Door Hayte Hugo

Redacteur

Studenten maken zelfrijdende karts

Challenge helpt ontwikkeling autonome auto's

13-06-2022 • 06:00

12

Inleiding

Al sinds de jaren tachtig reizen om de zoveel jaar studententeams naar Australië om met door zonne-energie aangedreven auto's zo snel mogelijk van het noorden naar het zuiden van dat land af te reizen. Naast het competitie-aspect is het doel van het project om ervaring en kennis op te doen met die zonneauto's. In de loop der jaren is het aantal teams en klassementen in de World Solar Challenge gegroeid en heeft de organisatie ermee bijgedragen aan de ontwikkeling van elektrische auto's. Het bekendste voorbeeld hiervan is misschien wel Lightyear, de Nederlandse zonneautofabrikant die is opgericht door voormalige winnaars van de Challenge.

De laatste technische inspanningen voor de start van de Challenge

De Nederlandse RDW - voorheen bekend onder de naam Rijksdienst voor het Wegverkeer - hoopt soortgelijke resultaten te bereiken met zijn eigen wedstrijd: de Self Driving Challenge. In deze wedstrijd staan in plaats van zonneauto's autonome auto's centraal, en hij is vooralsnog minder groots opgezet dan de World Solar Challenge. Deelnemers reizen niet naar Australië maar naar het Drentse Assen, en het deelnemersveld - bestaande uit drie teams van evenzoveel hogescholen - is een stuk kleiner dan de tientallen teams die aan de World Solar Challenge meedoen.

Daar staat tegenover dat RDW's versie een stuk jonger is. Vrijdag 8 juni vond pas de vierde editie van de wedstrijd plaats. De drie teams streden op het TT Circuit Assen om wie op het Junior-circuit het verst kon komen met een autonoom voertuig, zonder daarbij van de baan af te gaan. In dit artikel kijken we naar die race, waarom de RDW hem organiseert en welke teams er meededen.

Specificaties van de elektrische karts

- De 48V-elektromotor levert 3,5kW, oftewel 4,7pk.

- De accucapaciteit bedraagt 1,44kWh.

- Hoewel de karts een maximumsnelheid van 80km/u hebben, zullen ze tijdens de Challenge niet harder dan 20km/u rijden.

- In de Intel NUC 11 Performance zit een quadcore Core i5-1135G7 en 8GB DDR4-geheugen.

- Die NUC draait op Ubuntu.

- De Logitech StreamCam kan 1080p-beelden schieten met 60fps.

- Om de kart te kunnen besturen, zit er een servomotor aan het stuur. Het rempedaal wordt met een lineaire actuator bediend.

Twee omgebouwde elektrische karts

Autofabrikanten kunnen erover meepraten: het bouwen van een autonoom voertuig is ontzettend lastig. Om de studenten er een handje bij te helpen, kocht de RDW twee elektrische karts voor de Challenge. Deze zijn voorzien van een Logitech StreamCam-webcam, een servomotor die aan het stuur is gekoppeld en een lineaire actuator die het rempedaal bedient. De studententeams kregen verder elk een Intel NUC-mini-pc die in de kart kan worden geplaatst.

Over de hardware hoefden de studenten zich dus geen zorgen te maken; deze Self Driving Challenge draait vooral om de software. "Het doel is om ervoor te zorgen dat je met je voertuig zo snel mogelijk het circuit afmaakt, of dat je zo ver mogelijk komt zonder fouten te maken", zegt Joël Coster, datascientist bij RDW en medeorganisator van de Self Driving Challenge.

Daarbij hanteerden de drie teams iedere een eigen strategie. Alle drie gebruikten ze Python om de code te schrijven, maar twee teams gebruikten daar bovenop TensorFlow om neurale netwerken te programmeren. "Op testdagen koppelden ze een Xbox-controller aan de kart en reden er vervolgens rondjes mee op het circuit. Zo voorzagen ze het neurale netwerk van data. Hoeveel gas geef ik, wanneer stuur ik, hoeveel stuur ik, wanneer rem ik? Die data is het netwerk gaan verwerken en zo kan dat netwerk de kart vertellen hoe hij op het circuit kan rijden."

