🤖 #Технологии #Автономность
🤖 #Технологии #Автономность Как мы научили робота игнорировать туман и не спотыкаться о воздух Утром SpeedyBot упёрся в невидимую стену. Лидар исправен, грязи нет, а на облаке точек — аккуратное кольцо вокруг корпуса. Типичный «ёжик в тумане»: вместо препятствий — ложные отражения от капель. Проанализировав 731 подозрительную точку, нашли общий признак: отражательная способность 2–3. Это был шум лёгкого тумана. Записали минуту работы — 598 сканов, 5,8 млн точек — и начали эксперименты. Сначала просто вырезали слабые ближние отражения без поддержки соседей. Подавили 97% ложных кандидатов в зоне 0,4–2,2 м. Но из-за раздувания препятствий в costmap робот всё равно не проезжал. Пришлось чистить кольцо целиком. Добавили секторный анализ: разбили круг на 24 сектора и оценивали заполнение ближней сферы. Туман образует широкое облако, предметы — компактные структуры. Внутри кольца искали геометрию реальных объектов, отбрасывая случайные точки. Усложнили защиту тонких предметов — перекладин и проволоки — через гипотезы прямых вместо PCA. Финальный классификатор препятствий запустили в QEMU на ARM64. В туманном прогоне — ноль выходных точек в исследуемой сфере. На ясных поездках сохранились все 877 наблюдений контрольных предметов. 57 тестов, 2489 кадров — и «стена из воздуха» исчезла. Теперь робот видит разницу между облаком капель и настоящим столбом. Туман — вне игры. #УчиДрон
Канал в каталоге Максиметера
2 223 подписчиков · IT и технологии