Dlaczego mapowanie oparte na sztucznej inteligencji jest niezbędne dla nowej ery pojazdów zdefiniowanych oprogramowaniem

Przemysł motoryzacyjny przechodzi przez jedną z najbardziej znaczących transformacji w swojej historii. Dawniej definiowany przez inżynierię mechaniczną i moc silnika, dzisiejsze pojazdy są coraz bardziej kształtowane przez kod. Wkraczamy w erę pojazdów zdefiniowanych oprogramowaniem (SDV), gdzie inteligencja samochodu pochodzi coraz mniej z bloku silnika, a coraz więcej z linii kodu. Według niedawnego raportu Research and Markets rynek SDV wzrośnie z 213,5 mld dolarów w 2024 roku do ponad 1,2 bln dolarów do 2030 roku. Ten poziom wzrostu nie jest zaskoczeniem dla osób pracujących na styku oprogramowania, mapowania i sztucznej inteligencji. Jest to odbiciem tego, jak szybko rola sztucznej inteligencji się rozszerza we wszystkich aspektach mobilności.

Sztuczna inteligencja będzie coraz bardziej stawała się cyfrowym silnikiem za niektórymi z najcenniejszych funkcji pojazdu: cyfrowymi kokpitami z naturalnymi językami, nawigacją w czasie rzeczywistym i dynamicznym trasowaniem, predykcyjną konserwacją, zaawansowanymi systemami wspomagania kierowcy (ADAS) i wyższymi poziomami automatycznego prowadzenia. Sztuczna inteligencja pomaga również w definiowaniu i personalizowaniu doświadczenia kierowcy. Według niedawnego raportu IBM, 74% wyższych menedżerów w branży motoryzacyjnej uważa, że do 2035 roku pojazdy będą zarówno zdefiniowane oprogramowaniem, jak i napędzane sztuczną inteligencją. I do tego czasu 80% nowych samochodów będzie wyposażonych w napędy elektryczne, co zapewni jeszcze bardziej naturalną podstawę dla integracji systemów pojazdu, mapowania, oprogramowania i możliwości sztucznej inteligencji.

Mapowanie oparte na sztucznej inteligencji: cyfrowy kompas SDV

Szczególnie interesującym przykładem roli sztucznej inteligencji jest ewolucja mapowania cyfrowego. Tradycyjna statyczna mapa jest zastępowana przez “żywą” mapę: dynamiczną, ciągle przesyłaną reprezentację środowiska drogowego, wykorzystywaną do zasilania szeregu systemów pojazdu. Mapa jest niezbędna dla bezpiecznej i efektywnej jazdy w coraz bardziej elektrycznym, połączonym i zautomatyzowanym pojeździe.

Żywa mapa zapewnia znacznie więcej niż prosta nawigacja, umożliwiając pojazdowi interpretowanie jego otoczenia i podejmowanie poinformowanych decyzji w czasie rzeczywistym. Możliwość sztucznej inteligencji do wykrywania wzorców, rozpoznawania zmian środowiskowych i dynamicznego aktualizowania danych mapy sprawia, że możliwe jest dla kierowcy (i systemów pojazdu) unikanie stref budowy, przekierowanie wokół wypadków drogowych i zauważenie zmian w oznakowaniu drogowym lub ograniczeniach prędkości.

Już teraz obserwujemy możliwości mapy na żywo, które ciągle integrują dane z czujników pojazdu, obrazów satelitarnych i danych crowdsourcowych, aby odzwierciedlić zmieniające się warunki drogowe. Możliwość scalenia wielu źródeł danych, zautomatyzowanych i napędzanych przez sztuczną inteligencję i uczenie maszynowe, odblokowuje prawdziwy potencjał mapy na żywo.

Pojazd z personalizowanym doświadczeniem: inteligentny, bardziej intuicyjny

Doświadczenie kierowcy staje się również bardziej personalizowane, bardziej intuicyjne i bardziej napędzane sztuczną inteligencją. Widzimy asystentów AI w pojeździe, którzy uczą się reagować na język naturalny i rozpoznawać wzorce w zachowaniu kierowcy, umożliwiając pojazdom adaptację do indywidualnych preferencji. Asystenci AI oferują teraz trasowanie z użyciem języka naturalnego, rekomendacje ładowania EV, alerty bezpieczeństwa oparte na warunkach jazdy i dynamiczne sugestie tras, które uwzględniają postoje, preferencje i zmiany w czasie rzeczywistym.

Według raportu IBM, 75% menedżerów uważa, że doświadczenia zdefiniowane oprogramowaniem będą rdzeniem wartości marki motoryzacyjnej do 2035 roku. Oznacza to, że kierowca może otrzymać sugestię trasy nie tylko na podstawie najkrótszego czasu podróży, ale także uwzględniając dynamiczne elementy, takie jak warunki pogodowe w czasie rzeczywistym, dostępność ładowarek EV i poprzednie postoje, takie jak ulubiony punkt podróży lub kawiarnia. Z czasem pojazd staje się bardziej towarzyszem podróży, który ciągle uczy się i ewoluuje z kierowcą.

