ABONAMENTE VIDEO REDACȚIA
RO
EN
NOU
Numărul 142
Numărul 141 Numărul 140 Numărul 139 Numărul 138 Numărul 137 Numărul 136 Numărul 135 Numărul 134 Numărul 133 Numărul 132 Numărul 131 Numărul 130 Numărul 129 Numărul 128 Numărul 127 Numărul 126 Numărul 125 Numărul 124 Numărul 123 Numărul 122 Numărul 121 Numărul 120 Numărul 119 Numărul 118 Numărul 117 Numărul 116 Numărul 115 Numărul 114 Numărul 113 Numărul 112 Numărul 111 Numărul 110 Numărul 109 Numărul 108 Numărul 107 Numărul 106 Numărul 105 Numărul 104 Numărul 103 Numărul 102 Numărul 101 Numărul 100 Numărul 99 Numărul 98 Numărul 97 Numărul 96 Numărul 95 Numărul 94 Numărul 93 Numărul 92 Numărul 91 Numărul 90 Numărul 89 Numărul 88 Numărul 87 Numărul 86 Numărul 85 Numărul 84 Numărul 83 Numărul 82 Numărul 81 Numărul 80 Numărul 79 Numărul 78 Numărul 77 Numărul 76 Numărul 75 Numărul 74 Numărul 73 Numărul 72 Numărul 71 Numărul 70 Numărul 69 Numărul 68 Numărul 67 Numărul 66 Numărul 65 Numărul 64 Numărul 63 Numărul 62 Numărul 61 Numărul 60 Numărul 59 Numărul 58 Numărul 57 Numărul 56 Numărul 55 Numărul 54 Numărul 53 Numărul 52 Numărul 51 Numărul 50 Numărul 49 Numărul 48 Numărul 47 Numărul 46 Numărul 45 Numărul 44 Numărul 43 Numărul 42 Numărul 41 Numărul 40 Numărul 39 Numărul 38 Numărul 37 Numărul 36 Numărul 35 Numărul 34 Numărul 33 Numărul 32 Numărul 31 Numărul 30 Numărul 29 Numărul 28 Numărul 27 Numărul 26 Numărul 25 Numărul 24 Numărul 23 Numărul 22 Numărul 21 Numărul 20 Numărul 19 Numărul 18 Numărul 17 Numărul 16 Numărul 15 Numărul 14 Numărul 13 Numărul 12 Numărul 11 Numărul 10 Numărul 9 Numărul 8 Numărul 7 Numărul 6 Numărul 5 Numărul 4 Numărul 3 Numărul 2 Numărul 1
×
▼ LISTĂ EDIȚII ▼
Numărul 123
Abonament PDF

Conducerea autonomă - un ansamblu care îmbină inginerie, AI, matematică și analiza comportamentului uman

Alex Sima
Head of Engineering Presales @ Accesa.eu



PROGRAMARE


Nu de multe ori avem șansa de a vorbi despre un subiect la fel de captivant precum "conducerea autonomă" și implicațiile sale inter-industriale, dar un lucru este cert: pentru a rezuma caracteristicile și complexitatea acestui subiect, o analogie simplă este mai potrivită:

" Dacă există ceva ancorat în realitatea imediată, dar asemănător cu știința rachetelor (en. "Rocket Science"), aceasta este conducerea autonomă și ingineria din spatele ei ".

Sistemele autonome sunt aici și acum: de la un vechi subiect "SF", la implementările concrete în aplicații militare începând cu anii 1900, la provocările Darpa privind conducerea autonomă în anii 2000 și, în prezent, asistând la pachetul Tesla Full Self-Driving comercializat în mod activ în 2022, putem înțelege că acest subiect nu este un truc de marketing. Având în vedere cât de transformațională este această industrie în momentul prezent și faptul că cele mai multe dintre Top 500 de companii de tehnologie investesc activ în această direcție, dar și considerând realitățile particulare pe care le vom explora mai jos, va deveni clar cât de mult suntem înconjurați de această tehnologie.

Ipostazele conducerii autonome:

Cele mai interesante părți relevate în analiza sistemelor de conducere autonomă se încadrează în următoarele domenii funcționale:

  1. Ingineria de hardware din spate (cipuri SoC, senzori, MCU) și Software Stacks alături de "Sensor Fusion", inclusiv algoritmi (SLAM, Path Planning), dar și frameworkuri, API-uri și SDK-uri.

  2. Module de awareness/detecție, inclusiv camere stereo, LIDAR (Detecție și Ranging de Lumină), IMU (unitate de măsurare inerțială) și GPS asistat.

  3. Disciplinele emergente de inginerie (platforme de AI, ML onboard și găzduit central, "Smart Data" Lakes) combinate cu implementări Extended Reality (AR, XR).