Kart wordt getest op een testdag van de Self Driving Challenge
Een van de karts wordt getest op een testdag van de Self Driving Challenge

Een van de twee neurale-netwerkteams deed hier nog een schepje bovenop. "Zij ontwikkelden een extra neuraal netwerk dat zegt of de kart rechtdoor moet rijden of juist naar links of naar rechts moet. Je moet je voorstellen dat het grotere neurale netwerk zeer gecompliceerd is en fouten kan maken. Het extra neurale werk dat simpeler in elkaar steekt, kan de instructies van dat gecompliceerdere netwerk controleren."

Het derde team gebruikte geen neuraal netwerk, maar computer vision. Door de beelden die de StreamCam genereert aan te passen, moet de kart de buitenste lijnen van het circuit beter kunnen herkennen. "Zo kan de kart zien dat hij een bepaald aantal meter verwijderd is van de linkerkant van de baan, en van de rechterkant van de baan. Dit team heeft de kart zo geprogrammeerd dat hij tussen de lijnen in moet blijven en zo het circuit rondrijdt."

Drie teams en twee karts

De Challenge kent drie teams en twee karts; de studenten reden dus niet tegelijk op het circuit. De wedstrijd werkte met drie finalerondes. Bij elke ronde kreeg een van de teams twintig minuten de tijd om het parcours volledig te rijden. De kart moest hierbij altijd op de baan blijven. Stonden er twee wielen buiten de baan, dan moest de kart opnieuw starten.

De laatste technische inspanningen voor de start van de Challenge.
De laatste technische inspanningen voor de start van de Challenge.

De deelnemende teams kenden elk zes leden en kwamen dit jaar van de Hanzehogeschool Groningen, hogeschool Windesheim in Zwolle en de Hogeschool Rotterdam. De Groningse school doet al sinds het begin van de Challenge mee, de Rotterdamse is dit jaar nieuw. De leerlingen, die vrijwel allen in het derde jaar van hun studie zitten, kregen een half jaar de tijd om aan hun software te werken. Behalve dat de teams hun eigen strategieën hadden voor de Challenge, vertegenwoordigden ze ook verschillende studierichtingen.

Het Groningse team bestond bijvoorbeeld uit software- en netwerkengineers. Dit team startte vrijdag als laatste en werd als grootste kanshebber gezien, vanwege het dubbele neurale netwerk. Teamlid Laurens Dijkstra zegt voor dit dubbele netwerk te hebben gekozen om fouten die tijdens de testdagen zijn aangeleerd eruit te kunnen halen.

"Stel dat je tijdens de testdag op een recht stuk moet corrigeren, of dat je in een bocht naar links opeens een beetje naar rechts stuurt. Dit kunnen fouten zijn die mensen maken en waarvan je liever niet hebt dat de AI ze overneemt. Ons eerste model zegt hoeveel graden het stuur naar links of rechts moet draaien. Het tweede, extra model geeft aan of een auto rechtdoor moet, of juist naar links of rechts moet sturen. Dat tweede model controleert dat eerste model en zo kan het mogelijke fouten uit het eerste model halen."

Het team van Windesheim bestond uit studenten die onder meer Embedded Systems and Automation en Digital Industry studeren en uit Nederland, Frankrijk en Spanje komen. Net als Groningen had het team uit Zwolle een neuraal-netwerkmodel. Bij het Zwolse team was er echter maar één model tegelijkertijd actief. Het ontwikkelen van een extra model, zoals de Groningers hadden gedaan, lukte niet vanwege de tijd.

De groep van de Hogeschool Rotterdam studeert Automotive Engineering en had daarmee van de drie teams de minste ervaring met programmeren. "Wij moesten vooraf Python zelfs nog downloaden", zegt Kacem Ayari. Dit team koos ervoor om computervision toe te passen. "Hierbij maakten we de twee lijnen van het circuit wit en de rest zwart. Daardoor kon onze kart tussen de lijnen blijven."

