भी हैं।

यदि साधारण लाइनों पर कुछ तीर हैं, तो स्टेशन के अंदर शंटिंग में आमतौर पर स्विच का पूरा नेटवर्क होता है। जीपीएस + आरटीके सुधार स्टेशनों पर पर्याप्त नहीं हैं, क्योंकि चारों ओर बहुत सारे लोहे हैं। कलमन फ़िल्टरिंग पथ संरक्षण की गारंटी नहीं देता है। हमारे पास लगातार डेढ़ मीटर है - अगला रास्ता है, और हम खुद को वहां रख सकते हैं, इससे एल्गोरिथ्म की त्रुटियां होती हैं। हमने निम्न-स्तरीय डेटा के लिए एक कण फ़िल्टर का उपयोग किया - यह स्थिति सटीकता में सुधार करने के लिए 10 बार अनुमति देता है। कण फ़िल्टरिंग कंप्यूटिंग में मुश्किल है (इसे दरकिनार किया जा सकता है), और हम स्पष्ट रूप से एक मोशन मॉडल निर्दिष्ट नहीं कर सकते हैं। लेकिन आप उसे सभी सेंसरों से डेटा दे सकते हैं: यह ओडोमेट्री, स्टेशन पर पोल, ट्रैफिक लाइट और तीर हैं, हम एक वर्चुअल मैप के लिए बाध्य हैं। पुलों के नीचे काम करता है। स्तंभों के सामने वितरणस्टेशन पर शूटर और ट्रैफिक लाइट आपको जीपीएस की तुलना में अपनी स्वयं की स्थिति का अधिक सटीक आकलन करने की अनुमति देता है। भविष्य में, हम आरटीके सुधारों को पूरी तरह से छोड़ने की योजना बनाते हैं, स्थिति की प्रारंभिक मूल्यांकन के लिए केवल जीपीएस की आवश्यकता होगी। इसके बाद नक्शे पर और कैमरे / रडार पर स्तंभों का सहसंबंध है।

ट्राम की तुलना में ट्रैफिक लाइट अधिक जटिल हैं। ट्रैफिक सिग्नल के बीच अंतर करना आवश्यक है। लाइनों पर एक ALSN है, और शंटिंग कार्यों के लिए, स्टेशन के अंदर रेल के साथ सिग्नल को डुप्लिकेट नहीं किया गया है। एक नाइट मोड की आवश्यकता है, यह तब है जब ट्रैफिक लाइटें कैमरे को रोशन करती हैं। दिन के मोड में, वे कभी-कभी हल्के होते हैं। इसके लिए वे एक फिल्टर सिस्टम लेकर आए। रचना को रोकने के लिए समय के लिए 300 मीटर तक पहचान करना आवश्यक है।

एक तैयार और चिह्नित उपग्रह मानचित्र के साथ, यह अच्छी तरह से निकलता है, लेकिन ऑटोपायलट खुद नए स्टेशन पर पांच या छह यात्राओं के बाद सीख सकता है, इसलिए, यदि कार्यालय मानचित्र तैयार नहीं करता है, तो आपको नए स्टेशनों पर खाली यात्रा करनी होगी। दूसरी ओर, यदि कार्ड पुराना हो गया है, तो हमारा रोबोट खो नहीं जाएगा। यह महत्वपूर्ण है कि यह बहुत सारे संसाधनों का उपभोग करता है, क्योंकि आपको न केवल वस्तुओं को देखने की जरूरत है, बल्कि प्रत्येक के प्रकार का विश्लेषण करना होगा। स्थानांतरण अधिकारी एक स्थायी वस्तु बन सकता है, क्योंकि वह हमेशा एक ही स्थान पर होता है, लेकिन यदि उसे किसी व्यक्ति का एक वर्ग सौंपा जाता है, तो रोबोट समझता है कि इसे मानचित्र पर डालने का कोई मतलब नहीं है।

चालक को यात्रा की दिशा में 180 डिग्री का सर्वेक्षण करने के लिए एक सहायक की आवश्यकता होती है, क्योंकि लोकोमोटिव के सामने इंजन डिब्बे के साथ एक संरचना होती है, और यह बाईं ओर की हर चीज पर चालक को देखने को बंद कर देती है। और या तो ड्राइवर को एक सहायक के साथ सवारी करनी चाहिए (आमतौर पर एक की अनुमति नहीं है), या एक समीक्षा और ऑटोपायलट सिस्टम की आवश्यकता है।

परीक्षण और प्रमाणन के बाद, साइट पर एक सहायक के बिना हमारे सिस्टम को तिरस्कृत किया जा सकता है। सिस्टम सो नहीं जाएगा।

यहाँ सबसे अच्छा चित्रण होता है। बेलाज एक डीजल इंजन से टकरा गया। लोकोमोटिव खो गया, और बेलाज़ का निलंबन उड़ गया और बीम टूट गया। अब आप जानते हैं, व्हेल जीतती है या हाथी।

ब्रेक लगाना काफी मुश्किल था। ट्राम के मामले में, हम लचीले ढंग से प्रक्रिया को नियंत्रित करते हैं और आंशिक ब्रेकिंग कर सकते हैं। एक ट्रेन के मामले में - केवल एक पूर्ण विराम के लिए, अन्यथा एक ट्रेन ब्रेक हो सकता है। ट्राम टकराव से पहले के समय को धीमा और नियंत्रित कर सकती थी। यह इसकी ब्रेकिंग प्रणाली और निश्चित वजन के कारण है। हर बार ट्रेन अलग-अलग होती है, 100 कारों तक होती हैं, और एयर ब्रेक को कुछ सेकंड के लिए हटा दिया जाता है। बड़ी समस्या यह है कि यदि हम ट्रेन के ब्रेक को नियंत्रित करते हैं, तो हमें पूरे ट्रेन में दबाव को नियंत्रित करने की आवश्यकता है, जो ऑटोपायलट के नियंत्रण से थोड़ा बाहर था।

वास्तव में सिस्टम क्या करता है?

