Problemy pojazdów autonomicznych i jak je rozwiązać – Liderzy myśli

Pojazdy autonomiczne wymagają więcej niż tylko sztucznej inteligencji. Samochód bez kierowcy 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 zewnętrznych centrów danych do dalszej analizy. A następnie, przez złożoną hierarchię, są one przekierowane do różnych chmur.

Sztuczna inteligencja, którą wyposażony jest pojazd, jest niezwykle ważna, ale także możliwości przetwarzania komputerów pokładowych, zewnętrznych serwerów i chmury. Prędkość wysyłania i odbioru 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 autonomiczne mogą generować około 1 TB danych na godzinę. Ta ilość danych jest po prostu gigantyczna. I stanowi jeden z barier dla masowego wdrożenia jazdy autonomicznej.

Niestety, wszystkie dane samochodu autonomicznego nie mogą być przetwarzane w chmurze lub zewnętrznych 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 nie, część informacji jest analizowana przez komputer pokładowy. Na przykład, nowe modele Jeepa są wyposażone w komputer pokładowy z 25-50 rdzeniami przetwarzania, który obsługuje kontrolę tempa, monitorowanie martwych punktów, ostrzeganie o przeszkodach, hamowanie awaryjne itp. Węzły pojazdu komunikują się ze sobą za pomocą sieci wewnętrznej. Pasuje to również do koncepcji obliczeń peryferyjnych, jeśli uważamy komputer pokładowy za węzeł peryferyjny sieci. W wyniku czego, pojazdy bezzałogowe tworzą złożoną sieć hybrydową, która łączy scentralizowane centra danych, chmurę i wiele węzłów peryferyjnych. Te ostatnie znajdują się nie tylko w samochodach, ale także w sygnalizacji świetlnej, punktach kontrolnych, stacjach ładowania itp.

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

Wzajemne oddziaływanie i infrastruktura

Systemy GPS i komputerowego widzenia zapewniają samochodom autonomicznym informacje o ich położeniu i bezpośrednim otoczeniu. Jednak zakres obliczonego środowiska jest stale zwiększany. Nadal jeden samochód może zbierać tylko ograniczoną ilość informacji. Zatem wymiana danych jest absolutnie niezbędna. W wyniku czego każdy pojazd może lepiej analizować warunki jazdy na podstawie większego zbioru danych zebranych przez flotę pojazdów autonomicznych. Systemy komunikacji pojazd-po-pojazd (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. Można już mówić o komunikacji pojazd-infrastruktura (V2I) w tym miejscu. Standardy V2I są nadal rozwijane. W Stanach Zjednoczonych Federalna Administracja Autostrad (FHWA) regularnie wydaje różne przewodniki i raporty V2I, aby pomóc w poprawie tej technologii. Korzyści 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 autonomiczne również ciągle uczą się. Samochody autonomiczne będą przesyłać dostępne, przydatne informacje do zewnętrznych centrów danych, na przykład zintegrowanych z stacjami ładowania. Stacje ładowania będą polegać na algorytmach sztucznej inteligencji, które pomogą analizować dane otrzymane z samochodów i oferować możliwe rozwiązania. Przez chmurę te dane będą przesyłane do innych pojazdów bezzałogowych w sieci wspólnej.

Jeśli ten model wymiany danych między wszystkimi samochodami autonomicznymi rzeczywiście materializuje się w ciągu kilku lat, to możemy oczekiwać egabajtów (milionów terabajtów) danych dziennie. Według różnych szacunków, od setek tysięcy do dziesiątek milionów samochodów autonomicznych może pojawić się na drogach do tego czasu.

5G jako klucz do sukcesu

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

Istnieją już pojazdy połączone z siecią 5G. Samochody używają sieci komórkowej 5G 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 wyniku czego 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 one szybkie prędkości, bardzo niską latencję i możliwość obsługi dużej liczby połączeń jednoczesnych. Samochody autonomiczne 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. Co więcej, opóźnienia powinny być minimalne, ponieważ nawet ułamkowa sekunda opóźnienia może prowadzić do wypadku.

Większość producentów samochodów, takich jak BMW, Daimler, Hyundai, Ford i Toyota, już integruje technologię 5G z ich produktami. Biliony dolarów zostały już wydane przez operatorów komórkowych na budowę sieci 5G. Więc to jest odpowiedni czas, aby dać pojazdom zestaw umiejętności, które będą przydatne w codziennym użytkowaniu.

Wszystkie eksperymenty z samochodami autonomicznymi połączonymi z siecią 5G zatrzymają się, jeśli infrastruktura 5G nie będzie dostępna. Ponownie, pojazd bezzałogowy może wygenerować 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 też dane, które mogą “czekać”, powinny być gromadzone i analizowane w zewnętrznych centrach danych, podczas gdy część danych zostanie przeniesiona do chmury i przetworzona tam.

To zadanie miast i producentów samochodów, aby przechwytywać, przetwarzać, transferować, chronić i analizować dane o każdym samochodzie, korku, pieszym lub dziurze. Niektórzy architekci smart city już 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 wygenerować 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.

Twórcy systemów sztucznej inteligencji muszą otrzymywać duże ilości danych, aby trenować sieci głębokiego uczenia: identyfikować obiekty i ich ruch za pomocą kamer, informacji z lidarów i optymalnie łączyć informacje o środowisku i infrastrukturze, aby podejmować decyzje. Dla specjalistów od bezpieczeństwa ruchu drogowego dane zebrane przez samochody bezpośrednio przed wypadkami lub niebezpiecznymi sytuacjami na drodze są niezwykle ważne.

Ponieważ dane są zbierane przez samochody autonomiczne i transferowane z nich do zewnętrznych centrów danych, a następnie migrują do magazynu chmury, problemu używania optymalnej i warstwowej architektury przechowywania danych staje się coraz bardziej istotny. 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 wysoko pojemnych, ale tanich tradycyjnych nośnikach danych. Te serwery przechowywania są dobrze przystosowane, jeśli dane mogą być wymagane w przyszłości. Stare dane, które nie są prawdopodobnie potrzebne, ale muszą być zachowane z innych powodów, mogą być przeniesione na poziom archiwum.

Dane będą coraz częściej przetwarzane i analizowane na krawędzi, wprowadzając erę Przemysłu 4.0, która zmienia sposób, w jaki używamy danych. Obliczenia krawędziowe pozwolą na przetwarzanie danych blisko miejsca, w którym są zbierane, a nie tradycyjnego serwera chmury, co pozwoli na ich analizę znacznie szybciej, reagując natychmiast na zmieniające się sytuacje. Szybka sieć wymiany informacji między samochodami a zewnętrznymi 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 wdrożenie pojazdów bezzałogowych obejmuje zbieranie dużej ilości danych, które powinny być przetwarzane nie tylko przez komputer pokładowy, ale także przez serwery krawędziowe i chmurę. Infrastruktura przetwarzania danych powinna być przygotowana wcześniej.

Wraz ze wzrostem popularności 5G, samochody autonomiczne 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 autonomiczne są na czele technologii sztucznej inteligencji, komunikacji i przechowywania danych. Aby osiągnąć poziom w pełni autonomicznej jazdy, konieczne jest kontynuowanie rozwoju i udoskonalania tych technologii.