Teams van Self Driving Challenge 2022Teams van Self Driving Challenge 2022Teams van Self Driving Challenge 2022

Van links naar rechts: het team van hogeschool Windesheim, het team van de Hogeschool Rotterdam en het team van de Hanzehogeschool Groningen.

Het computervisionmodel van het Rotterdamse team bleek het minst succesvol te zijn; dit team kwam niet veel verder dan de eerste bocht. "Dat kwam deels door het weer", aldus Ayari. "Op de testdagen was het heel zonnig, maar tijdens de race was het bewolkt. Daardoor kon ons systeem de lijnen minder goed herkennen. Bij eerdere tests kwamen we een stuk verder, zelfs verder dan het Zwolse team!"

Op de racedag zelf kwam dat Zwolse team echter het verst. Geen van de teams wist een heel rondje te voltooien. De chicanes waarin snel van rechts naar links moet worden gestuurd, bleken te lastig voor de autonome karts. De voertuigen raakten bijvoorbeeld de belijning kwijt en reden daardoor richting het gras en de banden, waarna er niet meer genoeg ruimte was om te corrigeren. Het team van Windesheim kwam net een paar bochten verder dan het Groningse, waardoor de beker naar Zwolle ging. Het Groningse team zei na afloop dat de camera niet juist was afgesteld, zodat hij de baan niet meer goed kon herkennen.

Tijdens de Challenge liepen de teams achter de kart aan, om te kunnen zien wat de systemen doen en wat ze nog moeten aanpassen.
Tijdens de Challenge liepen de teams achter de kart aan, om te kunnen zien wat de systemen doen en wat ze nog moeten aanpassen.

Kennis gebruiken voor autonome auto's

Met de Self Driving Challenge wil de RDW studenten enthousiast maken voor het ontwikkelen van autonome auto's en zelf ook meer ervaring opdoen met die zelfrijdende auto's. De RDW is namelijk de Nederlandse typegoedkeuringinstantie. Autofabrikanten die in de EU auto's willen verkopen, kunnen bij dergelijke instanties aankloppen om hun auto's gekeurd te krijgen voor de verkoop. Auto's die door de RDW worden goedgekeurd, mogen in alle Europese lidstaten worden verkocht.

"Je ziet dat voertuigen steeds complexer worden en meer zelfrijdende systemen krijgen. Zo komen wij er steeds meer mee in aanraking", zegt Coster. Daarom hebben de karts van de Self Driving Challenge bijvoorbeeld een camera. "Auto's met zelfrijdende functies passen daar verschillende systemen voor toe, maar allemaal gebruiken ze camera's als basis. Het idee is dat we met de Challenge kunnen zien waar de studenten de fout in gaan en wat wij hiervan kunnen leren bij de beoordeling van auto's."

Coster noemt als voorbeeld een auto die tegen de zon in rijdt, waardoor een camera die in de voorbumper zit een witte vlek ziet. "Daar lopen de studenten tegenaan, maar ook voertuigfabrikanten krijgen ermee te maken. Hoe hebben die fabrikanten daarop gelet, hoe hebben ze er rekening mee gehouden? Dankzij de Self Driving Challenge lopen wij tegen dezelfde uitdagingen aan als waar autofabrikanten mee worden geconfronteerd."

De datascientist merkt daarnaast op dat de RDW niet alleen auto's goedkeurt, maar ook meedenkt over de wetgeving voor autonome auto's. "In dat kader is het belangrijk dat we er zelf ook meer over komen te weten."

Lidar, meer universiteiten en ook meer voertuigen

Dit jaar werkte de Challenge met camera's, maar het is de bedoeling dat in toekomstige edities ook andere technieken worden gebruikt. Coster: "Zo willen we volgend jaar lidar uitproberen. Daarnaast willen we groeien en willen we dat de Challenge steeds professioneler wordt." De RDW wil de Challenge laten groeien in technologie, maar ook in aantal deelnemers. Het aantal teams groeit met vrijwel iedere editie; Coster zegt vorig jaar in contact te zijn geweest met zes hogescholen en universiteiten. Enkele andere scholen hebben aangegeven volgend jaar mogelijk ook mee te willen doen, aldus Coster.

