Будущее автономных автомобилей: технологии, вызовы и инновации

С столькими участниками на борту, беспилотное вождение ближе, чем вы думаете

В нашем последнем блоге мы говорили о некоторых главных игроках в автономных автомобилях и о том, как быстро развивается технология. Мало мы знали, что всего через несколько дней после нашего поста произойдет большой инцидент с одним очень известным приложением для беспилотных такси. Вскоре после запуска 14 декабря 2016 года сервиса беспилотных такси Uber в Сан-Франциско, штат Калифорния, появилось видео, показывающее, как один из автомобилей автономного вождения проезжает на красный свет. Хотя Uber заявила, что автомобиль управлялся человеческим водителем в то время и не имел пассажиров на борту, последствия были быстрыми: всего через неделю после запуска Uber убрала свои беспилотные автомобили с дорог, когда штат Калифорния отозвал регистрацию автомобилей.

Ясно, что в пути от отличной идеи до беспилотных автомобилей для всех будут некоторые крючки. Но мы можем сказать наверняка: даже с случайными заминками технология за автономными автомобилями продолжает двигаться вперед, заставляя нас кардинально переосмысливать машины, которые возят нас из точки А в точку Б.

Где сейчас автономные автомобили — и куда они идут?

Основное различие между автоматизацией в автомобилях, которые мы ежедневно водим сейчас, и в автомобилях автономного вождения не так далекого будущего, касается в основном уровня вовлеченности водителя. Многие современные автомобили уже включают ряд систем, автоматически управляющих определенными аспектами вождения за нас, такие как ассистированное торможение и адаптивный круиз-контроль — вещи, считающиеся 1 уровнем автоматизации.

Автономные автомобили, которые коммерчески доступны прямо сейчас, находятся около 2 уровня автоматизации; хороший пример — полуавтономные возможности помощи водителю («автопилот») Tesla, о которых мы говорили в нашем последнем блоге об автономных автомобилях. Большинство тестируемых прототипов находятся на 3 уровне, где водитель может безопасно не обращать внимания в определенных ситуациях, или 4 уровне, где водителю не нужно участвовать, если только нет суровой погоды или неожиданных дорожных условий. Однако, как показали исследования, человек-«водитель», проверяющий сообщения или дремлющий, просто не может восстановить внимание и фокус достаточно быстро, чтобы правильно и достаточно быстро реагировать, восстанавливать контроль и предпринимать эффективные действия в предстоящей экстренной ситуации. Поэтому многие производители приходят к выводу, что 3 и 4 уровни просто не сработают, потому что страховочная система — человек — не способен реагировать достаточно быстро, чтобы избежать опасности для себя или других.

Конечная степень автоматизации — 5 уровень, где водителю вообще не нужно присутствовать. Это технология, необходимая для полного футуризма совместных поездок. Это предвидимый сценарий, где никто не владеет автомобилями; вместо этого вы просто вызываете автомобиль, и он приезжает забирать вас. Концепции автономных автомобилей как Google, так и Mercedes — 5 уровень, использующий нулевой человеческий ввод, кроме желаемого пункта назначения.

Что обеспечивает автоматизацию?

Хотя автопроизводители и другие игроки осторожны в раскрытии слишком многих деталей, есть некоторые базовые технологические компоненты, которые мы знаем, являются неотъемлемыми для дизайна автономных автомобилей. Например, используется несколько типов сенсоров для сбора визуального ввода, необходимого для того, чтобы беспилотный автомобиль успешно и безопасно навигировал по дорогам. Камеры — относительно недорогой тип сенсора, который может обеспечить базовую визуальную информацию, которую собрал бы человек за рулем; используются несколько камер для обеспечения глубины поля. Радар уже используется для определенных систем управления 1 уровня; недостаток в том, что радар хорош только на близкой дистанции.

LIDAR (лазерное обнаружение и измерение расстояний) — это бортовой лазерный систем, который картографирует окружение автомобиля по мере его движения. Вы, вероятно, знакомы с LIDAR как с большим вращающимся блоком на крыше большинства тестовых автомобилей Google; твердотельный LIDAR не требует вращения и также используется в некоторых разрабатываемых сейчас автономных автомобилях. Хотя LIDAR создает высокую точность 3D-картографирования, у него есть недостатки; кроме того, что он очень дорог, технология влияет на погоду, с ее сигналом, отражающимся от дождя или снега.

