Väitös konetekniikan alalta, DI Alvari Seppänen

Autonomisen ajoneuvon havaitseminen ja navigointi epäsuotuisissa olosuhteissa

Autonominen liikkuvuus on kasvattanut suosiotaan viime vuosina lupaamalla turvallisempia ja tehokkaampia liikennejärjestelmiä. Täysin autonomisen liikenteen toteutumista hidastavat kuitenkin monet haasteet. Tämä opinnäytetyö käsittelee haasteita, jotka liittyvät ulkona liikkuvien robottien havaitsemiseen ja navigointiin epäsuotuisissa olosuhteissa. Nämä olosuhteet viittaavat huonoon säähän ja rajoitettuun viestintään etäkäyttäjän ja robotin välillä. Epäsuotuisat sääolosuhteet vaikuttavat havainnointijärjestelmiin, kuten suosittuihin valontunnistus- ja etäisyysantureihin (LiDAR), aiheuttaen tietyntyyppistä kohinaa dataan. Tämän työn tarkoituksena on vaimentaa tämä kohina ja siten tarjota puhdasta dataa loppupään järjestelmille. 

Työssä tutkitaan kahta syvään oppimiseen perustuvaa kohinanvaimennuslähestymistapaa: valvottua lähestymistapaa, joka hyödyntää spatiotemporaalista moduulia ja itseohjattua monikaikulähestymistapaa. Valvotun menetelmän spatiotemporaalinen moduuli mahdollistaa tehokkaan datan käytön ja yleistyksen puolisynteettisestä täysin todelliseen dataan. Itsevalvottu lähestymistapa oppii ennustamalla datapisteiden korrelaatiota naapureihinsa ja hyödyntää monikaikupistepilviä kiinteitä esineitä edustavien pisteiden palauttamiseen. Kokeet osoittavat, että mallit saavuttivat 10 % ja 23 % parempia tuloksia verrattuna vastaaviin huipputason tekniikoihin. 

Toinen käsitelty haaste on navigointi, kun etäkäyttäjän ja puoliautonomisen robotin välinen viestintä vaikeutuu. Puoliautonomisia ohjausstrategioita ehdotetaan auttamaan käyttäjää, kun viestintäsignaali rajoittaa järjestelmän suorituskykyä. Kokeet mobiilirobotin prototyypillä paljastivat, että strategiat paransivat navigointinopeutta 12 %. 

Syväoppimismalleja voidaan soveltaa LiDAR:ia käyttäviin autonomisiin ajoneuvoihin. Mallit mahdollistavat luotettavamman datankeruun epäsuotuisissa sääolosuhteissa. Puoliautonomisia ohjausstrategioita voidaan soveltaa robotteihin, joissa on kauko-ohjattuja toimintoja ja jotka kärsivät yhteysongelmista. Kaiken kaikkiaan tämän opinnäytetyön tulokset mahdollistavat luotettavampia ja tehokkaampia autonomisia ajoneuvoja tutkituissa epäsuotuisissa olosuhteissa ja luovat pohjaa tulevalle tutkimukselle.

Tohtoriopiskelija: Alvari Seppänen

Vastaväittäjä: Professori Martin Martin Törngren, KTH Royal Institute of Technology, Stockholm, Sweden

Kustos: Prof. Kari Tammi, Aalto-yliopiston insinööritieteiden korkeakoulu, konetekniikan laitos

Väitöstilaisuus järjestetään Luentosalissa 216, Otakaari 4

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Tohtoriopiskelijan yhteystiedot:

Tekniikan korkeakoulujen väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/49