"Een van de ideeën waar we mee spelen, is dat je voortborduurt op de software van deze editie. Teams moeten dan bijvoorbeeld tegen elkaar racen op hetzelfde circuit, in plaats van dat ze nu solo rondrijden. Zo willen we de Challenge ieder jaar een stuk complexer maken." De organisatie denkt ook na over het plaatsen van obstakels op het circuit, om de 'echte wereld' beter na te bootsen. Het liefst ziet de RDW dat autofabrikanten zelf ook mee gaan doen en auto's aanleveren waar de studenten mee kunnen experimenteren. "Daar hopen we de komende jaren naartoe te kunnen groeien."

Lees meer

Reacties (12)

Sorteer op:

Weergave:

Jammer dat in dit artikel Formula Student ontbreekt. Is toch het benoemen waard in deze context. Ik snap eerlijk gezegd ook niet dat de RDW niet gewoon hier naar is gaan kijken. In Nederland doen de TU Delft, TU Eindhoven, Haagse Hogeschool en HAN Arnhem (voor zover ik weet) mee.

Dit is al jaren een wereldwijde competitie waar honderden universiteiten aan mee doen, grote autofabrikanten zoals Volkswagen de teams sponsoren en aardig wat F1 engineers uit voort komen.

De elektrische auto's in deze competitie zijn 600V, 80 kW (110 pk). 0-100 in ~2 sec, in de autonome competitie wordt gewoon op volle snelheid gereden. Top snelheid ligt rond de 120 km/h.

Menselijke rijder van het team van de TU Delft:
https://www.youtube.com/watch?v=TjthTCL4c4w

Sinds een paar jaar is volledig autonoom rijden onderdeel van de competitie. Vooral ETH Zurich is hier erg sterk:
https://www.youtube.com/watch?v=aUQE5-6k6is

[Reactie gewijzigd door RogierColijn op 24 juli 2024 05:22]

Ik kan hier alleen namens mijzelf spreken en niet namens de RDW, Formula Student of de hogescholen/universiteiten; maar een halfjaar lang meedoen aan de Self Driving Challenge als "stage" is voor mij als student wel een stuk laagdrempeliger dan een internationaal evenement met personenauto's...

Daarnaast is dit vrijwel uitsluitend een softwarematig project; afgezien van interactie met de echte wereld ben je hier alleen software aan het bouwen in talen waar de meeste studenten (hopelijk) aardig overweg mee kunnen zoals C++ en Python. Ik kende de Formula Student tot nu toe niet, maar voor wat ik zo snel zie lijkt het een geheel andere tak van kennis te betreffen; daar gaat het om het ontwerpen van snelle auto's (denk aan vormgeving, engineering, natuurkunde, 3D-modeling, etc).

De RDW heeft - als ik het goed kan herhalen vanuit de presentatie - de wens om als overheidsorganisatie vooruit te lopen op de (vaak tragere) wetgeving en vooruit te lopen op de ontwikkelingen in de markt zoals zelfrijdende auto's. De RDW organiseerd deze Challenge dan ook om studenten kennis te laten maken met de RDW als potentiële werkgever, om studenten uit te dagen op hogere niveau's te denken dan in hun studie misschien voorkomen en om zelf kennis op te doen over op welke manieren computers "denken" om voertuigen autonoom te besturen.

Met al deze context zou ik zeggen dat het enige raakvlak tussen "Formula Student" en de "Self Driving Challenge" het woordje "racen" is en dat het op vier wielen plaatsvindt, maar verder is er heel veel disctinctie. Al kan ik zeker begrijpen dat dat misschien allemaal niet direct duidelijk wordt uit een achtergrondartikel op tweakers, geeft dit je misschien een beter beeld van de wat en waarom van de SDC.