В сегодняшних уже высококомпьютеризированных автомобилях большая часть передачи информации с сенсоров происходит через сеть Controller Area Network (CAN bus), протокол, разработанный для того, чтобы микроконтроллеры и устройства могли общаться друг с другом без хост-компьютера. Однако действительно автономные автомобили требуют более надежной связи данных, а также вычислительной мощности и программного обеспечения, чтобы взять весь визуальный ввод и другие собранные данные, организовать их, интерпретировать и превратить в действенное вождение — все в реальном времени. Это, в свою очередь, требует:

* Значительного (можно сказать, массивного) объема вычислительной мощности
* Объединения данных от разных сенсоров («сенсорный фьюжн») для вычисления чего-то большего, чем могло быть определено одним сенсором в одиночку

Именно поэтому машинное обучение — тип искусственного интеллекта (ИИ), дающий компьютерам способность, по сути, учиться «самостоятельно» при воздействии новых данных — является критически важным и быстро развивающимся аспектом дизайна автономного вождения. Идя дальше, тип машинного обучения под названием *глубокое обучение* стремится эмулировать способ, которым люди приобретают новые знания. Автоматизируя предсказательную аналитику, глубокое обучение может позволить автомобилю становиться умнее каждый раз, когда он ездит, и даже учиться у других водителей и других автомобилей.

Естественно, для безопасности автономный автомобиль должен быть очень умным изначально! Но будь то автомобиль, спроектированный для интерпретации сенсорного ввода и затем выбора из серии жестко заданных решений по вождению, ИЛИ он используется для прямого отображения ввода (от сенсоров и других источников) в вывод вождения от конца до конца, машинное обучение наверняка является частью каждого автомобиля на черновике или на дороге.

Каковы последствия за пределами вождения?

Конечно, где есть компьютерная технология, информационная безопасность — важная проблема, и автономные автомобили не исключение. Фактически, последствия взлома в беспилотных автомобилях огромны. Кто-то, путешествующий в многотонном автомобиле на высокой скорости, определенно не хочет беспокоиться о том, что автомобиль может быть захвачен и дистанционно управляем третьей стороной.

В 2015 году Chrysler отозвала более миллиона автомобилей, когда два исследователя безопасности (не злоумышленники, к счастью) обнаружили уязвимость программного обеспечения, позволявшую им беспроводно взломать Jeep и захватить управление его функциями приборной панели, рулевым управлением, трансмиссией и тормозами. Chrysler предоставила владельцам автомобилей USB-накопитель с обновлением программного обеспечения и приняла сетевые меры для обнаружения и блокировки взлома через сотовую сеть автомобилей. Затем в 2016 году лаборатория безопасности продемонстрировала взлом Tesla Model S, дистанционно получая доступ и управляя автомобилем в режимах парковки и езды через CAN-шину автомобиля и вредоносную точку доступа WiFi. В течение нескольких дней Tesla развернула беспроводное обновление программного обеспечения для устранения потенциальных проблем безопасности.

Эти случаи показали автопроизводителям и их партнерам, что усиленная безопасность жизненно важна, обеспечивая, что более сильные гарантии будут продолжать внедряться. Однако, поскольку каждый автономный автомобиль требует компьютера и сетевой связи для вождения, может быть лишь вопрос времени, прежде чем кто-то взломает беспилотный автомобиль во время его использования.

В связанной ноте, конфиденциальность также становится все более сложной областью для автомобилей и водителей. Сегодня кто-то в бегах мог бы выключить GPS в своем автомобиле и развернуть карту. Но с врожденной функциональностью автономного автомобиля, требующей почти постоянного использования GPS, этот автомобиль должен отслеживаться практически все время. Кроме того, пока камеры выполняют важные сенсорные функции и обеспечивают ввод для машинного обучения, они также являются инструментами наблюдения. Так что есть потенциал для того, чтобы каждый дюйм дорожного пространства фотографировался и изучался на почти постоянной основе, когда беспилотные автомобили (и их система камерных сенсоров) будут полностью развернуты.

И на более человеческой ноте, хотя появление надежных и полностью автономных автомобилей создаст рабочие места в производстве и смежных областях, на каком-то уровне это также будет означать потерю некоторых рабочих мест. Приложения подвижности по запросу и совместные поездки сделают таксистов и водителей автобусов устаревшими. Беспилотные автомобили на фермах будут все больше сокращать количество необходимых человеческих рабочих. Дальнобойщики все еще будут нужны для обслуживания своих фур, но они не будут их водить, и поэтому для поддержания автопарка фур для автоматизированного развертывания потребуется меньше водителей. А в конце 2016 года онлайн-сервис доставки еды запустил роботизированную доставку еды в Лондоне. Так что от обработчика посылок до ребенка, везущего пиццу к вашей двери, эти рабочие могут в конечном счете быть заменены, если не автономными автомобилями, то смежной технологией в виде роботов-доставщиков.

Почему Metal Cutting говорит об этом?

Metal Cutting предлагает услуги индивидуальной резки металлов для специальных продуктов и точных мелких металлических деталей для широкого спектра отраслей, включая автомобильные компании и их технологических партнеров — предоставляя детали отрезки, обработку, финиш и другие техники, необходимые для применений, требующих жестких допусков, специфических чистот поверхности и высоко индивидуальных концов, конусов и диаметров.

Хотите узнать, является ли Metal Cutting лучшим партнером для *ваших* автомобильных деталей или других применений? Скачайте бесплатное руководство, 7 секретов выбора нового контрактного партнера: Техническое руководство по аутсорсингу вашей точной металлообработки.