Προβλήματα των Οχημάτων Αυτόνομης Κίνησης και Πώς να τα Λύσουμε – Ηγετικά Πρόσωπα

Τα αυτονομικά οχήματα απαιτούν περισσότερα από απλή τεχνητή νοημοσύνη. Ένα αυτοκίνητο αυτόνομης κίνησης λαμβάνει δεδομένα από διάφορες πηγές, όπως σόναρ, κάμερες, ραντάρ, GPS και λίδαρ, επιτρέποντάς του να πλοηγείται σε οποιοδήποτε περιβάλλον. Τα δεδομένα από αυτά τα συσκευάσματα πρέπει να επεξεταστούν γρήγορα, και τα δεδομένα είναι τεράστια.

Τα δεδομένα από τους αισθητήρες επεξεταστούν όχι μόνο από τον υπολογιστή του αυτοκινήτου σε πραγματικό χρόνο. Κάποια δεδομένα αποστέλλονται σε περιφερειακά κέντρα δεδομένων για περαιτέρω ανάλυση. Και στη συνέχεια, μέσω μιας σύνθετης ιεραρχίας, ανακατευθύνονται σε διάφορες νεφώσεις.

Η τεχνητή νοημοσύνη που διαθέτει το όχημα είναι κρίσιμη, αλλά και οι δυνατότητες επεξεργασίας των ενσωματωμένων υπολογιστών, των περιφερειακών सरβερών και της νεφούς. Η ταχύτητα αποστολής και λήψης δεδομένων από το αυτοκίνητο, μαζί με την χαμηλή καθυστέρηση, είναι και τα δύο πολύ σημαντικά.

Το Πρόβλημα του Όγκου Δεδομένων

Ακόμη και τα συνηθισμένα αυτοκίνητα, με οδηγό πίσω από το τιμόνι, παράγουν όλο και περισσότερα δεδομένα. Τα αυτοκίνητα αυτόνομης κίνησης μπορούν να παράγουν περίπου 1TB δεδομένων ανά ώρα. Αυτό το ποσό δεδομένων είναι απλά γιγαντιαίο. Και αντιπροσωπεύει ένα από τα εμπόδια για τη μαζική υιοθέτηση της αυτόνομης οδήγησης.

Δυστυχώς, όλα τα δεδομένα ενός αυτοκινήτου αυτόνομης κίνησης δεν μπορούν να επεξεταστούν στη νεφού ή στα περιφερειακά κέντρα δεδομένων, καθώς αυτό εισάγει πολύ καθυστέρηση. Ακόμη και μια καθυστέρηση 100 ms μπορεί να κάνει τη διαφορά μεταξύ της ζωής ή του θανάτου ενός επιβατικού ή πεζού. Το αυτοκίνητο πρέπει να ανταποκρίνεται στις αναδυόμενες περιστάσεις όσο το δυνατόν γρηγορότερα.

Για να μειώσετε την καθυστέρηση μεταξύ λήψης πληροφοριών και ανταπόκρισης σε αυτές, ένα μέρος των πληροφοριών αναλύεται από τον ενσωματωμένο υπολογιστή. Για παράδειγμα, τα νέα μοντέλα Jeep είναι εξοπλισμένα με έναν ενσωματωμένο υπολογιστή με 25-50 πυρήνες επεξεργασίας που εξυπηρετεί τον έλεγχο ταχύτητας, τον έλεγχο τυφλών σημείων, τον έλεγχο εμποδίων, την αυτόματη φρένα, κ.λπ. Οι κόμβοι του οχήματος επικοινωνούν μεταξύ τους μέσω ενός εσωτερικού δικτύου. Αυτό επίσης ταιριάζει στην έννοια της περιφερειακής επεξεργασίας εάν θεωρήσουμε τον ενσωματωμένο υπολογιστή ως περιφερειακό κόμβο του δικτύου. Ως αποτέλεσμα, τα αυτοκίνητα χωρίς οδηγό αποτελούν ένα σύνθετο υβριδικό δίκτυο που συνδυάζει κεντρικά κέντρα δεδομένων, τη νεφού και πολλά περιφερειακά σημεία. Τα τελευταία βρίσκονται όχι μόνο στα αυτοκίνητα αλλά και σε σηματοδοτικά, σημεία ελέγχου, σταθμούς充电, κ.λπ.

Τέτοιες सरβερ και κέντρα δεδομένων εκτός του αυτοκινήτου παρέχουν όλες τις δυνατές βοήθειες για την αυτόνομη οδήγηση. Επιτρέπουν στο αυτοκίνητο να “βλέπει” πέρα από την εμβέλεια των αισθητήρων του, να συντονίζει το φορτίο στο δίκτυο οδών και να βοηθά στην λήψη οπτικών αποφάσεων.

Αλληλεπίδραση μεταξύ τους και της Υποδομής

Το GPS και τα συστήματα υπολογιστικής όρασης παρέχουν στα αυτοκίνητα αυτόνομης κίνησης πληροφορίες για τη θέση τους και το άμεσο περιβάλλον. Ωστόσο, η εμβέλεια του υπολογισμένου περιβάλλοντος αυξάνεται συνεχώς. Παρόλα αυτά, ένα αυτοκίνητο μπορεί να συλλέξει μόνο một περιορισμένο ποσό πληροφοριών. Έτσι, η ανταλλαγή δεδομένων είναι απολύτως απαραίτητη. Ως αποτέλεσμα, κάθε όχημα μπορεί να αναλύσει καλύτερα τις συνθήκες οδήγησης με βάση το μεγαλύτερο σύνολο δεδομένων που συλλέγεται από τον στόλο των αυτοκινήτων αυτόνομης κίνησης. Τα συστήματα επικοινωνίας οχήματος-οχήματος (V2V) βασίζονται σε δίκτυα πλέγματος που δημιουργούνται από οχήματα στην ίδια γεωγραφική περιοχή. Το V2V χρησιμοποιείται για την ανταλλαγή πληροφοριών και την αποστολή σημάτων σε άλλα οχήματα, όπως προειδοποιήσεις απόστασης.

Τα δίκτυα V2V μπορούν να επεκταθούν για να μοιράζονται πληροφορίες με την υποδομή της κυκλοφορίας, όπως τα σηματοδοτικά. Είναι ήδη κατάλληλο να μιλήσουμε για επικοινωνία οχήματος-υποδομής (V2I) εδώ. Οι προδιαγραφές V2I εξελίσσονται συνεχώς. στις Ηνωμένες Πολιτείες, η Ομοσπονδιακή Υπηρεσία Οδών (FHWA) εκδίδει τακτικά διάφορες οδηγούς και εκθέσεις V2I για να βοηθήσει στην βελτίωση της τεχνολογίας. Τα οφέλη του V2I εκτείνονται πολύ πέρα από την ασφάλεια. Εκτός από την ενίσχυση της ασφάλειας, η τεχνολογία οχήματος-υποδομής παρέχει πλεονεκτήματα σε όρους κινητικότητας και αλληλεπίδρασης με το περιβάλλον.

Οι οδηγοί που πηγαίνουν την ίδια διαδρομή κάθε μέρα θυμάονται όλα τα λάκκια στο δρόμο. Τα αυτοκίνητα αυτόνομης κίνησης μαθαίνουν επίσης συνεχώς. Τα αυτοκίνητα αυτόνομης κίνησης θα ανεβάσουν τις διαθέσιμες χρήσιμες πληροφορίες σε περιφερειακά κέντρα δεδομένων, για παράδειγμα, ενσωματωμένα σε σταθμούς充电. Οι σταθμοί充电 θα βασιστούν σε αλγόριθμους τεχνητής νοημοσύνης που θα βοηθήσουν στην ανάλυση των δεδομένων που λαμβάνονται από τα αυτοκίνητα και να προτείνουν πιθανές λύσεις. Μέσω της νεφούς, αυτά τα δεδομένα θα μεταδοθούν σε άλλα αυτοκίνητα χωρίς οδηγό στο κοινό δίκτυο.

Εάν αυτό το μοντέλο ανταλλαγής δεδομένων μεταξύ всех αυτοκινήτων αυτόνομης κίνησης πραγματοποιηθεί σε quelques χρόνια, τότε μπορούμε να περιμένουμε εξαβ이트 (εκατομμύρια τεράμπαϊτ) δεδομένων ανά ημέρα. Σύμφωνα με διάφορες εκτιμήσεις, από εκατοντάδες χιλιάδες έως δεκάδες εκατομμύρια αυτοκίνητα αυτόνομης κίνησης μπορεί να εμφανιστούν στους δρόμους μέχρι τότε.

Το 5G ως το Κλειδί της Επιτυχίας

Όπως αναφέρθηκε παραπάνω, τα αυτοκίνητα αυτόνομης κίνησης μπορούν να λαμβάνουν πληροφορίες για πεζούς και ποδηλάτες όχι μόνο από τους αισθητήρες τους, αλλά και μέσω της ανταλλαγής δεδομένων με άλλα αυτοκίνητα, σηματοδοτικά και άλλη αστική υποδομή.

Υπάρχουν ήδη διάφορα πρότζεκτ αυτοκινήτων 5G. Τα αυτοκίνητα χρησιμοποιούν το δίκτυο 5G του παρόχου κινητής τηλεφωνίας και την τεχνολογία C-V2X (Cellular Vehicle-to-Everything) για να επικοινωνούν με άλλα αυτοκίνητα, ποδηλάτες και ακόμη και σηματοδοτικά. Τα τελευταία είναι εξοπλισμένα με θερμικές εικόνες που ανιχνεύουν πεζούς που προσελαύνουν στο σηματοδοτικό; ως αποτέλεσμα, μια προειδοποίηση εμφανίζεται στην οθόνη του αυτοκινήτου. Οι συνδεδεμένοι ποδηλάτες ενημερώνονται για τη θέση τους, που αποτρέπει επικίνδυνες καταστάσεις. Σε περίπτωση κακής ορατότητας, τα σταθμευμένα αυτοκίνητα ενεργοποιούν αυτόματα τα φλας, ενημερώνοντας όλα τα αυτοκίνητα που προσελαύνουν για τη θέση τους.

Οι ικανότητες των δικτύων κινητής τηλεφωνίας 5G έρχονται σε χείρας εδώ. Παρέχουν γρήγορες ταχύτητες, πολύ χαμηλή καθυστέρηση και την ικανότητα να υποστηρίζουν ένα μεγάλο αριθμό ταυτόχρονων συνδέσεων. Τα αυτοκίνητα αυτόνομης κίνησης χωρίς τέτοιες ικανότητες επεξεργασίας δεδομένων δεν θα μπορέσουν να εκτελέσουν πολλές εργασίες γρηγορότερα από έναν άνθρωπο. Για παράδειγμα, να καθορίσουν την εμφάνιση ενός πεζού στο πλησιέστερο σηματοδοτικό. Επιπλέον, οι καθυστερήσεις πρέπει να είναι ελάχιστες,既然 ακόμη και μια κλάσμα του δευτερολέπτου καθυστέρηση μπορεί να οδηγήσει σε einen ατύχημα.

Οι μεγάλες εταιρείες αυτοκινήτων, όπως η BMW, η Daimler, η Hyundai, η Ford και η Toyota, έχουν ήδη ενσωματώσει την τεχνολογία 5G στα προϊόντα τους. Δισεκατομμύρια δολάρια έχουν ήδη δαπανηθεί από τους παρόχους κινητής τηλεφωνίας για την κατασκευή δικτύων 5G. Έτσι, είναι η σωστή στιγμή να δώσουμε στα οχήματα ένα σύνολο ικανοτήτων που θα είναι χρήσιμες στην καθημερινή λειτουργία.

Πώς να Επεξεργαστείτε και να Αποθηκεύσετε Εξαβایت Δεδομένων

Όχι όλα τα είδη δεδομένων απαιτούν άμεση επεξεργασία, και ο ενσωματωμένος υπολογιστής έχει περιορισμένες δυνατότητες και χωρητικότητα αποθήκευσης. Έτσι, τα δεδομένα που μπορούν να “περιμένουν” πρέπει να συλλεγούν και να αναλυθούν σε περιφερειακά κέντρα δεδομένων, ενώ κάποια από τα δεδομένα θα μεταφερθούν στη νεφού και θα επεξεταστούν εκεί.

Είναι η ευθύνη των τοπικών κυβερνήσεων και των κατασκευαστών αυτοκινήτων να συλλέγουν, να επεξεργάζονται, να μεταφέρουν, να προστατεύουν και να αναλύουν δεδομένα για κάθε αυτοκίνητο,拥堵, πεζό, ή λάκκο. Κάποιοι αρχιτέκτονες έξυπνων πόλεων πειραματίζονται ήδη με αλγόριθμους μηχανικής μάθησης που αναλύουν τα δεδομένα της κυκλοφορίας πιο αποτελεσματικά για να αναγνωρίσουν γρήγορα τους λάκκους στο δρόμο, να ρυθμίσουν την κυκλοφορία και να ανταποκριθούν άμεσα σε ατυχήματα. Από μια παγκόσμια προοπτική, οι αλγόριθμοι μηχανικής μάθησης παρέχουν συστάσεις για την βελτίωση της αστικής υποδομής.

Για να εισαγάγουμε την πλήρη αυτόνομη οδήγηση στη ζωή μας, είναι απαραίτητο να λύσουμε το πρόβλημα της επεξεργασίας και αποθήκευσης τεράστιων ποσοτήτων δεδομένων. Κάθε μέρα, ένα αυτοκίνητο χωρίς οδηγό μπορεί να παράγει μέχρι 20 TB δεδομένων. Μόνο ένα αυτοκίνητο! Στο μέλλον, μπορεί να οδηγήσει σε εξαβایت δεδομένων που παράγονται σε μια ημέρα. Για να αποθηκεύσετε αυτά τα δεδομένα, χρειάζεστε μια υψηλής απόδοσης, ευέλικτη, ασφαλή και αξιόπιστη υποδομή ακμής. Υπάρχει επίσης το πρόβλημα της αποτελεσματικής επεξεργασίας δεδομένων.

Για τον ενσωματωμένο υπολογιστή να λάβει αποφάσεις σε πραγματικό χρόνο, χρειάζεται τις πιο πρόσφατες πληροφορίες για το περιβάλλον. Παλιά δεδομένα, όπως η θέση του αυτοκινήτου και η ταχύτητα πριν από μια ώρα, δεν χρειάζονται συνήθως πλέον. Ωστόσο, αυτά τα δεδομένα είναι χρήσιμα για την περαιτέρω βελτίωση των αλγορίθμων αυτόνομης οδήγησης.

Οι dévelopers των συστημάτων τεχνητής νοημοσύνης πρέπει να λαμβάνουν μεγάλες ποσότητες δεδομένων για να εκπαιδεύσουν τα δίκτυα βαθιάς μάθησης: να αναγνωρίσουν αντικείμενα και την κίνησή τους μέσω καμερών, lidar και να συνδυάσουν οπτικά τις πληροφορίες για το περιβάλλον και την υποδομή για να λάβουν αποφάσεις. Για τους ειδικούς ασφάλειας οδών, τα δεδομένα που συλλέγονται από τα αυτοκίνητα αμέσως πριν από ατυχήματα ή επικίνδυνες καταστάσεις στο δρόμο είναι ζωτικά.

