Problemi dei Veicoli di Guida Autonoma e Come Risolverli – Leader di Pensiero

I veicoli autonomi richiedono più di una semplice intelligenza artificiale. Un’auto a guida autonoma riceve dati da varie fonti come sonar, telecamere, radar, GPS e lidar, consentendole di navigare in qualsiasi ambiente. Le informazioni da questi dispositivi devono essere elaborate rapidamente e i volumi di dati sono massicci.

Le informazioni dai sensori vengono elaborate non solo dal computer dell’auto in tempo reale. Alcuni dati vengono inviati a centri dati periferici per ulteriore analisi. E poi, attraverso una complessa gerarchia, viene reindirizzato a vari cloud.

L’AI che il veicolo è dotato è cruciale, ma anche le capacità di elaborazione dei computer di bordo, server periferici e cloud. La velocità di invio e ricezione dei dati da parte dell’auto, insieme a una bassa latenza, sono entrambi molto importanti.

Problema del Volume di Dati

Anche le auto ordinarie, con un guidatore al volante, generano sempre più dati. Le auto a guida autonoma possono generare circa 1TB di dati all’ora. Questa quantità di dati è semplicemente gigantesca. E rappresenta uno degli ostacoli all’adozione di massa della guida autonoma.

Purtroppo, tutti i dati di un’auto a guida autonoma non possono essere elaborati nel cloud o nei centri dati periferici, poiché ciò introduce troppo ritardo. Anche un ritardo di 100 ms può fare la differenza tra la vita o la morte di un passeggero o di un pedone. L’auto deve rispondere alle circostanze emergenti il più rapidamente possibile.

Per ridurre il ritardo tra la ricezione delle informazioni e la risposta a esse, parte delle informazioni viene analizzata dal computer di bordo. Ad esempio, i nuovi modelli Jeep sono dotati di un computer di bordo con 25-50 core di elaborazione che serve il controllo di crociera, il monitoraggio del punto cieco, l’avviso di ostacolo, la frenata automatica, ecc. I nodi del veicolo comunicano tra loro tramite una rete interna. Ciò si inserisce anche nel concetto di calcolo periferico se consideriamo il computer di bordo come un nodo periferico della rete. Di conseguenza, i veicoli senza pilota costituiscono una complessa rete ibrida che combina centri dati centralizzati, il cloud e molti nodi periferici. Questi ultimi si trovano non solo nelle auto, ma anche nei semafori, nei posti di controllo, nelle stazioni di ricarica, ecc.

Tali server e centri dati al di fuori dell’auto forniscono tutti i possibili aiuti per la guida autonoma. Consentono all’auto di “vedere” oltre la portata dei suoi sensori, coordinare il carico sulla rete stradale e aiutare a prendere decisioni ottimali.

Interazione con gli Altri e con l’Infrastruttura

Il GPS e i sistemi di visione artificiale forniscono alle auto a guida autonoma informazioni sulla loro posizione e sull’ambiente circostante. Tuttavia, la portata dell’ambiente calcolato è in costante aumento. Tuttavia, un’auto può raccogliere solo una quantità limitata di informazioni. Quindi, lo scambio di dati è assolutamente necessario. Di conseguenza, ogni veicolo può analizzare meglio le condizioni di guida in base al set di dati più ampio raccolto dalla flotta di veicoli autonomi. I sistemi di comunicazione veicolo-veicolo (V2V) si basano su reti mesh create dai veicoli nella stessa area geografica. V2V viene utilizzato per scambiare informazioni e inviare segnali ad altri veicoli, come ad esempio avvisi di distanza.

Le reti V2V possono essere estese per condividere informazioni con l’infrastruttura stradale, come i semafori. È già opportuno parlare di comunicazione veicolo-infrastruttura (V2I) a questo punto. Gli standard V2I continuano a evolversi. Negli Stati Uniti, l’Amministrazione Federale delle Autostrade (FHWA) pubblica regolarmente varie guide e rapporti V2I per aiutare a migliorare la tecnologia. I vantaggi di V2I vanno ben oltre la sicurezza. Oltre a migliorare la sicurezza, la tecnologia veicolo-infrastruttura fornisce vantaggi in termini di mobilità e interazione con l’ambiente.