अब यह एक ट्रैफ़िक लाइट पर ऑटो-ब्रेकिंग की शुरुआत करता है, जो ऊनी तीर की स्थिति को रोकता है, जब ट्रेन से संपर्क किया जाता है, तो यह सहिष्णुता से तेज होता है या जब पटरियों पर बाधाएं होती हैं (एक व्यक्ति सहित)। हम टकराव के पूर्वानुमान, वस्तुओं के प्रक्षेपवक्र, ट्रेन की गति की गणना करते हैं। यदि कोई व्यक्ति, अपने इरादों के अनुसार, उसी समय रास्तों को पार करता है जब ट्रेन वहां जाती है, तो पहले एक चेतावनी, यदि समय कम है, तो हम निषेध शुरू करते हैं।

सामान्य सिद्धांत:

परीक्षा का आधार वोलोग्दा में था, क्योंकि वहां वे सुरक्षा को बहुत गंभीरता से लेते हैं। कुछ साल पहले, लोकोमोटिव चालक सो गया और निषेध संकेत के माध्यम से टैंक में चला गया। नतीजतन, कार पलट गई, टैंकों का एक झुंड रेल से दूर चला गया, यह अच्छा है कि वे खाली थे। तस्वीरें हैं, वे बहुत प्रभावशाली हैं।

यदि टैंक खाली नहीं होते हैं, तो कोई भी तस्वीर नहीं होगी, बस सब कुछ हवा में उड़ गया होगा। थके हुए चालक को बाहर से ऐसा लगता है कि अधिक बार निषेध प्रकाश मिलेगा। बहुत संभावना मामला नहीं है, लेकिन वॉकी-टॉकी पर डिस्पैचर की कमान की गलतफहमी (यदि डिस्पैचर की अनुमति है तो आप नीले रंग के नीचे सवारी कर सकते हैं)। लेकिन यदि आप तीर को नहीं देखते हैं, तो इसे हैक किया जाएगा। वर्तमान दस्ते के लिए कुछ भी नहीं होगा, लेकिन अगले एक विपरीत दिशा में यह रेल से दूर जा सकता है।

ड्राइवर की कैब से ऐसा दिखता है:

जैसा कि आप देख सकते हैं, हम सही तरीके से इस तथ्य की ओर बढ़ रहे हैं कि पुरानी चेमज़िकी (कुछ क्षेत्रों में उन्हें चुम्मक भी कहा जाता है) बहुत ही मानव रहित वाहन होंगे। कम से कम, या एक सहायक सह-पायलट के साथ। यह पहले से ही है और काम करता है।

अंतभाषण

दिसंबर 2019 में, हमने ड्राइवर की मदद के लिए एक हार्डवेयर-सॉफ्टवेयर कॉम्प्लेक्स बनाने के लिए रूसी रेलवे के साथ एक परियोजना को पूरा किया, स्वायत्त नियंत्रण की संभावना के साथ एक प्रोटोटाइप शंटिंग लोकोमोटिव प्रस्तुत किया। काम के पहले परिणामों को पिछले साल जुलाई में रूसी रेलवे के प्रबंधन को दिखाया गया था और इसे बहुत सराहा गया था। आज, समझौते के तहत, Cognitive Rail Way Pilot बुद्धिमान सिस्टम को ChMEZ ब्रांड के दस शंटिंग लोकोमोटिव पर स्थापित किया गया है।

सड़क प्रबंधकों के साथ रूसी रेलवे ओलेग बेलोज़रोव के प्रमुख और तुला क्षेत्र के गवर्नर अलेक्सी ड्यूमिन, तुला रेलवे के स्चेकिनो स्टेशन पर रेलवे प्रमुखों की XV विधानसभा के हिस्से के रूप में संज्ञानात्मक पायलट विशेषज्ञों के साथ नौकरी करते हैं।

कॉग्नेटिव पायलट टीम ने तुला रेलवे के स्चेकिनो स्टेशन पर रूसी रेलवे और तुला क्षेत्र के प्रबंधन के लिए एक संयुक्त परियोजना के परिणामों को सफलतापूर्वक प्रदर्शित करने के बाद।

जैसा कि हमने एक शानदार लोकोमोटिव के लिए दुनिया का सबसे अच्छा ऑटोपायलट लिखा था

रूस में क्यों शुरू हुआ

फेसला

साधारण से अलग डीजल लोकोमोटिव के कार्यों में क्या अंतर है?

वास्तव में सिस्टम क्या करता है?

अंतभाषण

More articles: