AI-Powered Mapmaking is Essential to the New Era of Software-Defined Vehicles

자동차 산업은 역사상 가장 심오한 변화를 겪고 있습니다. 기계 공학과 마력으로 정의되던 이전과는 달리, 오늘날의 자동차는 코드로 점점 더 많이 형성되고 있습니다. 우리는 소프트웨어 정의 차량(SDV)의 시대에 진입하고 있습니다. 여기서 자동차의 지능은 엔진 블록에서 나온 것이 아니라 소프트웨어의 줄에서 나옵니다. Research and Markets의 최근 연구에 따르면, 글로벌 SDV 시장은 2024년 2,135억 달러에서 2030년까지 1조 2,000억 달러로 성장할 것으로 예상됩니다. 이러한 성장 규모는 소프트웨어, 매핑 및 AI의 교차점에서 일하는 사람들에게는 놀라운 일이 아닙니다. 이것은 이동성의 모든 측면에서 AI의 역할이 얼마나 빠르게 확장하고 있는지를 반영하는 것입니다.

AI는 점점 더 디지털 콕핏, 실시간 내비게이션 및 동적 라우팅, 예측 유지 보수, 고급 운전 보조 시스템(ADAS) 및 더 높은 수준의 자동 운전과 같은 가장 유용한 차량 기능의 디지털 엔진이 될 것입니다. AI는 운전 경험을 재정의하고 사용자 지정하는 데 도움이 됩니다. IBM의 최근 연구에 따르면, 74%의 자동차 고위 간부는 2035년까지 차량이 소프트웨어 정의 및 AI 구동될 것이라고 믿습니다. 그리고 그 때까지 80%의 새로운 자동차는 전기 동력etrain을 특징으로 할 것으로 예상되며, 이는 차량 시스템, 매핑, 소프트웨어 및 AI 기능을 통합하는 데 더 자연스러운 기반이 됩니다.

AI-Powered Mapping: The Digital Compass of SDVs

AI의 역할에 대한 특히 매력적인 예는 디지털 지도 제작의 발전에 있습니다. 정적 지도는 동적이고, 끊임없이 스트리밍되는 도로 환경의 표현인 “라이브” 지도로 대체되고 있습니다. 라이브 지도는 차량 시스템을 구동하는 데 사용됩니다. 지도는 전기, 연결 및 자동 차량에서 안전하고 효율적인 운전을 위한 필수입니다.

라이브 지도는 단순한 내비게이션을 제공하는 것보다 더 많은 것을 제공합니다. 차량이 주변 환경을 해석하고 실시간으로 정보에 따라 운전 결정을 내릴 수 있도록 합니다. AI의 패턴 감지, 환경 변경 인식 및 지도 데이터 동적 업데이트 기능은 운전자가 건설 구역을 피하고, 교통 사고를 우회하고, 도로 표지 또는 속도 제한의 변경에 대해 인식할 수 있도록 합니다.

우리는 이미 차량 센서, 인공위성 이미지 및 크라우드소싱 입력을 포함한 여러 데이터 소스에서 데이터를 지속적으로 통합하여 변경된 도로 상태를 반영하는 라이브 지도 기능을 보이고 있습니다. AI와 기계 학습에 의해 자동화되고 구동되는 여러 데이터 소스를 통합하는 능력은 라이브 지도의真正한 잠재력을 해방시킵니다.

The Personalized Vehicle: Intelligent, More Intuitive In-Car Experiences

운전 경험은 또한 더 개인화되고, 더 직관적이고, 더 AI 구동되고 있습니다. 우리는 운전자의 자연어와 패턴을 학습하여 운전자의 개인적인 선호도에 따라 차량을 적응시키는 차량 내 AI 어시스턴트를 보이고 있습니다. AI 어시스턴트는 이제 자연어 프롬프트된 라우팅, EV 충전 추천, 운전 조건 기반의 안전 경고 및 실시간 변경을 포함하여 선호도 및 정지를 고려하여 동적 일정 제안을 제공합니다.

IBM의 연구에 따르면, 75%의 고위 간부는 2035년까지 소프트웨어 정의 경험은 자동차 브랜드의 가치의 핵심이 될 것이라고 믿습니다. 이것은 운전자가 단순히 가장 짧은 여행 시간에 기반한 루트 제안을 받는 것이 아니라, 실시간 날씨, 근처 EV 충전기 가용성 및 이전 정지와 같은 동적 요소를 고려하여 루트 제안을 받을 수 있음을 의미합니다. 시간이 지남에 따라, 차량은 운전자가 계속해서 학습하고 진화하는 여행 동료가 됩니다.