I guidatori che percorrono la stessa rotta ogni giorno ricordano tutti i buchi sulla strada. Le auto a guida autonoma stanno anche imparando costantemente. Le auto a guida autonoma caricheranno le informazioni disponibili e utili nei centri dati periferici, ad esempio integrati nelle stazioni di ricarica. Le stazioni di ricarica si baseranno su algoritmi di intelligenza artificiale che aiuteranno ad analizzare i dati ricevuti dalle auto e offrire possibili soluzioni. Attraverso il cloud, questi dati verranno trasmessi ad altri veicoli senza pilota nella rete comune.

Se questo modello di scambio di dati tra tutte le auto a guida autonoma si realizza veramente in pochi anni, allora possiamo aspettarci exabyte (milioni di terabyte) di dati al giorno. Secondo varie stime, da centinaia di migliaia a decine di milioni di auto a guida autonoma potrebbero apparire sulle strade in questo momento.

5G come Chiave del Successo

Come menzionato sopra, le auto a guida autonoma possono ricevere informazioni sui pedoni e ciclisti non solo dai loro sensori, ma anche attraverso lo scambio di dati con altre auto, semafori e altra infrastruttura urbana.

Esistono già diversi progetti di auto connesse 5G. Le auto utilizzano la rete 5G dell’operatore di telefonia mobile e la tecnologia C-V2X (Cellular Vehicle-to-Everything) per comunicare con altre auto, ciclisti e anche semafori. Questi ultimi sono dotati di termoimmaginifici che rilevano i pedoni che si avvicinano al passaggio pedonale; di conseguenza, un avviso appare sul cruscotto dell’auto. I ciclisti connessi vengono informati della loro posizione, il che impedisce situazioni pericolose. In caso di scarsa visibilità, le auto parcheggiate si accendono automaticamente con le luci di emergenza, notificando a tutte le auto in avvicinamento la loro posizione.

Le capacità delle reti mobili 5G sono utili in questo caso. Forniscono velocità rapide, latenza molto bassa e la possibilità di supportare un gran numero di connessioni simultanee. Le auto a guida autonoma senza tali capacità di elaborazione dei dati non saranno in grado di eseguire molti compiti più velocemente di una persona. Ad esempio, per determinare l’apparizione di un pedone al passaggio pedonale più vicino. Inoltre, i ritardi devono essere minimi, poiché anche un ritardo di un quarto di secondo può portare a un incidente.

I principali produttori di auto come BMW, Daimler, Hyundai, Ford e Toyota stanno già integrando la tecnologia 5G nei loro prodotti. Sono già stati spesi miliardi di dollari dagli operatori di telefonia mobile per costruire reti 5G. Quindi, è il momento giusto per dare ai veicoli un set di abilità che saranno utili nel funzionamento quotidiano.

Tutti gli esperimenti con auto a guida autonoma connesse 5G si fermeranno a meno che non ci sia un’infrastruttura 5G in atto. Ancora una volta, un veicolo senza pilota può generare 1TB di dati all’ora, quindi la rete mobile deve essere pronta a trasferire questi dati.

Come Elaborare e Memorizzare Exabyte di Dati

Non tutti i tipi di dati richiedono un’elaborazione immediata e il computer di bordo ha capacità di prestazione e archiviazione limitate. Pertanto, i dati che possono “attendere” dovrebbero essere accumulati e analizzati nei centri dati periferici, mentre alcuni dei dati migreranno nel cloud e verranno elaborati lì.

È responsabilità dei governi cittadini e dei produttori di auto catturare, elaborare, trasferire, proteggere e analizzare i dati su ogni auto, ingorgo stradale, pedone o buca. Alcuni architetti di città intelligenti stanno già sperimentando algoritmi di apprendimento automatico che analizzano i dati del traffico in modo più efficiente per identificare rapidamente le buche sulla strada, regolare il traffico e rispondere immediatamente agli incidenti. Da una prospettiva globale, gli algoritmi di apprendimento automatico forniscono raccomandazioni per migliorare l’infrastruttura urbana.

