Problemer med selvdykkende køretøjer og hvordan de løses – Tankeledere

Autonome køretøjer kræver mere end blot simpel kunstig intelligens. En selvdykkende bil modtager data fra forskellige kilder som sonarer, kameraer, radarer, GPS og lidar, der giver den mulighed for at navigere i enhver omgivelse. Informationerne fra disse enheder skal bearbejdes hurtigt, og datakvanta er massive.

Informationerne fra sensorerne bearbejdes ikke kun af bilens computer i realtid. Nogle data sendes til perifere datacentre for yderligere analyse. Og derefter, gennem en kompleks hierarki, sendes det til forskellige skyer.

Den kunstige intelligens, som køretøjet er udstyret med, er afgørende, men også bearbejdningsevnen af onboard-computere, perifere servere og skyen. Hastigheden af at sende og modtage data af bilen sammen med lav forsinkelse er også meget vigtig.

Problemet med datakvanta

Selv almindelige biler, med en chauffør bag rattet, genererer mere og mere data. Selvdykkende biler kan generere ca. 1 TB data per time. Dette kvantum af data er simpelthen gigantisk. Og det repræsenterer en af barriererne for den massive anvendelse af autonome køretøjer.

Desværre kan alle data fra en selvdykkende bil ikke bearbejdes i skyen eller perifere datacentre, da dette introducerer for megen forsinkelse. Selv en forsinkelse på 100 ms kan gøre forskellen på liv eller død for en passager eller fodgænger. Bilen må reagere på opstående omstændigheder så hurtigt som muligt.

For at reducere forsinkelsen mellem at modtage information og reagere på den, analyseres en del af informationen af onboard-computeren. For eksempel er nye Jeep-modeller udstyret med en onboard-computer med 25-50 proceskerner, der tjener til cruise control, blind spot-overvågning, hindringsadvarsel, automatisk bremse osv. Køretøjsnodernes kommunikerer med hinanden via et internt netværk. Det passer også ind i konceptet om perifer computing, hvis vi betragter onboard-computeren som en perifer node i netværket. Som resultat danner ubemandede køretøjer et komplekst hybridnetværk, der kombinerer centraliserede datacentre, skyen og mange perifere noder. Disse sidstnævnte er placeret ikke kun i biler, men også i trafiklys, kontrolposter, ladeStationer osv.

Sådanne servere og datacentre uden for bilen giver alle mulige former for assistance til autonom kørsel. De giver bilen mulighed for at “se” ud over rækkevidden af dens sensorer, koordinere belastningen på vejnettet og hjælpe med at træffe optimale beslutninger.

Interaktion med hinanden og infrastruktur

GPS og computer vision-systemer giver selvdykkende biler information om deres placering og nærmeste omgivelser. Men rækkevidden af den beregnede omgivelse er konstant øgende. Alligevel kan kun en bil indsamle en begrænset mængde information. Så dataudveksling er absolut nødvendig. Som resultat kan hver bil bedre analysere kørselsforholdene på basis af den større datasæt, der er indsamlet af den autonome køretøjsflåde. Køretøj-til-køretøj (V2V) kommunikationssystemer afhænger af mesh-netværk oprettet af køretøjer i samme geografiske område. V2V bruges til at udveksle information og sende signaler til andre køretøjer, såsom afstandsadvarsler.

V2V-netværk kan udvides til at dele information med trafikinfrastruktur som trafiklys. Det er allerede passende at tale om V2I (køretøj-til-infrastruktur) kommunikation her. V2I-standarder udvikles stadig. I USA udsender Federal Highway Administration (FHWA) regelmæssigt forskellige V2I-vejledninger og rapporter for at forbedre teknologien. Fordelene ved V2I strækker sig langt ud over sikkerhed. Ud over at forbedre sikkerheden giver køretøjs-infrastrukturteknologi også fordele i form af mobilitet og interaktion med omgivelsen.

Chauffører, der kører samme rute hver dag, husker alle huller i vejen. Selvdykkende biler er også konstant i lære. Selvdykkende biler vil uploade tilgængelig nyttig information til perifere datacentre, for eksempel integreret i ladeStationer. LadeStationer vil afhænge af kunstig intelligens-algoritmer, der hjælper med at analysere data modtaget fra biler og tilbyde mulige løsninger. Gennem skyen vil denne data blive overført til andre ubemandede køretøjer i det fælles netværk.

Hvis dette model for dataudveksling mellem alle selvdykkende biler virkelig materialiseres i få år, kan vi forvente exabytes (millioner af terabytes) af data per dag. Ifølge forskellige estimater kan hundredtusinder til titusinder af selvdykkende biler muligvis dukke op på vejene på dette tidspunkt.

5G som nøglen til succes

Som nævnt ovenfor kan selvdykkende biler modtage information om fodgængere og cyklister ikke kun fra deres sensorer, men også gennem udveksling af data med andre biler, trafiklys og anden byinfrastruktur.

Flere 5G-tilkoblede bilprojekter findes allerede. Biler bruger mobiloperatørens 5G-netværk og C-V2X (Cellular Vehicle-to-Everything) teknologi til at kommunikere med andre biler, cyklister og selv trafiklys. Disse sidstnævnte er udstyret med termiske billeder, der registrerer fodgængere, der nærmer sig overgangen; som resultat vises en advarsel på bilens dashboard. Tilkoblede cyklister bliver informeret om deres placering, hvilket forhindrer farlige situationer. I tilfælde af dårlig sigtbarhed tænder de parkerede biler automatisk deres nødblinklys, der underretter alle tilkommende biler om deres position.