Όσο τα δεδομένα συλλέγονται από τα αυτοκίνητα αυτόνομης κίνησης και μεταφέρονται από αυτά στα περιφερειακά κέντρα δεδομένων, μετά από οποία μεταναστεύουν σε αποθήκευση νεφούς, το ζήτημα της χρήσης μιας βελτιστοποιημένης και ιεραρχικής αρχιτεκτονικής αποθήκευσης δεδομένων γίνεται όλο και πιο σχετικό. Τα φρέσκα δεδομένα πρέπει να αναλυθούν αμέσως για να βελτιωθούν τα μοντέλα μηχανικής μάθησης. Απαιτούνται υψηλή пропύργωση και χαμηλή καθυστέρηση. Οι SSD και δίσκοι υψηλής χωρητικότητας HAMR με υποστήριξη τεχνολογιών πολλαπλών δισκίων είναι πιο κατάλληλοι για αυτόν τον σκοπό.

Μετά την ολοκλήρωση της αρχικής ανάλυσης, τα δεδομένα πρέπει να αποθηκευτούν πιο αποτελεσματικά: σε υψηλής χωρητικότητας αλλά χαμηλού κόστους παραδοσιακές αποθήκες. Αυτές οι αποθήκες είναι κατάλληλες εάν τα δεδομένα μπορεί να χρειαστούν στο μέλλον. Παλιά δεδομένα που είναι απίθανο να χρειαστούν, αλλά πρέπει να διατηρηθούν για κάποιο άλλο λόγο, μπορούν να μεταφερθούν στο επίπεδο αρχειοθέτησης.

Τα δεδομένα θα επεξεργάζονται και θα αναλύονται όλο και περισσότερο στην ακμή, εισάγοντας την εποχή της Βιομηχανίας 4.0, η οποία αλλάζει τον τρόπο που χρησιμοποιούμε τα δεδομένα. Η επεξεργασία στην ακμή θα επιτρέψει στα δεδομένα να επεξεργάζονται κοντά στο σημείο που συλλέγονται, αντί για einen παραδοσιακό διακομιστή νεφούς, επιτρέποντας να αναλυθούν πολύ γρηγορότερα, ανταποκρινόμενα αμέσως στις μεταβαλλόμενες καταστάσεις. Ένα δίκτυο υψηλής ταχύτητας ανταλλαγής πληροφοριών μεταξύ αυτοκινήτων και περιφερειακών κέντρων δεδομένων θα βοηθήσει να κάνει την αυτόνομη οδήγηση ασφαλέστερη και πιο αξιόπιστη.

Συμπέρασμα

Ελπίζουμε ότι αυτή η ανάλυση έχει ρίξει κάποιο φως σε πόσο σημαντικά είναι τα δεδομένα στον τομέα της αυτόνομης οδήγησης. Η μαζική υιοθέτηση των αυτοκινήτων χωρίς οδηγό περιλαμβάνει τη συλλογή πολλών δεδομένων που πρέπει να επεξεργαστούν όχι μόνο από τον ενσωματωμένο υπολογιστή, αλλά και από τις περιφερειακές सरβερ και τη νεφού. Η υποδομή επεξεργασίας δεδομένων πρέπει να είναι έτοιμη από πριν.

Όσο η υιοθέτηση του 5G εξαπλώνεται, τα αυτοκίνητα αυτόνομης κίνησης θα αρχίσουν να παράγουν όλο και περισσότερα δεδομένα, τα οποία θα αναλυθούν και θα χρησιμοποιηθούν για να κάνουν τις έξυπνες πόλεις πραγματικότητα. Η επίτευξη αυτού του στόχου δεν θα είναι πολύ εύκολη, αλλά στο τέλος, θα ανοίξουμε einen νέο κεφάλαιο στην ιστορία ενός τόσο δημοφιλούς μέσου μεταφοράς όπως το αυτοκίνητο.

Τα αυτοκίνητα αυτόνομης κίνησης βρίσκονται στην πρώτη γραμμή των τεχνολογιών τεχνητής νοημοσύνης, επικοινωνιών και αποθήκευσης δεδομένων. Για να φτάσουμε στο επίπεδο της πλήρως αυτόνομης οδήγησης, είναι απαραίτητο να συνεχίσουμε την ανάπτυξη και την βελτίωση αυτών των τεχνολογιών.