Problemer med selvstyrende kjøretøy og hvordan løse dem – Tankeledere

Autonome kjøretøy krever mer enn bare enkel kunstig intelligens. Et selvstyrende kjøretøy mottar data fra ulike kilder som sonarer, kameraer, radarer, GPS og lidarer, som gjør det mulig å navigere i enhver miljø. Informasjonen fra disse enhetene må prosesseres raskt, og datavolumene er massive.

Informasjonen fra sensorer prosesseres ikke bare av bilens datamaskin i sanntid. Noen data sendes til perifere datacenter for videre analyse. Og deretter, gjennom en kompleks hierarki, blir den omdirigert til ulike skytjenester.

Den kunstige intelligensen som kjøretøyet er utstyrt med, er avgjørende, men også prosesseringskapasiteten til omborddatamaskiner, perifere servere og skytjenester. Hastigheten på å sende og motta data fra bilen, sammen med lav forsinkelse, er også veldig viktig.

Problemet med datavolum

Selv vanlige biler, med en sjåfør bak rattet, genererer mer og mer data. Selvstyrende biler kan generere omtrent 1TB med data per time. Dette datavolumet er enkelt gigantisk. Og det representerer ett av hindrene for masseadopsjon av autonom kjøring.

Uheldigvis kan ikke all data fra et selvstyrende kjøretøy prosesseres i skytjenester eller perifere datacenter, da dette introduserer for mye forsinkelse. Selv en forsinkelse på 100 ms kan gjøre forskjellen på liv eller død for en passasjer eller fotgjenger. Bilen må reagere på nye omstendigheter så raskt som mulig.

For å redusere forsinkelsen mellom å motta informasjon og reagere på den, analyseres en del av informasjonen av omborddatamaskinen. For eksempel er nye Jeep-modeller utstyrt med en omborddatamaskin med 25-50 prosessorer som betjener cruisekontroll, blindsonemonitor, hindringsvarsel, automatisk bremsing osv. Kjøretøy-nodene kommuniserer med hverandre via et internt nettverk. Det passer også inn i konseptet perifer dataprosessering hvis vi betrakter omborddatamaskinen som en perifer node i nettverket. Som resultat består ubemannede kjøretøy av et komplekst hybridnettverk som kombinerer sentraliserte datacenter, skytjenester og mange perifere noder. Disse nodene er plassert ikke bare i biler, men også i trafikkllys, kontrollstasjoner, lade-stasjoner osv.

Slike servere og datacenter utenfor bilen gir all mulig assistanse med autonom kjøring. De gjør det mulig for bilen å “se” utenfor rekkevidden av sine sensorer, koordinere belastningen på veinettet og hjelpe med å ta optimale beslutninger.

Interaksjon med hverandre og infrastruktur

GPS og datamaskinsynssystemer gir selvstyrende biler informasjon om deres plassering og nærmiljø. Men rekkevidden av det beregnede miljøet øker stadig. Likevel kan bare ett kjøretøy samle inn en begrenset mengde informasjon. Derfor er datautveksling absolutt nødvendig. Som resultat kan hver enkelt bil bedre analysere kjøreforhold basert på den større datamengden som er samlet inn av den autonome kjøretøy-flåten. Kjøretøy-til-kjøretøy (V2V) kommunikasjonssystemer baserer seg på mesh-nettverk som er opprettet av kjøretøy i samme geografiske område. V2V brukes til å utveksle informasjon og sende signaler til andre kjøretøy, som avstandadvarsler.

V2V-nettverk kan utvides for å dele informasjon med trafikkinfrastruktur som trafikkllys. Det er allerede relevant å snakke om V2I (kjøretøy-til-infrastruktur) kommunikasjon her. V2I-standarder utvikles stadig. I USA utgir Federal Highway Administration (FHWA) regelmessig ulike V2I-veiledninger og rapporter for å forbedre teknologien. Fordelene med V2I strekker seg langt utenfor sikkerhet. I tillegg til å forbedre sikkerheten, gir kjøretøy-infrastruktur-teknologien fordeler når det gjelder mobilitet og interaksjon med miljøet.

Sjåfører som kjører samme rute hver dag husker alle hullene på veien. Selvstyrende biler lærer også stadig. Selvstyrende biler vil laste opp tilgjengelig nyttig informasjon til perifere datacenter, for eksempel integrert i lade-stasjoner. Lade-stasjoner vil basere seg på kunstig intelligens-algoritmer som vil hjelpe med å analysere dataene mottatt fra biler og tilby mulige løsninger. Gjennom skytjenesten vil denne dataen bli overført til andre ubemannede kjøretøy i det felles nettverket.

Hvis dette modellen for datautveksling mellom alle selvstyrende biler faktisk materialiseres i noen år, kan vi forvente exabyte (millions av terabyte) med data per dag. Ifølge ulike estimater kan det være fra hundredtusener til titalls millioner selvstyrende biler på veiene på denne tiden.

5G som nøkkel til suksess

Som nevnt ovenfor kan selvstyrende biler motta informasjon om fotgjengere og syklister ikke bare fra sine sensorer, men også gjennom datautveksling med andre biler, trafikkllys og annen urban infrastruktur.

Flere 5G-tilkoblede bilprosjekter eksisterer allerede. Biler bruker mobiloperatørens 5G-nettverk og C-V2X (Cellular Vehicle-to-Everything) teknologi til å kommunisere med andre biler, syklister og sogar trafikkllys. Disse er utstyrt med termiske bildesensorer som detekterer fotgjengere som nærmer seg overgangen; som resultat vises en advarsel på bilens dashboard. Tilkoblede syklister informeres om sin plassering, som forhindrer farlige situasjoner. I tilfelle av dårlig sikt slår parkerte biler automatisk på varsellysene, som varsler alle nærmende biler om deres posisjon.