  4. Hărți topografice, hărți HD, huburi de date de trafic live, hărți geofencing.

  5. Arhitectura ADS: "Drive by wire", Comunicare inter-vehicule pentru cooperare ACC (CACC), module reprogramabile cu sisteme de actualizare software OTA, omogenizare modularitate și modelarea sistemelor de siguranță.

Dar, așa cum am promis, nu vom uita să menționăm pe scurt preocupările legate de reglementările legale și de siguranță sau provocările cu standardizarea sistemelor de automatizare a conducerii: sisteme avansate de asistență a șoferului (ADAS) și sisteme de conducere automată (ADS); vom continua să folosim acronimul ADS în continuarea articolului.

Înainte de a relua "călătoria noastră" virtuală în acest domeniu, este important să înțelegem că în spatele implementărilor ADS se află numeroase domenii științifice și o mulțime de studii și cercetări care fac imposibil să vorbim într-un mod complet cuprinzător despre ansamblul menționat mai sus într-un singur articol - ar putea deveni cu ușurință acea " enciclopedie de 1000 de pagini ", doar pentru a atinge, în fapt, vârful aisbergului.

Acest lucru sugerează că cea mai bună șansă a noastră de a dobândi un nivel minim de înțelegere al subiectului ar fi să ne concentrăm doar pe câteva elemente bine delimitate legate de ADAS și ADS.

Care este businessul despre care vorbim?

O notă de clarificare: activitatea de "conducere autonomă" se întinde cu mult dincolo de aplicațiile banale "de consumator" B2C, în cea mai mare parte, legate de mașini cu conducere autonomă. Un set cuprinzător de aplicații de lucru pentru ADS se află în centrul afacerilor cum ar fi companiile aeriene comerciale și industriile maritime, liniile de producție industrială și sistemele de execuție de producție.

Cât de multă complexitate este implicată?

Doar citind titlurile menționate mai sus cu impact asupra industriei care beneficiază de ADS, putem înțelege profunzimea ingineriei inter domeniale și știința din spatele acesteia.

Sistemele autonome de conducere și nu numai sunt un subiect al implementărilor end-to-end, fiind, de fapt, cheia în această afacere: unitățile care pot efectua operațiuni autonome, au cipuri/senzori și software locale complexe la bord, comunică cu un sistem găzduit central (cloud), utilizează o comunicare wireless cu latență scăzută și valorifică infrastructura (artefacte rutiere, elemente de cartografie). Probabil, cu puțin curaj, putem deja să recunoaștem că ne uităm la un domeniu emergent bazat pe date "hyper-end-to-end" .

Concentrarea pe aplicațiile de consum

Punctul cheie în tema ADS este distincția dintre Automatizare versus Autonomie. Prin urmare, este util să clarificăm acest lucru în cel mai scurt mod posibil:

Autonomia în vehicule este clasificată în șase niveluri, conform unui sistem dezvoltat de SAE J3016 (actualizat J3016_202104). Nivelurile SAE pot fi înțelese aproximativ ca Nivel 0 - fără automatizare; Nivelul 1 - mâinile pe volan; Nivelul 2 - fără controlul volanului; Nivelul 3 - fără să privim drumul; Nivelul 4 - fără să fim atenți la condus și Nivelul 5 - volanul este opțional.

Cum funcționează?

Percepţie

Pentru fiecare mișcare, vehiculul folosește LiDAR, radar, camere și estimatori de poziție, care scanează constant la 360 de grade.

Importanța unui sistem LiDAR vine din precizia acestuia, care are un câmp vizual de 100 m, dar și din capacitatea sa de rotație la 360 de grade. Cu peste două milioane de citiri pe secundă, un sistem LiDAR furnizează detalii de înaltă rezoluție asupra mediului din jurul mașinii.

Radarul, senzorii cu ultrasunete și camerele stereo sunt dispozitive relevante pentru construirea percepției asupra împrejurimilor imediate ale unei mașini. Această fuziune a datelor senzorilor și a datelor GPS permite poziționarea locației unei mașini la o rază de 10 cm.

Utilizarea SLAM (Simultaneous Localization and Mapping): vehiculele își cartografiază împrejurimile în timp real, orientându-se pe baza intrării senzorului, câteva provocări pentru această tehnologie fiind:

  1. Colectare masivă de date: o oră de conducere înseamnă aproximativ un terabyte de date.

  2. Prelucrarea datelor: interpretarea unui terabyte de date colectate utilizând o putere mare de calcul necesită două zile pentru a obține date de navigare utilizabile.

