Autonomní vozidla při svých ať už testovacích jízdách nebo jízdách v plném otevřeném provozu na pozemních komunikacích, občas zaznamenávají problém s orientací v prostoru. Může se jednat o různé chyby v rozeznávání objektů či chybné rozeznávání svislého či vodorovného dopravního značení.  V tomto ohledu část tohoto problému mohou řešit vysoce přesné (HD) mapy, nebo v případě kolejové dopravy tento problém zcela odpadá, díky přesně definované trase, tak dané vozidlo nemá kam chybně zahnout či vykonat nějakou jinou příbuznou chybu. Jediné, čemu je tak v tomto ohledu nutné věnovat pozornost je správné definování překážek pro případ nouzového brždění, úprava rychlosti a zastavení na příslušných stanicích. K vývoji těchto funkcí automatizovaného řízení, přispívá takzvané strojové učení. K tomuto typu učení jsou nutná tréninková data, která jsou dle ideálních podmínek shromažďována od různých typů senzorů. V železniční dopravě je však možná dostupnost těchto senzorových dat omezena. Řešení pro tento problém se snažili představit v Německu ve výzkumném centru pro železniční dopravu. 

Konfigurace senzorů na kolejovém vozidle pro sběr dat (foto: DB Netz AG) 

Za účelem podpory výzkumu a vývoje plně automatizovaného řízení v železničním dopravě zveřejnilo Německé centrum pro výzkum železniční dopravy (DZSF) datový soubor „Open Senzor Data for Rail 2023“ (OSDaR23). Tato data mají pomoci trénovat funkce automatického řízení pomocí techniky strojového učení a tím zlepšit rozpoznávání překážek v okolí tratě. Z globálního hlediska je toto vůbec první soubor dat, který byl shromažďován pomocí různých senzorů a je veřejně dostupný pro železniční dopravu. Aby bylo možné data srovnávat a dále také znovu používat, jsou data ve standardizovaném formátu ASAM OpenLABEL.

Soubor dat OSDaR23 byl vytvořen v rámci projektu „Příprava datových sad pro aplikace automatizovaného řízení v železničním provozu“ a to pro DZSF. Tato data byla shromažďována kombinací různých kamer a senzorů. Přesněji šlo o kamery s infračerveným zářením, barevné zobrazovací kamery, lidar, radar a senzory polohy a zrychlení. Samotný ASAM OpenLABEL je formát, který je již hojně využíván v automobilovém průmyslu, kde funguje výborně. Přesně specifikuje, jak musí být objektové informace kategorizovány a popsány, aby systémy autonomního řízení získaly co možná nejpřesnější informace a hluboké porozumění jejich prostředí. Tím je zvýšená snaha o zabránění komunikačních chyb mezi systémy, které by mohly dále vést k vážným nehodám a ohrožení života pasažérů. Tento standardizovaný formát je veřejně přístupný od roku 2021 a od té doby je využíván u výzkumných projektů AVEAS, SUNRISE, SET Level, ale i různých soukromých společností. Celý koncept je udržován a rozvíjen společností ASAM eV dle aktuálních požadavků, především automobilového průmyslu. Koncem roku 2023 se uskuteční setkání uživatelů ASAM OpenLABEL, kde si jeho uživatelé mohou předávat zkušenosti s jeho užíváním a dále předat jeho vývojářům návrhy o dalších vývojových krocích.

ASAM OpenLABEL je volně k dispozici na daném odkazu a OSDaR23 je volně přístupný zde.