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 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."
:strip_exif()/i/2005167600.jpeg?f=imagenormal)
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.
:strip_exif()/i/2005171580.jpeg?f=imagemedium)
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."
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.
:strip_exif()/i/2005171574.jpeg?f=imagenormal)
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."