完全な自律走行が現実のものとなるのは、開発者がオープンロードで車両をテストできるようになってからだ。1000 Miglia Autonomous Drive (1000 MAD)は、参加者がまさにそれを行えるように支援するイタリアの競技会である。
このイニシアティブは、約1000マイル（約2200km）の公道を可能な限り長い時間、自律走行することに挑戦するものである。テスト中、車両は都市、歴史的な町、高速道路、都市道路を走行しなければならない。参加者は、特に他の道路利用者やインフラとの相互作用において、常に高レベルの安全性を確保しなければならない。
OxTS と1000MAD
OxTS 、3年連続でミラノ工科大学のAIDA（Artificial Intelligence Driving Autonomous）チームと協力し、彼らの車（マセラティ・グランカブリオ・フォルゴレ）のローカリゼーション性能を理解する手助けをした！
アイダチームには、このドライブで2つの狙いがあった：
- 全行程でデータを収集し、その後に役立てるために...。
- AIアルゴリズムの改善
- 制御アルゴリズムの改良
- 車両が通った道路をデジタルで再現
- 未来の乗客のために機内体験を充実させる
- 少なくとも300kmのルートを自律走行すること。
そのようなデータを収集し、人間の介入なしに走行するのを助けるために、車にはLiDAR、カメラ、レーダー、そしてOxTS AV200 GNSS/INS.これらのセンサーは、走行中に車両が位置を特定し、周囲の状況を把握するのに役立った。
ドライブの終了後、ミラノ工科大学は親切にもナビゲーション・データを私たちと共有してくれた。
データ分析
鍵だ：
- 精度が悪い（不確かさσ>0.8 m）
- Average accuracy (0.4m<σ<0.8 m)
- High accuracy (σ<0.4 m)
データを詳しく見なくても、約42.5％が高精度、39.3％が平均精度、18.2％が低精度に分類されていることがわかる。したがって、ほぼ82％のデータが0.8m以下の精度であり、全データセットのほぼ半分がUniversitiesの高精度のしきい値である0.4m以下の精度である。
まだ改善すべき点はあるが、測位精度が低かったのは、都市環境を走行中にGNSSの障害物があったためだと推測される。
このデータはいくつかの方法でさらに改善することができる。より高いグレードのGNSS/INSを利用することで RT3000 v4のようなGNSS/INSを利用したり、AV200 GNSS/INSのデータと弊社の他の技術を組み合わせることで、より精度の高いデータを取得することができます。 LIO（LiDAR慣性オドメトリ）.LIOは360°視野のLiDARセンサーからの距離情報を使用し、都市の峡谷での位置ドリフトを抑制します。
私たちは、大学がこの活動を成功裏に終え、収集したデータの分析に追われていることを喜んでいる。
ミラノ工科大学のアイダ・チーム全員におめでとうと伝えたい。
ブログでご紹介したOxTS GNSS/INSソリューションの詳細をお知りになりたい方は、以下のフォームからお問い合わせください。