Per introdurre la guida autonoma completamente nella nostra vita, è necessario risolvere il problema dell’elaborazione e dell’archiviazione di grandi quantità di dati. Ogni giorno, un veicolo senza pilota può generare fino a 20 TB di dati. Solo un’auto! In futuro, ciò potrebbe portare a exabyte di dati generati in un solo giorno. Per archiviare questi dati, è necessario un’infrastruttura edge ad alte prestazioni, flessibile, sicura e affidabile. C’è anche il problema dell’elaborazione efficiente dei dati.

Perché il computer di bordo possa prendere decisioni in tempo reale, ha bisogno delle informazioni più aggiornate sull’ambiente. I dati vecchi, come le informazioni sulla posizione dell’auto e sulla velocità un’ora fa, non sono più necessari. Tuttavia, questi dati sono utili per ulteriori miglioramenti degli algoritmi di guida autonoma.

Gli sviluppatori di sistemi di intelligenza artificiale devono ricevere grandi quantità di dati per addestrare le reti di apprendimento profondo: identificare oggetti e il loro movimento attraverso le telecamere, le informazioni lidar e combinare in modo ottimale le informazioni sull’ambiente e sull’infrastruttura per prendere decisioni. Per gli specialisti della sicurezza stradale, i dati raccolti dalle auto subito prima degli incidenti o delle situazioni pericolose sulla strada sono vitali.

Mentre i dati vengono raccolti dalle auto a guida autonoma e trasferiti da esse ai centri dati periferici, dopo di che migrano nell’archiviazione cloud, la questione dell’utilizzo di un’architettura di archiviazione dei dati ottimizzata e a livelli diventa sempre più rilevante. I dati freschi devono essere analizzati immediatamente per migliorare i modelli di apprendimento automatico. È richiesta una grande capacità di throughput e una bassa latenza. Gli SSD e le unità HAMR ad alta capacità con supporto per tecnologie multi-drive sono più adatti a questo scopo.

Dopo che i dati hanno superato la fase di analisi iniziale, devono essere archiviati in modo più efficiente: su server di archiviazione tradizionali ad alta capacità ma a basso costo. Questi server di archiviazione sono ben adatti se i dati potrebbero essere necessari in futuro. I dati vecchi che non sono più necessari, ma devono essere conservati per qualche altro motivo, possono essere spostati al livello di archiviazione.

I dati saranno sempre più elaborati e analizzati ai margini, aprendo l’era dell’Industria 4.0, che sta cambiando il modo in cui utilizziamo i dati. L’elaborazione ai margini consentirà di elaborare i dati vicino al punto in cui vengono raccolti, anziché su un server cloud tradizionale, consentendo di analizzarli molto più velocemente e di rispondere immediatamente alle situazioni in evoluzione. Una rete di scambio di informazioni ad alta velocità tra auto e centri dati periferici aiuterà a rendere la guida autonoma più sicura e affidabile.

Conclusione

Speriamo che questa analisi abbia gettato un po’ di luce su quanto siano importanti i dati nel campo della guida autonoma. L’adozione di massa dei veicoli senza pilota coinvolge la raccolta di grandi quantità di dati che devono essere elaborati non solo dal computer di bordo, ma anche dai server edge e dal cloud. L’infrastruttura di elaborazione dei dati dovrebbe essere pronta in anticipo.

Man mano che l’adozione della tecnologia 5G si diffonde, le auto a guida autonoma inizieranno a generare sempre più dati, che verranno poi analizzati e utilizzati per rendere le città intelligenti una realtà. Raggiungere questo obiettivo non sarà molto facile, ma alla fine aprirà un nuovo capitolo nella storia di un mezzo di trasporto così popolare come l’auto.

Le auto a guida autonoma sono all’avanguardia delle tecnologie di intelligenza artificiale, comunicazioni e archiviazione dei dati. Per raggiungere il livello di guida autonoma completa, è necessario continuare lo sviluppo e il miglioramento di queste tecnologie.