Nowoczesne samochody coraz częściej polegają na potężnym „mózgu”, który kontroluje jazdę, bezpieczeństwo, nawigację, komunikację i rozrywkę. Inżynierowie często nazywają ten system komputerem autonomicznym, komputerem pokładowym pojazdu, centralną platformą obliczeniową lub komputerem do autonomicznej jazdy. Ten komputer przetwarza ogromne ilości danych z czujników i kamer w czasie rzeczywistym i pomaga samochodowi podejmować decyzje podczas jazdy.
Przemysł motoryzacyjny traktuje teraz oprogramowanie i moc obliczeniową jako ważne elementy projektowania pojazdów. Wiele firm przeszło od tradycyjnych systemów elektronicznych do zcentralizowanych „pojazdów definiowanych przez oprogramowanie”, w których niewielka liczba potężnych komputerów zarządza większością funkcji pojazdu.
Czym jest komputer autonomiczny w samochodzie?
Komputer autonomiczny w samochodzie to system obliczeniowy o wysokiej wydajności, który pomaga pojazdowi zrozumieć otoczenie, przewidywać zagrożenia i kontrolować zachowanie samochodu. Ten komputer łączy sprzęt, oprogramowanie, sztuczną inteligencję i dane z czujników.
Komputer autonomiczny zwykle wykonuje takie zadania jak:
- Wykrywanie obiektów, pieszych, pasów ruchu i znaków drogowych
- Monitorowanie prędkości i kierunku pojazdu
- Planowanie bezpiecznych tras jazdy
- Kontrolowanie hamowania, kierowania i przyspieszenia
- Zarządzanie nawigacją i mapowaniem
- Komunikowanie się z systemami w chmurze i innymi pojazdami
- Uruchamianie funkcji wspomagania kierowcy.
Nowoczesne komputery autonomiczne mogą jednocześnie przetwarzać dane z wielu czujników. Niektóre zaawansowane systemy przetwarzają tryliony operacji na sekundę.
Na przykład nowy chip autonomiczny Rivian RAP1 rzekomo dostarcza około 1,800 trylionów operacji na sekundę do przetwarzania sztucznej inteligencji.
Dlaczego samochody potrzebują komputerów autonomicznych?
Tradycyjne samochody polegały na wielu małych jednostkach sterujących. Jedna jednostka obsługiwała hamulce, inna skrzynie biegów, kolejna poduszki powietrzne, a jeszcze inna infotainment.
Nowoczesna jazda autonomiczna wymaga znacznie szybszego podejmowania decyzji i znacznie większych ilości przetwarzania danych. Samochód autonomiczny lub półautonomiczny może korzystać z:
- Wielu kamer
- Czujników radarowych
- Czujników LiDAR
- Czujników ultradźwiękowych
- Globalnych systemów pozycjonowania
- Map o wysokiej rozdzielczości.
Komputer pojazdu musi łączyć wszystkie te informacje w milisekundach.
Badacze i firmy motoryzacyjne coraz częściej stosują zcentralizowane architektury obliczeniowe, ponieważ systemy zcentralizowane zmniejszają opóźnienia i poprawiają koordynację między systemami pojazdu.
Jak działa komputer autonomiczny
Komputer autonomiczny zazwyczaj działa w kilku etapach.
Zbieranie informacji przez czujniki
Czujniki nieustannie zbierają informacje o otoczeniu.
Przykłady obejmują:
- Kamery do wykrywania pasów ruchu i znaków drogowych
- Radar do pomiaru odległości
- LiDAR do tworzenia map trójwymiarowych
- Czujniki ultradźwiękowe do wspomagania parkowania.
Niektóre zaawansowane pojazdy wykorzystują ponad 10 kamer i wiele systemów radarowych.
Z doniesień o przyszłych systemach autonomicznych Mercedes-Benz wynika, że inżynierowie mogą używać konfiguracji z 14 kamerami o wysokiej rozdzielczości, 9 czujnikami radarowymi i LiDAR-em.
Fuzja danych
Komputer autonomiczny łączy dane z różnych czujników w zintegrowany model środowiska.
Na przykład:
- Kamery identyfikują pieszych
- Radar mierzy prędkość pieszego
- LiDAR mierzy położenie pieszego w trójwymiarowej przestrzeni
Komputer łączy wszystkie te informacje, aby poprawić dokładność.
Analiza przez sztuczną inteligencję
Modele sztucznej inteligencji analizują otoczenie i przewidują możliwe ryzyka.
System może odpowiadać na pytania takie jak:
- Czy inny pojazd zmienia pas?
- Czy pieszy przechodzi przez jezdnię?
- Czy zbliżają się roboty drogowe?