  3. Timp de latență: pentru execuția în timp real, latența trebuie să fie mai mică de 10 ms, ceea ce necesită calcule de înaltă performanță la bordul vehiculului.

Conștientizarea drumului

Pe măsură ce datele sunt furnizate în mod constant algoritmilor de învățare automată (ML), vehiculele încep să dea un anumit sens tonelor de date colectate, realizând modele pe baza cărora sistemele adaptive pot lua decizii.

Traseu (hartă, locație curentă, traseu)

Cartografierea online este interpretată la bordul vehiculului, exemple clasice fiind sistemele SLAM pentru localizare și cartografiere simultană. Recent, SLAM semantic, care se concentrează pe geometria și semnificațiile semantice ale marcajelor de suprafață de pe drum, este explorat ca o soluție ușoară pentru cartografiere. În plus, cartografierea semantică online monoculară (monoSOM) este un subiect de tendință, în care o rețea neuronală este utilizată pentru a fuziona secvențe temporale de imagini monoculare de la mai multe camere într-o hartă semantică de tip birds-eye-view.

Condusul

Datele senzorilor colectate de mii de mașini permit stabilirea de hărți dinamice de mare precizie (HD), cu acuratețe ridicată și informații în timp real.

Proiectul Waymo de la Google este un exemplu de astfel de "aspecte" ale sistemului autonom:

Și acestea sunt doar aspecte de asistență de nivelul 2! Integrările complet autonome de nivel 4 și 5 sunt deja implementate în câteva alte aplicații comerciale, deși sunt încă indisponibile la nivel de vehicule private.

Subiectul analizei - ingineria cipurilor

Cipuri (SoC și Micro-controllere)

ADAS/cipurile folosite în conducerea autonomă au cunoscut un val de adaptări și îmbunătățiri. De asemenea, mulți producători de cipuri au lansat sau au planificat să lanseze cipuri de mare putere de calcul. În ianuarie 2022, Mobileye a introdus EyeQ ® Ultra™, cel mai avansat și mai performant sistem pe cip (SoC) al companiei, conceput special pentru conducerea autonomă. Așa cum a fost dezvăluit în timpul CES 2022, EyeQ Ultra maximizează atât eficacitatea, cât și eficiența la doar 176 TOPS, cu tehnologia de proces de 5 nanometri.

Cipurile SoC, care implică în cea mai mare parte un design eterogen, includ diferite unități de calcul, cum ar fi GPU, CPU, nucleu de accelerare, NPU, DPU, ISP etc. În general, puterea de calcul nu poate fi evaluată doar de la eficienţa cipului. Lățimea de bandă a cipului, perifericele, memoria, precum și un raport de eficiență energetică și costul ar trebui, de asemenea, luate în considerare. În același timp, lanțul de instrumente de dezvoltare a cipurilor SoC este foarte important - numai prin formarea unui ecosistem de dezvoltatori o companie se poate construi o competitivitate durabilă pe termen lung.

În proiectarea cipurilor, configurația IP eterogenă este crucială, iar furnizorii de cipuri SoC cu conducere autonomă consolidează în mod constant cercetarea și dezvoltarea IP-ului de bază pentru a-și menține avantajele competitive decisive. De exemplu, NVIDIA și-a actualizat linia de produse existentă bazată pe GPU la o strategie cu trei cipuri (GPU+CPU+DPU):

Alte utilizări comerciale (cipuri moderne):

Concluzie

Implementarea Sistemelor de Conducere Autonomă presupune o revoluție în:

  1. Producție (piese și unități pentru utilizatorul final);

  2. Software (platforme - atât onboard, cât și găzduite, algoritmi, SDK-uri), arhitectură, tehnologii emergente (AI, XR);

  3. Transformarea infrastructurii;

  4. Schimbarea cererii de petrol;

  5. Siguranță și dividend legal.

Potrivit Consumer Reports, "Aproape fiecare mașină nouă vândută astăzi în SUA se încadrează într-o zonă de la nivelul 0 la nivelul 2-3".

Bibliografie:

  1. https://www.sae.org/standards/content/j3016_202104/

  2. https://www.researchandmarkets.com/reports/5575713/adasad-chip-industry-research-report-2022

  3. https://www.nvidia.com/en-us/self-driving-cars/

  4. https://thomasfermi.github.io/Algorithms-for-Automated-Driving/LaneDetection/LaneDetectionOverview.html

Conferință

NUMĂRUL 142 - Robotics & AI

Sponsori

  • Accenture
  • BT Code Crafters
  • Accesa
  • Bosch
  • Betfair
  • MHP
  • BoatyardX
  • .msg systems
  • Yardi
  • P3 group
  • Ing Hubs
  • Colors in projects

INTERVIURI VIDEO