Проблемы самонаводящихся аппаратов и пути их решения — лидеры мнений

Автономным транспортным средствам требуется нечто большее, чем простой искусственный интеллект. Беспилотный автомобиль получает данные из различных источников, таких как гидролокаторы, камеры, радары, GPS и лидары, что позволяет ему ориентироваться в любой среде. Информация с этих устройств должна обрабатываться быстро, а объемы данных огромны.

Информация с датчиков обрабатывается не только компьютером автомобиля в режиме реального времени. Некоторые данные отправляются в периферийные центры обработки данных для дальнейшего анализа. А потом через сложную иерархию перенаправляется в различные облака.

Решающее значение имеет ИИ, которым оснащен автомобиль, а также вычислительные возможности бортовых компьютеров, периферийных серверов и облака. Скорость отправки и получения данных автомобилем, а также низкая задержка также очень важны.

Проблема с объемом данных

Даже обычные автомобили с водителем за рулем генерируют все больше и больше данных. Беспилотные автомобили могут генерировать примерно 1 ТБ данных в час. Этот объем данных просто гигантский. И это представляет собой одно из препятствий на пути массового внедрения автономного вождения.

К сожалению, все данные беспилотного автомобиля не могут быть обработаны в облаке или периферийных центрах обработки данных, поскольку это приводит к слишком большой задержке. Даже задержка в 100 мс может иметь значение для жизни или смерти пассажира или пешехода. Автомобиль должен реагировать на возникающие обстоятельства как можно быстрее.

Для уменьшения задержки между получением информации и реагированием на нее часть информации анализируется бортовым компьютером. Например, новый модели джипов оборудованы бортовым компьютером с 25-50 вычислительными ядрами, который обслуживает круиз-контроль, мониторинг слепых зон, предупреждение о препятствиях, автоматическое торможение и т. д. Узлы автомобиля взаимодействуют друг с другом через внутреннюю сеть. Это также укладывается в концепцию периферийных вычислений, если рассматривать бортовой компьютер как периферийный узел сети. В результате беспилотные автомобили составляют сложная гибридная сеть который сочетает в себе централизованные центры обработки данных, облако и множество периферийных узлов. Последние располагаются не только в автомобилях, но и на светофорах, постах управления, зарядных станциях и т. д.

Такие серверы и дата-центры вне автомобиля оказывают посильную помощь при автономном вождении. Они позволяют автомобилю «видеть» за пределами поля зрения своих датчиков, координировать нагрузку на дорожную сеть и помогают принимать оптимальные решения.

Взаимодействие друг с другом и инфраструктурой

Системы GPS и компьютерного зрения предоставляют беспилотным автомобилям информацию об их местоположении и ближайшем окружении. Однако ареал расчетной среды постоянно расширяется. Тем не менее, одна машина может собрать лишь ограниченное количество информации. Итак, обмен данными абсолютно необходим. В результате каждый автомобиль может лучше анализировать условия вождения на основе более важного набора данных, собранных автопарком автономных транспортных средств. Системы связи между транспортными средствами (V2V) полагаются на ячеистые сети создаваемые транспортными средствами в одном и том же географическом районе. V2V используется для обмена информацией и отправки сигналов другим транспортным средствам, таких как предупреждения о расстоянии.

Сети V2V можно расширить для обмена информацией с дорожной инфраструктурой, такой как светофоры. Здесь уже уместно говорить о связи V2I (автомобиль-инфраструктура). Стандарты V2I продолжают развиваться. В США Федеральное управление автомобильных дорог (FHWA) регулярно выпускает различные Руководства и отчеты V2I чтобы помочь улучшить технологию. Преимущества V2I выходят далеко за рамки безопасности. В дополнение к повышению безопасности технология транспортного средства обеспечивает преимущества с точки зрения мобильности и взаимодействия с окружающей средой.

Водители, которые каждый день ездят по одному и тому же маршруту, помнят все выбоины на дороге. Беспилотные автомобили также постоянно учатся. Беспилотные автомобили будут загружать доступную полезную информацию в периферийные центры обработки данных, например, интегрированные в зарядные станции. Зарядные станции будут опираться на алгоритмы искусственного интеллекта, которые помогут анализировать данные, полученные от автомобилей, и предлагать возможные решения. Через облако эти данные будут передаваться другим беспилотным автомобилям в общей сети.

Если эта модель обмена данными между всеми самоуправляемыми автомобилями действительно материализуется через несколько лет, то мы можем ожидать эксабайты (миллионы терабайт) данных в день. По разным оценкам, к этому времени на дорогах может появиться от сотен тысяч до десятков миллионов беспилотных автомобилей.

5G как ключ к успеху

Как было сказано выше, беспилотные автомобили могут получать информацию о пешеходах и велосипедистах не только от своих датчиков, но и посредством обмена данными с другими автомобилями, светофорами и другой городской инфраструктурой.

Несколько Проекты подключенных автомобилей 5G уже существует. Автомобили используют сеть 5G оператора мобильной связи и технологию C-V2X (Cellular Vehicle-to-Everything) для связи с другими автомобилями, велосипедистами и даже светофорами. Последние оснащены тепловизорами, обнаруживающими приближающихся к переходу пешеходов; в результате на приборной панели автомобиля появляется предупреждение. Подключенные велосипедисты получают информацию о своем местонахождении, что предотвращает опасные ситуации. В случае плохой видимости припаркованные автомобили автоматически включают аварийку, оповещая все приближающиеся автомобили о своем местонахождении.

