Problemy pojazdów samochodowych i jak je rozwiązać – Liderzy myśli

Pojazdy autonomiczne wymagają więcej niż tylko prostej sztucznej inteligencji. Samochód bezzałogowy otrzymuje dane z różnych źródeł, takich jak sonary, kamery, radary, GPS i lidary, co pozwala mu nawigować w dowolnym środowisku. Informacje z tych urządzeń powinny być przetwarzane szybko, a objętość danych jest ogromna.

Informacje z czujników są przetwarzane nie tylko przez komputer samochodu w czasie rzeczywistym. Część danych jest wysyłana do obwodowych centrów danych do dalszej analizy. A następnie, za pośrednictwem złożonej hierarchii, są one przekierowane do różnych chmur.

Sztuczna inteligencja, z której wyposażony jest pojazd, jest niezwykle ważna, ale także możliwości przetwarzania komputerów pokładowych, serwerów obwodowych i chmury. Prędkość wysyłania i odbierania danych przez samochód, wraz z niską latencją, są również bardzo ważne.

Problem objętości danych

Nawet zwykłe samochody, z kierowcą za kierownicą, generują coraz więcej danych. Samochody bezzałogowe mogą generować około 1 TB danych na godzinę. Ta ilość danych jest po prostu gigantyczna. I stanowi jedną z barier dla masowego wprowadzania jazdy autonomicznej.

Niestety, wszystkie dane samochodu bezzałogowego nie mogą być przetwarzane w chmurze lub obwodowych centrach danych, ponieważ wprowadza to zbyt dużą zwłokę. Nawet opóźnienie 100 ms może stanowić różnicę między życiem a śmiercią pasażera lub pieszego. Samochód musi reagować na pojawiające się okoliczności jak najszybciej.

Aby zmniejszyć opóźnienie między otrzymaniem informacji a reakcją na nią, część informacji jest analizowana przez komputer pokładowy. Na przykład nowe modele Jeepa są wyposażone w komputer pokładowy z 25-50 rdzeniami przetwarzania, który służy do kontroli tempomatu, monitorowania martwego pola, ostrzegania o przeszkodach, automatycznego hamowania itp. Węzły pojazdu komunikują się ze sobą za pośrednictwem sieci wewnętrznej. Pasuje to również do koncepcji obwodowego przetwarzania, jeśli uznamy komputer pokładowy za węzeł obwodowy sieci. W efekcie pojazdy bezzałogowe tworzą złożoną hybrydową sieć, która łączy scentralizowane centra danych, chmurę i wiele węzłów obwodowych. Te ostatnie znajdują się nie tylko w samochodach, ale także w sygnalizacji świetlnej, punktach kontrolnych, stacjach ładowania itp.

Takie serwery i centra danych poza samochodem zapewniają wszelką możliwą pomoc w jeździe autonomicznej. Pozwalają samochodowi “widzieć” poza zasięgiem jego czujników, koordynować obciążenie sieci drogowej i pomagać w podejmowaniu optymalnych decyzji.

Wzajemne oddziaływanie i infrastruktura

Systemy GPS i komputerowego widzenia dostarczają samochodom bezzałogowym informacji o ich położeniu i najbliższym otoczeniu. Jednak zakres obliczonego środowiska jest stale zwiększany. Nadal jeden samochód może zbierać tylko ograniczoną ilość informacji. Więc wymiana danych jest absolutnie konieczna. W efekcie każdy pojazd może lepiej analizować warunki jazdy na podstawie większego zbioru danych zebranych przez flotę pojazdów autonomicznych. Systemy komunikacji między pojazdami (V2V) opierają się na sieciach siatkowych tworzonych przez pojazdy w tym samym obszarze geograficznym. V2V służy do wymiany informacji i wysyłania sygnałów do innych pojazdów, takich jak ostrzeżenia o odległości.

Sieci V2V mogą być rozszerzane w celu udostępnienia informacji infrastrukturze drogowej, takiej jak sygnalizacja świetlna. Już teraz można mówić o komunikacji pojazd-infrastruktura (V2I). Standardy V2I ciągle ewoluują. W Stanach Zjednoczonych Federalna Administracja Autostrad (FHWA) regularnie wydaje różne przewodniki i raporty V2I, aby pomóc w poprawie tej technologii. Korzyści z V2I sięgają daleko poza bezpieczeństwo. Oprócz poprawy bezpieczeństwa, technologia pojazd-infrastruktura zapewnia korzyści w zakresie mobilności i interakcji ze środowiskiem.