5G-mobilnetværkets muligheder kommer til gode her. De giver hurtige hastigheder, meget lav forsinkelse og mulighed for at understøtte et stort antal samtidige forbindelser. Selvdykkende biler uden sådanne dataprocesseringsmuligheder vil ikke være i stand til at udføre mange opgaver hurtigere end en person. For eksempel for at bestemme fremkomsten af en fodgænger ved nærmeste overgang. Desuden skal forsinkelser være minimale, da selv en brøkdel af en sekunds forsinkelse kan føre til en ulykke.

Store bilfabrikanter som BMW, Daimler, Hyundai, Ford og Toyota integrerer allerede 5G-teknologi i deres produkter. Milliarder af dollars er allerede blevet brugt af mobiloperatører på at bygge 5G-netværk. Så dette er det rette tidspunkt at give køretøjer en sæt af færdigheder, der vil være nyttige i daglig drift.

Alle eksperimenter med 5G-tilkoblede selvdykkende biler vil gå i stå, hvis der ikke er et 5G-infrastruktur på plads. Atter kan en ubemandet bil generere 1 TB data per time, så mobilnetværket må være parat til at overføre disse data.

Hvordan at bearbejde og gemme exabytes af data

Ikke alle datatyper kræver øjeblikkelig bearbejdning, og onboard-computeren har begrænsede ydelse og lagringsmuligheder. Derfor skal data, der kan “vente”, akkumuleres og analyseres i perifere datacentre, mens nogle af dataene vil migrere til skyen og blive bearbejdet der.

Det er bystyres og bilfabrikanternes ansvar at indsamle, bearbejde, overføre, beskytte og analysere data om hver bil, trafikprop, fodgænger eller hul i vejen. Nogle smarte byarkitekter eksperimenterer allerede med maskinlæringsalgoritmer, der analyserer trafikdata mere effektivt for at hurtigt identificere huller i vejen, regulere trafikken og øjeblikkeligt reagere på ulykker. Fra et globalt perspektiv giver maskinlæringsalgoritmerne anbefalinger til forbedring af byens infrastruktur.

For at indføre fuldt autonome kørsel i vores liv er det nødvendigt at løse problemet med at bearbejde og gemme enorme mængder af data. Hver dag kan en ubemandet bil generere op til 20 TB data. Kun en bil! I fremtiden kan det føre til exabytes af data, der genereres på en dag. For at gemme disse data er der behov for en højtydende, fleksibel, sikker og pålidelig edge-infrastruktur. Der er også problemet med effektiv dataprocessering.

For at onboard-computeren kan træffe beslutninger i realtid, har den brug for den mest opdaterede information om omgivelsen. Gammel data, såsom information om bilens placering og hastighed for en time siden, er normalt ikke længere nødvendig. Men denne data er nyttig for yderligere forbedring af autonome kørselalgoritmer.

Udviklerne af kunstig intelligens-systemer skal modtage store mængder af data for at træne dybe neurale netværk: identificere objekter og deres bevægelse gennem kameraer, lidar-information og optimalt kombinerer information om omgivelsen og infrastrukturen for at træffe beslutninger. For vej sikkerhedsspecialister er data, der er indsamlet af biler lige før ulykker eller farlige situationer på vejen, afgørende.

Da data indsamles af selvdykkende biler og overføres fra dem til perifere datacentre, efterfulgt af, at de migrerer til sky-lagring, bliver spørgsmålet om at bruge en optimeret og lagdelt data-lagringarkitektur mere og mere relevant. Frisk data skal analyseres øjeblikkeligt for at forbedre maskinlæringsmodeller. Høj gennemstrømning og lav forsinkelse er nødvendig her. SSD’er og højkapacitets HAMR-drev med understøttelse af multi-drev-teknologi er bedst egnet til dette formål.

Efter data har passeret den første analysefase, skal det gemmes mere effektivt: på høj kapacitet, men lavomkostnings traditionel nearline-lagring. Disse lagringsservere er velegnede, hvis data kan være nødvendigt i fremtiden. Gammel data, der er usandsynligt at blive brugt, men skal gemmes af en eller anden grund, kan flyttes til arkiveringsniveauet.

Data vil mere og mere blive bearbejdet og analyseret på kanten, og indleder epoken for Industri 4.0, der ændrer, hvordan vi bruger data. Edge-computing vil give mulighed for at bearbejde data tæt på, hvor det indsamles, i stedet for en traditionel sky-server, og giver mulighed for at analysere det meget hurtigere og øjeblikkeligt reagere på ændringer i situationen. Et højhastighedsnetværk for informationsudveksling mellem biler og perifere datacentre vil hjælpe med at gøre autonom kørsel sikrere og mere pålidelig.

Konklusion

Forhåbentlig har denne analyse kastet lidt lys over, hvor vigtigt data er i feltet for autonom kørsel. Massen anvendelse af ubemandede køretøjer indebærer indsamling af store mængder af data, der skal bearbejdes ikke kun af onboard-computeren, men også af edge-servere og skyen. Data-bearbejdning-infrastrukturen skal være parat på forhånd.

Da anvendelsen af 5G spreder sig, vil selvdykkende biler begynde at generere mere og mere data, der derefter vil blive analyseret og brugt til at gøre smarte byer til virkelighed. At opnå dette mål vil ikke være meget let, men til sidst vil vi åbne et nyt kapitel i historien om så populære transportmidler som biler.

Selvdykkende biler er i frontlinjen for kunstig intelligens-teknologier, kommunikation og data-lagring. For at nå niveauet for fuldt autonome kørsel er det nødvendigt at fortsætte udviklingen og forbedringen af disse teknologier.