P.S; dit is wat ik (ex-deelnemer) mij kan herinneren, wat ik hierboven zeg representeert mijn eigen idee, visie en mening en dus niet die van mijn werkgever(s) ;)

[Reactie gewijzigd door Helium-3 op 24 juli 2024 05:22]

Aha juist. Dan snap ik de insteek iets beter. FS draait inderdaad om het totaalplaatje, de auto's zijn overigens geen personen auto's. Ze hebben ook het formaat van een kart. (Met vleugels dan wel)

Vaak wordt voor de autonome auto wel de auto van vorig jaar gepakt zodat je vanaf dag 1 in het jaar dingen kunt gaan testen. (Waar je anders pas in Mei/Juni een auto hebt)
Leuk dat je er bij was @Hayte!

Het was een fantastisch evenement, en ik ben erg blij dat het weer fysiek heeft kunnen plaatsvinden sinds het coronavirus.

Ik ben zelf ex-deelnemer en heb vorig jaar met de 3e Self Driving Challenge - welke als "digitale" versie plaatsvond i.v.m. covid-veiligheid - meegedaan, waarbij we onder andere met het Nvidia Drive platform werkten - professionele apperatuur die ook is toegepast in bijvoorbeeld Tesla's, wat natuurlijk ontzettend gaaf was. Het is zo leuk om te zien dat er elk jaar geheel verschillende richtingen wordt ingegaan door alle teams qua technieken en oplossingen, zo hadden wij onze kart vorig jaar laten rijden met computer vision en neurale netwerken van Nvidia, waarbij onze kart beslissingen maakten via een systeem met Fuzzy Logic, waar onze competitors een neuraal netwerk had gemaakt dat zichzelf trainde in de 20 minuten finaletijd.

Omdat het hele evenement destijds online was raceden we in de simulatiesoftware CARLA, waarin de Junior track van TT Assen (dezelfde als waarop de fysieke race in 2022 is gereden) was nagebouwd. Uiteindelijk hebben we op luttele seconden na verloren van het andere team, maar het is een onwijs gave ervaring geweest nonetheless!

Gefeliciteerd Windesheim, met de winst dit jaar!
Volgen ze al de ideale lijn?
Daar was bij deze editie niet heel veel sprake van, de vorige editie is dat wel geprobeerd maar het was uiteindelijke een beetje op de achtergrond geraakt na tijdsdruk en focus om niet van de baan te geraken.

Maar dit is vast iets wat mee gaat spelen wanneer de focus minder op het veilig rijden zal liggen en meer op het competetieve racen, zodra dat veilige rijden een beetje stabiel en betrouwbaar werkt! Wellicht dat volgende teams daar wat mee kunnen, gezien ze de code en het werk van de huidige studenten als start-punt krijgen!
Gaaf ! ben benieuwd
Stap 1 is op de baan blijven, dat lijkt me de focus op dit moment ;)
Het lijkt mij eigenlijk beter om zoiets altijd in een simulatie-omgeving te doen. Dan kan iedereen voortdurend testen en verbeteren zonder bij wijze van spreken van zn stoel af te komen.
lijkt me alsnog afentoe nodig om te correlatie te testen
Zonde dat er niet een video bij is voor een impressie en om wat resultaten te laten zien.

Maar een leuke wedstrijd!
Misschien niet helemaal on-topic, maar toch wel gerelateerd denk ik, momenteel vind ook het International Field Robot Event plaats (http://fieldrobot.com/event). Dat is ook een wedstrijd voor studenten, maar in plaats van het rijden met een kart op een baan, word er gereden met robots in een maisveld. Het is een hybride evenement, met in de ochtend het uitvoeren van een taak in een simulatie en 's middags diezelfde taak in het echt. Het wordt vandaag, morgen en overmorgen live uitgezonden, wat mij betreft zeker het kijken waard!

Op dit item kan niet meer gereageerd worden.