- Czy konieczne jest hamowanie?
Nowoczesne systemy autonomiczne coraz częściej stosują sztuczną inteligencję na krawędzi, gdzie pojazd przetwarza dane lokalnie wewnątrz samochodu, zamiast polegać na serwerach w chmurze. Ta metoda zmniejsza opóźnienia i poprawia niezawodność.
Podejmowanie decyzji dotyczących jazdy
Komputer wybiera najbezpieczniejsze działanie podczas jazdy.
Możliwe działania obejmują:
- Dostosowanie kierowania
- Zmniejszenie prędkości
- Awaryjne hamowanie
- Zmiana pasa
- Manewry parkowania.
System następnie wysyła polecenia do systemów kierowania, hamulcowych i napędowych.
Poziomy autonomii jazdy
Przemysł motoryzacyjny zazwyczaj klasyfikuje automatyzację jazdy na poziomy od 0 do 5.
| Poziom | Opis |
| Poziom 0 | Brak automatyzacji jazdy |
| Poziom 1 | Podstawowe wsparcie, takie jak adaptacyjny tempomat |
| Poziom 2 | Częściowa automatyzacja z kontrolą kierowania i prędkości |
| Poziom 3 | Warunkowa autonomia w określonych warunkach |
| Poziom 4 | Wysoka automatyzacja w ograniczonych środowiskach |
| Poziom 5 | Pełna autonomia w każdych warunkach |
Dziś większość komercyjnych systemów pozostaje na poziomie 2 lub z ograniczeniami poziomu 3.
Analizy branżowe donoszą, że wiele firm koncentruje się teraz bardziej na praktycznych systemach poziomu 2 i 3, niż na całkowicie autonomicznych pojazdach poziomu 5.
Przykłady systemów komputerowych autonomicznych
1. Platforma NVIDIA DRIVE
NVIDIA opracowuje jedną z najczęściej używanych platform obliczeniowych dla pojazdów autonomicznych.
System NVIDIA DRIVE obejmuje:
- Układy sztucznej inteligencji o wysokiej wydajności
- Systemy operacyjne pojazdów
- Integrację czujników
- Narzędzia symulacyjne
- Oprogramowanie bezpieczeństwa.
Firmy takie jak Toyota, Volvo Cars i Mercedes-Benz stosują technologie NVIDIA do zaawansowanej pomocy kierowcy i rozwoju autonomicznej jazdy.
2. Komputer Tesla Full Self-Driving
Tesla projektuje własny sprzęt i oprogramowanie do autonomicznej jazdy.
Pojazdy Tesla mocno polegają na kamerach i przetwarzaniu sztucznej inteligencji. Ich system nieustannie uczy się na podstawie ogromnych ilości danych dotyczących jazdy zbieranych od pojazdów klientów.
Tesla opracowuje również specjalistyczną infrastrukturę treningową sztucznej inteligencji dla modeli autonomicznej jazdy.
3. Platforma autonomiczna Rivian
Rivian niedawno wprowadził swój chip sztucznej inteligencji RAP1 oraz moduł obliczeniowy ACM3 do autonomicznych pojazdów.
Firma planuje wspierać jazdę bez użycia rąk na milionach mil dróg w Ameryce Północnej.
4. Robotaxi Waymo
Waymo prowadzi całkowicie autonomiczne usługi robotaxi w kilku miastach.
Pojazdy Waymo korzystają z skomplikowanych systemów obliczeniowych autonomicznych, które łączą:
- Kamery
- LiDAR
- Radar
- Sztuczną inteligencję
- Mapy o wysokiej rozdzielczości.
Waymo kontynuuje rozszerzanie działalności autonomicznej na dodatkowe miasta w Stanach Zjednoczonych.
Pojazdy definiowane przez oprogramowanie
Wiele nowoczesnych pojazdów przestrzega teraz koncepcji pojazdu definiowanego przez oprogramowanie.
Pojazd definiowany przez oprogramowanie wykorzystuje zcentralizowane systemy oprogramowania do kontrolowania wielu funkcji pojazdu. Inżynierowie mogą aktualizować te funkcje za pomocą aktualizacji oprogramowania przez powietrze.
To podejście oferuje szereg zalet:
- Szybsze aktualizacje funkcji
- Lepsze zarządzanie bezpieczeństwem cybernetycznym
- Lepsza integracja między systemami
- Zmniejszona złożoność sprzętu
- Łatwiejsze aktualizacje sztucznej inteligencji.
Duże firmy zajmujące się półprzewodnikami coraz więcej opracowują wyspecjalizowane procesory motoryzacyjne dla tego rynku.