5G-mobilnettverkenes muligheter kommer til nytte her. De tilbyr rask hastighet, svært lav forsinkelse og mulighet til å støtte et stort antall samtidige tilkoblinger. Selvstyrende biler uten slike dataprosesseringsmuligheter vil ikke være i stand til å utføre mange oppgaver raskere enn en person. For eksempel å bestemme fremtoningen av en fotgjenger på nærmeste overgang. Dessuten bør forsinkelsene være minimale, da selv en brøkdel av en sekund forsinkelse kan føre til en ulykke.

Store bilprodusenter som BMW, Daimler, Hyundai, Ford og Toyota integrerer allerede 5G-teknologi i sine produkter. Milliarder av dollar er allerede brukt av mobiloperatører på å bygge 5G-nettverk. Så dette er rett tid å gi kjøretøyene en sett med ferdigheter som vil være nyttige i daglig drift.

Alle eksperimenter med 5G-tilkoblede selvstyrende biler vil gå i stå hvis et 5G-infrastruktur ikke er på plass. Igjen kan et ubemannet kjøretøy generere 1TB med data per time, så mobilnettverket må være klar til å overføre disse dataene.

Hvordan prosessere og lagre exabyte med data

Ikke alle datatyper krever umiddelbar prosessering, og omborddatamaskinen har begrensede ytelses- og lagringsmuligheter. Derfor bør data som kan “vente” samles inn og analyseres i perifere datacenter, mens en del av dataene vil migrere til skytjenesten og prosesseres der.

Det er byregjeringers og bilprodusenters ansvar å fange, prosessere, overføre, beskytte og analysere data om hver enkelt bil, trafikkkø, fotgjenger eller hull i veien. Noen smarte byarkitekter eksperimenterer allerede med maskinlæringsalgoritmer som analyserer trafikdata mer effektivt for å raskt identifisere hull i veien, regulere trafikken og øyeblikkelig reagere på ulykker. Fra et globalt perspektiv gir maskinlæringsalgoritmer anbefalinger for å forbedre urban infrastruktur.

For å innføre fullt autonome kjøretøy i vårt liv, er det nødvendig å løse problemet med å prosessere og lagre enorme mengder data. Hver dag kan et ubemannet kjøretøy generere opptil 20 TB med data. Bare ett kjøretøy! I fremtiden kan dette føre til exabyte med data som genereres på en dag. For å lagre disse dataene trengs en høy-ytelses-, fleksibel-, sikker- og pålitelig kant-infrastruktur. Det er også problemet med effektiv dataprosessering.

For at omborddatamaskinen skal kunne ta beslutninger i sanntid, trenger den den mest oppdaterte informasjonen om miljøet. Gammel data, som informasjon om bilens plassering og hastighet for en time siden, er vanligvis ikke lenger nødvendig. Men denne dataen er nyttig for videre forbedring av autonome kjøring-algoritmer.

Utviklere av kunstig intelligens-systemer må motta store mengder data for å trene dyptlæringsnettverk: identifisere objekter og deres bevegelse gjennom kameraer, lidar-informasjon og kombinere informasjon om miljøet og infrastrukturen på en optimal måte for å ta beslutninger. For veisikkerhetsspesialister er dataene som er samlet inn av biler umiddelbart før ulykker eller farlige situasjoner på veien, vitalt.

Ettersom data samles inn av selvstyrende biler og overføres fra dem til perifere datacenter, og deretter migrerer til sky-lagring, blir spørsmålet om å bruke en optimalisert og lagdelt datalagringsarkitektur mer og mer relevant. Fersk data må analyseres umiddelbart for å forbedre maskinlæringsmodeller. Høy gjennomstrømming og lav forsinkelse er nødvendig her. SSD-er og høykapasitets HAMR-Enheter med støtte for fler-drev-teknologi er best egnet for dette formålet.

Etter at dataene har passert den innledende analysefasen, må de lagres mer effektivt: på høykapasitets-, men lavkostnads-, tradisjonelle nearline-lagringsenheter. Disse lagringsserverne er godt egnet hvis dataene kan være nødvendig i fremtiden. Gammel data som er usannsynlig å være nødvendig, men må beholdes av andre grunner, kan flyttes til arkiveringsnivået.

Data vil stadig prosesseres og analyseres på kanten, og innleder epoken av Industri 4.0, som endrer hvordan vi bruker data. Kant-prosessering vil gjøre det mulig å prosessere data nær der de samles inn, i stedet for en tradisjonell skytjeneste, og gjøre det mulig å analysere dem mye raskere, og umiddelbart reagere på endrede situasjoner. Et høyhastighetsnettverk for informasjonsutveksling mellom biler og perifere datacenter vil hjelpe med å gjøre autonom kjøring tryggere og mer pålitelig.

Konklusjon

Håper dette analysen har kastet lys over hvor viktig data er i feltet autonom kjøring. Masseadopsjon av ubemannede kjøretøy innebærer innhenting av store mengder data som bør prosesseres ikke bare av omborddatamaskinen, men også av kant-servere og skytjenesten. Dataprosesserings-infrastrukturen må være klar på forhånd.

Ettersom adopsjonen av 5G sprenger, vil selvstyrende biler begynne å generere mer og mer data, som deretter vil bli analyser og brukt til å gjøre smarte byer til virkelighet. Å oppnå dette målet vil ikke være veldig enkelt, men til slutt vil vi åpne en ny kapittel i historien om et så populært transportmiddel som bilen.

Selvstyrende biler er i forkant av kunstig intelligens-teknologier, kommunikasjon og data-lagring. For å nå nivået av fullt autonom kjøring, er det nødvendig å fortsette utviklingen og forbedringen av disse teknologiene.