Технология автономных транспортных средств

С таким количеством участников самоуправление ближе, чем вы думаете

В нашем последнем блоге мы говорили о некоторых основных игроках в области автономных транспортных средств и о том, как быстро развиваются технологии. Мы и не подозревали, что всего через несколько дней после нашего поста произойдет большое огорчение, связанное с одним очень известным приложением для беспилотных автомобилей. Вскоре после того, как 14 декабря 2016 года компания Uber запустила службу беспилотного такси в Сан-Франциско, Калифорния, появилось видео, на котором один из беспилотных автомобилей проезжает на красный свет. Хотя Uber заявил, что в то время автомобилем управлял человек и на борту не было пассажиров, последствия были быстрыми:всего через неделю после запуска Uber снял свои беспилотные автомобили с дорог, когда штат Калифорния отменил закон. регистрации автомобилей.

Ясно, что на пути от отличной идеи к беспилотным автомобилям будут обходные пути. Но что мы можем сказать с уверенностью, так это то, что, несмотря на случайные неудачи, технология автономных транспортных средств продолжает развиваться, заставляя нас радикально переосмысливать машины, которые доставляют нас из пункта А в пункт Б.

Где сейчас автономные автомобили и куда они идут?

Основное различие между автоматизацией в автомобилях, которыми мы сейчас ездим изо дня в день, и автоматизацией в автономных транспортных средствах не столь отдаленного будущего, в первую очередь связано с уровнем участия водителя. Сегодня многие новые автомобили уже включают в себя ряд элементов управления, которые автоматически управляют некоторыми аспектами вождения для нас, такими как вспомогательное торможение и адаптивный круиз-контроль — вещи, которые считаются уровнем автоматизации 1.

Автономные автомобили, которые сейчас коммерчески доступны, находятся примерно на втором уровне автоматизации; хорошим примером являются возможности полуавтономной помощи водителю («автопилот») Tesla, о которых мы говорили в нашем последнем блоге об автономных транспортных средствах. Большинство тестируемых прототипов находятся на уровне 3, когда водитель может не обращать внимания в определенных ситуациях, или на уровне 4, когда водителю не нужно вмешиваться, если только не суровые погодные условия или непредвиденные дорожные условия. Однако, как показали исследования, человек-«водитель», проверяющий тексты или дремлющий, просто не может восстановить внимание и сосредоточиться достаточно быстро, чтобы правильно и достаточно быстро восстановить контроль и предпринять эффективные действия в надвигающейся чрезвычайной ситуации. Таким образом, многие производители приходят к выводу, что уровни 3 и 4 просто не будут работать, потому что человек, обеспечивающий отказоустойчивость, не способен реагировать достаточно быстро, чтобы избежать опасности для себя или других.

Предельная степень автоматизации — уровень 5, при котором присутствие водителя вообще не требуется. Это технология, необходимая для полного футуризма райдшеринга. Это предполагаемый сценарий, когда ни у кого нет автомобилей; вместо этого вы просто вызываете транспортное средство, и оно забирает вас. Концепции автономных транспортных средств как Google, так и Mercedes относятся к уровню 5 и не требуют вмешательства человека, за исключением желаемого пункта назначения.

От чего зависит автоматизация?

В то время как автопроизводители и другие игроки опасаются раскрывать слишком много деталей, есть некоторые основные технологические компоненты, которые, как мы знаем, являются неотъемлемой частью конструкции автономных транспортных средств. Например, несколько типов датчиков используются для сбора визуальной информации, необходимой беспилотному автомобилю для успешного и безопасного движения по дорогам. Камеры представляют собой относительно недорогой тип датчиков, которые могут предоставить основную визуальную информацию, которую человек может собрать во время вождения; несколько камер используются для обеспечения глубины резкости. Радар уже используется для управления некоторыми транспортными средствами 1-го уровня; недостатком является то, что радар хорош только на близком расстоянии.

LIDAR (световое обнаружение и определение дальности) — это бортовая лазерная система, которая отображает окружение автомобиля во время его движения. Вы, вероятно, знакомы с LIDAR как с большим вращающимся устройством, установленным на крыше большинства тестовых автомобилей Google; твердотельный LIDAR не требует вращения и также используется в некоторых разрабатываемых автономных транспортных средствах. Хотя LIDAR создает высокоточные 3D-карты, у него есть недостатки; Помимо того, что эта технология очень дорогая, на нее влияет погода:ее сигнал отражается от дождя или снега.