Kierowcy, którzy jeżdżą tą samą trasą każdego dnia, pamiętają wszystkie dziury w drodze. Samochody bezzałogowe również ciągle uczą się. Samochody bezzałogowe będą przesyłać dostępne, przydatne informacje do obwodowych centrów danych, na przykład zintegrowanych z stacjami ładowania. Stacje ładowania będą polegać na algorytmach sztucznej inteligencji, które pomogą analizować otrzymane dane i oferować możliwe rozwiązania. Za pośrednictwem chmury te dane będą przesyłane do innych pojazdów bezzałogowych w sieci wspólnej.

Jeśli ten model wymiany danych między wszystkimi samochodami bezzałogowymi rzeczywiście się zmaterializuje w ciągu kilku lat, to możemy oczekiwać egabajtów (milionów terabajtów) danych dziennie. Według różnych szacunków, od setek tysięcy do dziesiątek milionów samochodów bezzałogowych może pojawić się na drogach w tym czasie.

5G jako klucz do sukcesu

Jak wspomniano powyżej, samochody bezzałogowe mogą otrzymywać informacje o pieszych i rowerzystach nie tylko z ich czujników, ale także za pośrednictwem wymiany danych z innymi samochodami, sygnalizacją świetlną i inną infrastrukturą miejską.

Istnieją już kilka połączonych projektów samochodów 5G. Samochody używają sieci 5G operatora komórkowego i technologii C-V2X (Cellular Vehicle-to-Everything), aby komunikować się z innymi samochodami, rowerzystami i nawet sygnalizacją świetlną. Ta ostatnia jest wyposażona w termowizyjne kamery, które wykrywają pieszych zbliżających się do przejścia; w efekcie pojawia się ostrzeżenie na desce rozdzielczej samochodu. Połączeni rowerzyści są informowani o swojej lokalizacji, co zapobiega niebezpiecznym sytuacjom. W przypadku słabej widoczności zaparkowane samochody automatycznie włączają światła awaryjne, powiadamiając wszystkie nadjeżdżające samochody o swojej pozycji.

Możliwości sieci komórkowych 5G przydają się tutaj. Zapewniają szybkie prędkości, bardzo niską latencję i możliwość obsługi dużej liczby połączeń jednoczesnych. Samochody bezzałogowe bez takich możliwości przetwarzania danych nie będą w stanie wykonywać wielu zadań szybciej niż osoba. Na przykład, aby określić pojawienie się pieszego na najbliższym przejściu. Ponadto opóźnienia powinny być minimalne, ponieważ nawet ułamkowa sekunda opóźnienia może prowadzić do wypadku.

Duży producenci samochodów, tacy jak BMW, Daimler, Hyundai, Ford i Toyota, już teraz integrują technologię 5G z ich produktami. Biliony dolarów zostały już wydane przez operatorów komórkowych na budowę sieci 5G. Więc to jest odpowiedni moment, aby dać pojazdom zestaw umiejętności, które będą przydatne w codziennym użytkowaniu.

Wszystkie eksperymenty z samochodami bezzałogowymi połączonymi z 5G zatrzymają się, jeśli nie będzie infrastruktury 5G. Ponownie, pojazd bezzałogowy może generować 1 TB danych na godzinę, więc sieć komórkowa musi być gotowa do transferu tych danych.

Jak przetwarzać i przechowywać egabajty danych

Nie wszystkie typy danych wymagają natychmiastowego przetwarzania, a komputer pokładowy ma ograniczone możliwości wydajności i przechowywania. Dlatego dane, które mogą “czekać”, powinny być gromadzone i analizowane w obwodowych centrach danych, a część danych będzie migrowała do chmury i tam będzie przetwarzana.

To zadanie władz miejskich i producentów samochodów, aby przechwytywać, przetwarzać, transferować, chronić i analizować dane o każdym samochodzie, korku, pieszym lub dziurze. Niektórzy architekci miast inteligentnych już teraz eksperymentują z algorytmami uczenia maszynowego, które analizują dane ruchu w sposób bardziej efektywny, aby szybko identyfikować dziury w drodze, regulować ruch i natychmiast reagować na wypadki. Z globalnej perspektywy algorytmy uczenia maszynowego zapewniają rekomendacje dotyczące poprawy infrastruktury miejskiej.