Здесь пригодятся возможности мобильных сетей 5G. Они обеспечивают высокую скорость, очень низкую задержку и возможность поддерживать большое количество одновременных подключений. Беспилотные автомобили без таких возможностей обработки данных не смогут выполнять многие задачи быстрее человека. Например, для определения появления пешехода на ближайшем переходе. При этом задержки должны быть минимальными, так как даже задержка на доли секунды может привести к аварии.

Крупные производители автомобилей, такие как BMW, Daimler, Hyundai, Ford и Toyota, уже интегрируют технологию 5G в свои продукты. Операторы сотовой связи уже потратили миллиарды долларов на строительство сетей 5G. Значит, самое время дать транспортным средствам набор навыков, которые пригодятся в повседневной эксплуатации.

Все эксперименты с беспилотными автомобилями, подключенными к 5G, зайдут в тупик, если не будет создана инфраструктура 5G. Опять же, беспилотный автомобиль может генерировать 1 ТБ данных в час, поэтому мобильная сеть должна быть готова к передаче этих данных.

Как обрабатывать и хранить эксабайты данных

Не все типы данных требуют немедленной обработки, а бортовой компьютер имеет ограниченную производительность и возможности хранения. Поэтому данные, которые могут «подождать», должны накапливаться и анализироваться в периферийных центрах обработки данных, а часть данных будет мигрировать в облако и обрабатываться там.

В обязанности городских властей и автопроизводителей входит сбор, обработка, передача, защита и анализ данных о каждом автомобиле, пробке, пешеходе или выбоине. Некоторые архитекторы умных городов уже экспериментируют с алгоритмами машинного обучения, которые более эффективно анализируют данные о дорожном движении, чтобы быстро выявлять выбоины на дороге, регулировать движение и мгновенно реагировать на аварии. С глобальной точки зрения алгоритмы машинного обучения предоставляют рекомендации по улучшению городской инфраструктуры.

Чтобы ввести в нашу жизнь полностью автономное вождение, необходимо решить проблему обработки и хранения огромных массивов данных. Ежедневно беспилотный автомобиль может генерировать до 20 ТБ данных. Всего одна машина! В будущем это может привести к тому, что за один день будут генерироваться эксабайты данных. Для хранения этих данных вам нужна высокопроизводительная, гибкая, безопасная и надежная пограничная инфраструктура. Существует также проблема эффективной обработки данных.

Чтобы бортовой компьютер принимал решения в режиме реального времени, ему необходима самая актуальная информация об окружающей среде. Старые данные, такие как информация о местонахождении автомобиля и скорости час назад, обычно уже не нужны. Однако эти данные полезны для дальнейшего совершенствования алгоритмов автономного вождения.

Разработчики систем искусственного интеллекта должны получать большие объемы данных, чтобы обучать сети глубокого обучения: идентифицировать объекты и их движение с помощью камер, лидарной информации, а также оптимально комбинировать информацию об окружающей среде и инфраструктуре для принятия решений. Для специалистов по безопасности дорожного движения жизненно важны данные, собираемые автомобилями непосредственно перед авариями или опасными ситуациями на дороге.

По мере того, как данные собираются беспилотными автомобилями и передаются от них в периферийные центры обработки данных, после чего они мигрируют в облачные хранилища, вопрос использования оптимизированной и многоуровневой архитектуры хранения данных становится все более актуальным. Свежие данные необходимо немедленно анализировать, чтобы улучшить модели машинного обучения. Здесь требуется высокая пропускная способность и низкая задержка. SSD и высокопроизводительные приводы HAMR с поддержкой многоприводных технологий лучше всего подходят для этой цели.

После того, как данные прошли стадию начального анализа, их необходимо хранить более эффективно: в высокомощном, но недорогом традиционном ближнем хранилище. Эти серверы хранения хорошо подходят, если данные могут потребоваться в будущем. Старые данные, которые вряд ли понадобятся, но должны быть сохранены по какой-либо другой причине, могут быть перемещены на уровень архивации.

Данные будут все чаще обрабатываться и анализироваться на периферии, открывая эру Индустрии 4.0, которая меняет то, как мы используем данные. Пограничные вычисления позволят обрабатывать данные рядом с местом их сбора, а не на традиционном облачном сервере, что позволит анализировать их намного быстрее, мгновенно реагируя на изменение ситуации. Высокоскоростная сеть обмена информацией между автомобилями и периферийными центрами обработки данных поможет сделать автономное вождение более безопасным и надежным.

Заключение

Надеемся, что этот анализ пролил свет на то, насколько важны данные в области автономного вождения. Массовое внедрение беспилотных автомобилей предполагает сбор большого количества данных, которые должны обрабатываться не только бортовым компьютером, но и пограничными серверами и облаком. Инфраструктура обработки данных должна быть готова заранее.

По мере распространения 5G беспилотные автомобили начнут генерировать все больше и больше данных, которые затем будут проанализированы и использованы для создания умных городов. Достичь этой цели будет не очень просто, но в итоге мы откроем новую главу в истории такого популярного средства передвижения, как автомобиль.

Беспилотные автомобили находятся в авангарде технологий искусственного интеллекта, связи и хранения данных. Чтобы выйти на уровень полностью автономного вождения, необходимо продолжать развитие и совершенствование этих технологий.