В современных, уже сильно компьютеризированных автомобилях, большая часть передачи сенсорной информации происходит через локальную сеть контроллеров (шина CAN), протокол, разработанный для того, чтобы микроконтроллеры и устройства могли взаимодействовать друг с другом без хост-компьютера. Однако по-настоящему автономным автомобилям требуется более надежное подключение к данным, а также вычислительная мощность и программное обеспечение, чтобы принимать все визуальные входные данные и другие собранные данные, систематизировать их, интерпретировать и превращать в действенное вождение — и все это в режиме реального времени. Это, в свою очередь, требует:

* Значительная (можно сказать, огромная) вычислительная мощность
* Объединение данных с разных датчиков ("слияние датчиков") для вычисления чего-то большего, чем то, что может быть определено одним датчиком

Вот почему машинное обучение — тип искусственного интеллекта (ИИ), который дает компьютерам возможность, по сути, учиться «самостоятельно» при воздействии новых данных — является критически важным и быстро развивающимся аспектом дизайна автономного вождения. Идя еще дальше, тип машинного обучения, называемый «глубоким обучением», стремится подражать тому, как люди получают новые знания. Автоматизируя прогнозную аналитику, глубокое обучение может позволить машине становиться умнее каждый раз, когда она едет, и даже учиться у других водителей и других автомобилей.

Естественно, для безопасности автономный автомобиль должен быть очень умным! Но независимо от того, предназначено ли транспортное средство для интерпретации сенсорного ввода и последующего выбора из серии жестко запрограммированных решений о вождении ИЛИ оно используется для прямого сопоставления ввода (от датчиков и других источников) с выводом от начала до конца, машинное обучение, безусловно, является частью каждого автомобиля на чертежной доске или на дороге.

Каковы последствия помимо вождения?

Конечно, везде, где есть компьютерные технологии, важна информационная безопасность, и беспилотные автомобили не исключение. На самом деле последствия взлома беспилотных автомобилей огромны. Кто-то, путешествующий в многотонном транспортном средстве на высокой скорости, определенно не хочет беспокоиться о том, что транспортное средство может быть захвачено и дистанционно управляемо третьим лицом.

В 2015 году Chrysler отозвал более миллиона автомобилей, когда два исследователя безопасности (к счастью, не плохие парни) обнаружили уязвимость в программном обеспечении, которая позволила им беспроводным способом взломать Jeep и взять на себя функции приборной панели, рулевого управления, трансмиссии и тормозов. Chrysler предоставил владельцам автомобилей обновление программного обеспечения на USB-накопителе и предпринял шаги на сетевом уровне для обнаружения и блокировки взлома через подключение к сотовой сети автомобилей. Затем, в 2016 году, лаборатория безопасности продемонстрировала взлом Tesla Model S, удаленный доступ и управление автомобилем в режимах парковки и вождения через автомобильную шину CAN и вредоносную точку доступа Wi-Fi. В течение нескольких дней Tesla развернула беспроводное обновление программного обеспечения для устранения потенциальных проблем с безопасностью.

Эти случаи показали автопроизводителям и их партнерам, что усиление безопасности имеет жизненно важное значение, гарантируя, что более надежные меры безопасности будут и впредь применяться. Однако, поскольку каждому автономному автомобилю для вождения требуется компьютер и подключение к сети, взлом беспилотного автомобиля во время его использования может быть лишь вопросом времени.

В связи с этим конфиденциальность также становится все более сложной областью для автомобилей и водителей. Сегодня кто-то в бегах мог выключить GPS в своей машине и развернуть карту. Но с врожденной функциональностью автономного автомобиля, требующей почти постоянного использования GPS, этот автомобиль должен отслеживаться практически все время. Кроме того, хотя камеры выполняют важные сенсорные функции и предоставляют данные для машинного обучения, они также являются инструментами наблюдения. Таким образом, существует вероятность того, что каждый дюйм дорожного пространства будет фотографироваться и тщательно изучаться почти на постоянной основе, как только автомобили с автоматическим управлением (и их система датчиков камеры) будут полностью развернуты.

И если говорить более гуманно, хотя появление надежных и полностью автономных транспортных средств создаст рабочие места в производстве и смежных областях, на определенном уровне это также будет означать потерю некоторых рабочих мест. Мобильность по запросу и приложения для совместного использования сделают водителей такси и автобусов устаревшими. Самоуправляемые транспортные средства на ферме будут все больше сокращать количество необходимых рабочих. Водители грузовиков по-прежнему будут необходимы для обслуживания своих буровых установок, но они не будут управлять ими, и поэтому потребуется меньше грузовиков для обслуживания парка грузовиков для автоматизированного развертывания. А в конце 2016 года онлайн-компания по доставке еды на вынос (takeout) запустила в Лондоне роботизированную доставку еды. Таким образом, от курьера до ребенка, доставляющего пиццу к вашей двери, этих работников со временем могут заменить если не автономные транспортные средства, то соответствующие технологии в виде ботов-доставщиков.

Почему о резке металла говорят?

Metal Cutting предлагает индивидуальные услуги по резке металла для специальных продуктов и прецизионных мелких металлических деталей для широкого круга отраслей, включая автомобильные компании и их технологических партнеров, — обеспечивая резку деталей, механическую обработку, чистовую обработку и другие методы, необходимые для приложений, требующих жестких допусков. , особая обработка поверхности, а также торцы, конусы и диаметры с широкими возможностями настройки.

Хотите узнать, является ли Metal Cutting лучшим партнером для *ваших* автомобильных деталей или других приложений? Загрузите бесплатное руководство «7 секретов выбора нового партнера по контракту:техническое руководство по аутсорсингу производства прецизионных металлов».