Aby wprowadzić w pełni autonomiczną jazdę do naszego życia, konieczne jest rozwiązanie problemu przetwarzania i przechowywania ogromnych ilości danych. Każdego dnia pojazd bezzałogowy może generować do 20 TB danych. Tylko jeden samochód! W przyszłości może to prowadzić do egabajtów danych generowanych w ciągu dnia. Aby przechowywać te dane, potrzebna jest infrastruktura krawędzi o wysokiej wydajności, elastyczna, bezpieczna i niezawodna. Istnieje również problem efektywnego przetwarzania danych.

Aby komputer pokładowy mógł podejmować decyzje w czasie rzeczywistym, potrzebuje najbardziej aktualnych informacji o środowisku. Stare dane, takie jak informacje o położeniu samochodu i prędkości godzinę temu, są zwykle niepotrzebne. Jednak te dane są przydatne do dalszej poprawy algorytmów jazdy autonomicznej.

Rozwijający się systemy sztucznej inteligencji muszą otrzymywać duże ilości danych, aby trenować sieci głębokiego uczenia: identyfikować obiekty i ich ruch za pomocą kamer, lidarów, łączyć informacje o środowisku i infrastrukturze w celu podejmowania decyzji. Dla specjalistów od bezpieczeństwa ruchu drogowego dane zebrane przez samochody bezpośrednio przed wypadkami lub niebezpiecznymi sytuacjami na drodze są niezwykle ważne.

Gdy dane są zbierane przez samochody bezzałogowe i transferowane z nich do obwodowych centrów danych, a następnie migrują do magazynu chmury, kwestia wykorzystania optymalnej i warstwowej architektury magazynowania danych staje się coraz bardziej istotna. Świeże dane muszą być analizowane natychmiast, aby poprawić modele uczenia maszynowego. Wymagany jest wysoki przepływ i niska latencja. Dyski SSD i dyski HAMR o wysokiej pojemności z obsługą technologii wielu dysków są najlepsze do tego celu.

Po tym, jak dane przeszły pierwszy etap analizy, muszą być przechowywane w sposób bardziej efektywny: na tradycyjnym magazynie nearline o wysokiej pojemności, ale niskim koszcie. Te serwery magazynowe są dobrze przystosowane, jeśli dane mogą być wymagane w przyszłości. Stare dane, które są mało prawdopodobne, aby były potrzebne, ale muszą być zachowane z innych powodów, mogą być przeniesione na poziom archiwizacji.

Dane będą coraz częściej przetwarzane i analizowane na krawędzi, wprowadzając erę Przemysłu 4.0, który zmienia sposób, w jaki używamy danych. Obliczenia krawędziowe pozwolą na przetwarzanie danych blisko miejsca, w którym są zbierane, zamiast tradycyjnego serwera chmury, co pozwoli na ich analizę znacznie szybciej, reagując natychmiast na zmieniające się sytuacje. Szybka sieć wymiany informacji między samochodami a obwodowymi centrami danych pomoże uczynić jazdę autonomiczną bezpieczniejszą i bardziej niezawodną.

Podsumowanie

Mam nadzieję, że ta analiza rzuciła nieco światła na to, jak ważne są dane w dziedzinie jazdy autonomicznej. Masowe wprowadzanie pojazdów bezzałogowych obejmuje zbieranie dużej ilości danych, które powinny być przetwarzane nie tylko przez komputer pokładowy, ale także przez serwery krawędzi i chmurę. Infrastruktura przetwarzania danych powinna być przygotowana wcześniej.

W miarę rozprzestrzeniania się 5G samochody bezzałogowe zaczną generować coraz więcej danych, które będą następnie analizowane i wykorzystywane do tworzenia inteligentnych miast. Osiągnięcie tego celu nie będzie łatwe, ale ostatecznie otworzy nowy rozdział w historii tak popularnego środka transportu, jakim jest samochód.

Samochody bezzałogowe są na czele technologii sztucznej inteligencji, komunikacji i magazynowania danych. Aby osiągnąć poziom w pełni autonomicznej jazdy, konieczne jest kontynuowanie rozwoju i udoskonalania tych technologii.