Sztuczna inteligencja w komputerach autonomicznych samochodów
Sztuczna inteligencja odgrywa centralną rolę w autonomicznej jeździe.
Nowoczesne systemy wykorzystują uczenie maszynowe i głębokie uczenie do:
- Rozpoznawania obiektów drogowych
- Przewidywania zachowań kierowców
- Rozumienia wzorców ruchu
- Poprawy nawigacji
- Zmniejszania kolizji.
Badacze wciąż opracowują bardziej zaawansowane algorytmy uczenia dla pojazdów autonomicznych.
Niektóre firmy wykorzystują także platformy symulacyjne do szkolenia systemów sztucznej inteligencji z wykorzystaniem wirtualnych scenariuszy jazdy przed rzeczywistym wdrożeniem.
Wyzwania związane z bezpieczeństwem
Komputery autonomiczne w samochodach nadal stają przed poważnymi wyzwaniami w zakresie bezpieczeństwa.
Rzadkie sytuacje na drodze
Nieoczekiwane sytuacje wciąż są trudne dla systemów autonomicznych.
Przykłady obejmują:
- Zalane drogi
- Uszkodzone sygnalizatory świetlne
- Nietypowe strefy budowy
- Pojazdy ratunkowe
- Ekstremalne warunki pogodowe.
Na przykład, duża awaria zasilania w San Francisco podobno stworzyła problemy dla niektórych autonomicznych robotaxi, ponieważ sygnalizatory świetlne przestały funkcjonować.
Ograniczenia czujników
Różne czujniki mają słabe punkty.
Przykłady obejmują:
- Kamery mają problemy w gęstej mgle
- Wydajność LiDAR może zmniejszać się w śniegu
- Radar może powodować nieprawdziwe odbicia.
Inżynierowie często łączą różne typy czujników, aby poprawić niezawodność.
Ryzyka związane z cyberbezpieczeństwem
Komputery autonomiczne samochodów łączą się z sieciami bezprzewodowymi, systemami w chmurze i systemami aktualizacji oprogramowania. To połączenie rodzi obawy związane z bezpieczeństwem cybernetycznym.
Producenci samochodów coraz bardziej koncentrują się na:
- Zaszyfrowanej komunikacji
- Bezpiecznych aktualizacjach oprogramowania
- Wykrywaniu naruszeń
- Bezpiecznościach certyfikowanych systemów operacyjnych.
Nowoczesne platformy autonomiczne podlegają testom certyfikacyjnym w zakresie bezpieczeństwa i cyberbezpieczeństwa.
Wyzwania kosztowe
Sprzęt do autonomicznej jazdy wciąż jest kosztowny.
Pełni autonomiczny pojazd zazwyczaj wymaga:
- Wydajnych procesorów sztucznej inteligencji
- Drogich systemów LiDAR
- Zaawansowanych systemów chłodzenia
- Dużych systemów pamięci masowej.
Jednakże koszty czujników i obliczeń systematycznie maleją wraz ze wzrostem produkcji.
Komputery autonomiczne samochodów i obliczenia w chmurze
Nowoczesne pojazdy autonomiczne często korzystają z kombinacji obliczeń pokładowych i infrastruktury chmurowej.
Pojazd zwykle podejmuje decyzje dotyczące jazdy w czasie rzeczywistym lokalnie, ponieważ lokalne przetwarzanie zmniejsza opóźnienia. Systemy w chmurze wspierają:
- Szkolenie sztucznej inteligencji
- Zarządzanie flotą
- Aktualizacje nawigacji
- Analizę danych
- Diagnostykę zdalną.
Badacze coraz częściej wspierają podejścia do obliczeń brzegowych, ponieważ systemy brzegowe poprawiają czasy odpowiedzi i zmniejszają zależność od połączeń sieciowych.
Przyszłość komputerów autonomicznych w samochodach
Przemysł motoryzacyjny wciąż zmierza w kierunku bardziej zcentralizowanych i potężniejszych systemów obliczeniowych dla pojazdów.
Obecnie kilku dużych trendów kształtuje rozwój:
- Przyspieszenie sztucznej inteligencji
- Zcentralizowane obliczenia pojazdów
- Architektury definiowane przez oprogramowanie
- Aktualizacje oprogramowania przez powietrze
- Zaawansowane platformy symulacyjne
- Zwiększone wykorzystanie sztucznej inteligencji na krawędzi.
Eksperci branżowi oczekują stopniowego postępu zamiast natychmiastowej pełnej autonomicznej jazdy wszędzie.
Niektórzy analitycy wierzą, że pojazdy autonomiczne poziomu 4, będące w prywatnym posiadaniu, mogą pojawić się później w tej dekadzie na ograniczonych rynkach i w kontrolowanych warunkach.