AI as the Foundation for Assisted and Autonomous Functions

AI는 또한 ADAS 및 자율 주행 기능의 발전에 근본적으로 중요합니다. 차량의 안전성과 효율성을 위한 결정에 改善을 제공할 것입니다. 차선 유지, 적응형 크루즈 제어, 보행자 감지 및 물체 인식과 같은 기능에서입니다.

SDV가 더 높은 수준의 자율성으로 발전함에 따라, AI 구동 매핑과 LiDAR 및 카메라와 같은 차량 내 센서 입력의 조합은 정확한 루트 계획, 상황 인식 및 규제 준수를 위한 필수입니다.

Overcoming Roadblocks: Key Challenges in AI Integration

AI가 SDV에서 변革적인 가치를 가지고 있으며, AI에 대한熱情이 높지만, 광범위한 채택을 위해서는 몇 가지 도전을 극복해야 합니다:

• 데이터 무결성 및 보안: AI는大量의 데이터에 의존하므로, 민감한 정보를 보호하면서 실시간 정확성을 유지하는 문제가 있습니다. 자동차 제조업체와 소프트웨어 제공업체는 AI 구동 위치 및 차량 데이터가 침해 및 무단 액세스로부터 보호되도록 하면서 규제 표준을 준수해야 합니다.
• 상호 운용성 및 표준화: 더 많은 회사들이 AI 구동 시스템을 개발함에 따라, 이러한 기술이 브랜드 및 공급업체를 초과하여 작동할 수 있도록 보장하는 것이 중요합니다. इसस로 단편화가 방지되고, 크로스 플랫폼 호환성이 개선됩니다.
• 클라우드 및 에지 컴퓨팅 인프라: AI가 생성하는大量의 실시간 데이터를 처리하는 것은 강력한 컴퓨팅 인프라를 필요로 합니다. 클라우드 컴퓨팅 및 에지 처리의 지속적인 발전은 매핑, 내비게이션 및 차량 자동화와 같은 AI 애플리케이션을 지원하는 데 중요합니다.

The Future of an AI-Powered Map for SDVs

미래를 내다보면, 라이브 지도는 차량이 주변 환경을 해석하고 반응하는 방식에 점점 더 중심이 될 것입니다. 디지털 트윈 기술의 등장, 즉 AI가 차량의 실시간 가상 복제본을 생성하는 기술로 인해, 자동차 제조업체는 차량 기능을 시뮬레이션, 테스트 및 개선할 수 있을 것입니다. 최근의 발전은 AI 구동 이미지 인식 및 클라우드 처리를 가능하게 하여, 스트리트 레벨 이미지에서 실제 세계 특징을 자동으로 추출하여, 시뮬레이션, 안전 테스트 및 SDV 개발을 가속화하는 가상 환경을 생성할 수 있습니다.

내비게이션 및 사용자 경험를 개선하는 것 외에도, AI 구동 분석은 센서 및 성능 데이터에서 패턴을 감지하는 데 점점 더 많이 사용될 것입니다. 이는 유지 보수 필요를 더 일찍 식별하는 데 도움이 될 것입니다. AI는 전통적인 경고 시스템이 활성화되기 전에 차량의 미묘한 변화를 인식하여, 타이어 압력의 변경 또는 브레이크 효율性的 감소를 인식하여 서비스 경고를 트리거할 수 있습니다. 이러한 예측적 인사이트는 안전성을 개선하는 데만 아니라, 더 효율적이고 비용 효과적인 차량 및 플릿 관리를 지원할 것입니다.

明らか的是, 이 미래는 자동차 제조업체, AI 기술 제공업체, 클라우드 플랫폼 및 위치 데이터 전문가 간의 강력한 파트너십을 필요로 할 것입니다. 단일 조직이 이것을 혼자 구축할 수 없습니다. 그러나 함께 일함으로써, 우리는 더 안전하고, 더 지능적이고, 더 연결된 자동차 미래를 형성할 수 있습니다.

산업이 소프트웨어 정의 아키텍처로의 전환을 계속함에 따라, 실시간 AI 구동 위치 지능의 중요성은 더욱 커질 것입니다.