Sztuczna inteligencja jako podstawa dla wspomaganych i autonomicznych funkcji

Sztuczna inteligencja jest również podstawą dla dalszego rozwoju systemów wspomagania kierowcy (ADAS) i autonomicznych funkcji jazdy. Umożliwi poprawione podejmowanie decyzji dla bezpieczeństwa i efektywności pojazdu, od utrzymania pasa ruchu i adaptacyjnego tempomatu do wykrywania pieszych i rozpoznawania obiektów.

Wraz ze wzrostem SDV w kierunku wyższych poziomów autonomii, połączenie mapowania opartego na sztucznej inteligencji z wejściami czujników na pokładzie, takimi jak LiDAR i kamery, będzie niezbędne do dokładnego planowania trasy, świadomości sytuacyjnej i zgodności z przepisami.

Pokonywanie przeszkód: kluczowe wyzwania w integracji sztucznej inteligencji

Chociaż przekształcająca wartość sztucznej inteligencji w SDV jest ogromna, a entuzjazm dla sztucznej inteligencji jest wysoki, kilka wyzwań musi być rozwiązanych dla powszechnego przyjęcia:

• Integralność i bezpieczeństwo danych: Sztuczna inteligencja opiera się na dużych ilościach danych, co budzi obawy dotyczące zabezpieczenia wrażliwych informacji przy jednoczesnym utrzymaniu dokładności w czasie rzeczywistym. Producentom samochodów i dostawcom oprogramowania należy zapewnić, aby dane sztucznej inteligencji i lokalizacji pojazdu były chronione przed naruszeniami i nieautoryzowanym dostępem, przy jednoczesnym przestrzeganiu standardów regulacyjnych, gdy pojazdy stają się coraz bardziej połączone.
• Współpracę i standaryzację: Chociaż więcej firm rozwija systemy oparte na sztucznej inteligencji, niezbędne jest zapewnienie, że te technologie mogą współpracować ze sobą w różnych markach i dostawcach, aby zapobiec fragmentacji i poprawić kompatybilność między platformami.
• Chmura i infrastruktura obliczeniowa: Przetwarzanie ogromnych ilości danych w czasie rzeczywistym generowanych przez sztuczną inteligencję wymaga solidnej infrastruktury obliczeniowej. Dalsze postępy w chmurze i przetwarzaniu brzegowym będą kluczowe dla wspierania aplikacji sztucznej inteligencji w mapowaniu, nawigacji i automatyzacji pojazdu.

Przyszłość mapy opartej na sztucznej inteligencji dla SDV

Patrząc w przyszłość, mapa na żywo stanie się jeszcze bardziej centralna dla tego, jak pojazdy działają, pomagając im interpretować i reagować na świat wokół nich z coraz większą precyzją. Rozwój technologii cyfrowych bliźniaków, gdzie sztuczna inteligencja tworzy w czasie rzeczywistym wirtualne repliki pojazdów, pozwoli również producentom samochodów symulować, testować i udoskonalać funkcje pojazdu przed ich wprowadzeniem na rynek. Niedawne postępy w rozpoznawaniu obrazów opartym na sztucznej inteligencji i przetwarzaniu w chmurze umożliwiają automatyczne wyodrębnianie cech świata rzeczywistego z obrazów na poziomie ulicy, pomagając producentom samochodów generować środowiska wirtualne, które przyspieszają symulację, testy bezpieczeństwa i rozwój SDV.

Ponadto analityka napędzana sztuczną inteligencją będzie coraz częściej wykorzystywana do wykrywania wzorców w danych sensorycznych i wydajności, umożliwiając wcześniejsze identyfikowanie potrzeb konserwacyjnych. Sztuczna inteligencja może wyzwalać alerty serwisowe przed tradycyjnymi systemami alarmowymi, rozpoznając subtelne zmiany w zachowaniu pojazdu, takie jak zmiany ciśnienia w oponach lub spadek wydajności hamulców. Te przewidywane spostrzeżenia nie tylko poprawią bezpieczeństwo, ale również wsparć bardziej efektywne i ekonomiczne zarządzanie pojazdem i flotą.

Co jest jasne, to fakt, że ta przyszłość wymaga silnych partnerstw między producentami samochodów, dostawcami technologii sztucznej inteligencji, platformami chmurowymi i ekspertami od danych lokalizacyjnych. Żadna organizacja nie może zbudować tego sama. Ale poprzez współpracę możemy kształtować bezpieczniejszą, bardziej inteligentną i bardziej połączoną przyszłość motoryzacyjną.

Gdy branża motoryzacyjna kontynuuje swoją transformację w kierunku architektur zdefiniowanych oprogramowaniem, znaczenie sztucznej inteligencji w czasie rzeczywistym i napędzanej przez lokalizację będzie rosło.