ผู้นำทางความคิด

การเลือกดวงตาของยานพาหนะอัตโนมัติ: การต่อสู้ของเซ็นเซอร์ กลยุทธ์ และการแลกเปลี่ยน

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

ในปี 2030 ตลาดยานพาหนะอัตโนมัติคาดว่าจะมีมูลค่ามากกว่า 2.2 ล้านล้านดอลลาร์ โดยมีรถยนต์หลายล้านคันเดินทางบนถนนโดยใช้ AI และระบบเซ็นเซอร์ที่ทันสมัย แต่ในระหว่างการเติบโตอย่างรวดเร็นนี้ ยังคงมีการถกเถียงที่ไม่ได้รับการแก้ไขว่า เซ็นเซอร์แบบใดที่เหมาะสมที่สุดสำหรับการขับขี่อัตโนมัติ – ลิดาร์ กล้องถ่ายภาพ เรดาร์ หรือสิ่งใหม่ๆ ทั้งหมด?

คำถามนี้ไม่ใช่เรื่องทางวิชาการ การเลือกเซ็นเซอร์ส่งผลกระทบต่อทุกอย่างตั้งแต่ความปลอดภัยและประสิทธิภาพไปจนถึงต้นทุนและประสิทธิภาพการใช้พลังงาน บางบริษัท เช่น Waymo เลือกใช้การซ้ำซ้อนและความหลากหลาย โดยติดตั้งยานพาหนะด้วยชุดเซ็นเซอร์ที่สมบูรณ์แบบ รวมถึงลิดาร์ กล้องถ่ายภาพ และเรดาร์ ในขณะที่บริษัทอื่นๆ เช่น Tesla ติดตามแนวทางที่มินิมอลและคุ้มค่ามากขึ้น โดยพึ่งพากล้องถ่ายภาพและนวัตกรรมซอฟต์แวร์เป็นหลัก

ทำไมเครื่องจักรที่ฉลาดกว่าต้องการโซลูชันพลังงานที่ฉลาดกว่า

เป็นปัญหาที่สำคัญจริงๆ ฉันเคยเผชิญกับปัญหาที่คล้ายกันเมื่อฉันเริ่มธุรกิจด้านโดรนในปี 2013 เรากำลังพยายามสร้างโดรนที่สามารถติดตามการเคลื่อนไหวของมนุษย์ ในตอนนั้นความคิดนี้ก้าวหน้า แต่ไม่นานก็พบว่ามีปฏิทรรศน์ทางเทคนิค

เพื่อให้โดรนทำงานได้ มันจะต้องวิเคราะห์ข้อมูลเซ็นเซอร์ ซึ่งต้องการพลังการประมวลผล – คอมพิวเตอร์บนเครื่องบิน แต่คอมพิวเตอร์ที่มีพลังมากขึ้นจะทำให้การใช้พลังงานสูงขึ้น ดังนั้นจึงต้องการแบตเตอรี่ที่มีความจุสูงขึ้น แต่แบตเตอรี่ที่ใหญ่ขึ้นจะทำให้น้ำหนักของโดรนเพิ่มขึ้น และน้ำหนักที่มากขึ้นจะทำให้ต้องการพลังงานมากขึ้น จึงเกิดวงจรที่ไม่มีที่สิ้นสุด: การเพิ่มพลังงานที่ต้องการจะทำให้การใช้พลังงานสูงขึ้น น้ำหนัก และในที่สุดคือต้นทุน

ปัญหาที่คล้ายกันนี้ใช้ได้กับยานพาหนะอัตโนมัติเช่นกัน ในด้านหนึ่ง คุณต้องการติดตั้งเซ็นเซอร์ที่เป็นไปได้ทั้งหมดเพื่อรวบรวมข้อมูลให้มากที่สุด ส่งเสริมให้การตัดสินใจที่แม่นยำที่สุด ในทางกลับกัน จะทำให้ต้นทุนและการใช้พลังงานของระบบเพิ่มขึ้นอย่างมาก

การประมวลผลหรือการรับรู้?

ปัญหาการทำงานที่ระบบต้องตัดสินใจว่าจะตัดข้อมูลใดออกเป็นหลักมาจากข้อจำกัดในการประมวลผลมากกว่าปัญหาเกี่ยวกับเซ็นเซอร์ลิดาร์ กล้องถ่ายภาพ หรือเรดาร์ เซ็นเซอร์เหล่านี้ทำงานเหมือนตาและหูของยานพาหนะ โดยจับข้อมูลสิ่งแวดล้อมอย่างต่อเนื่อง แต่ถ้าคอมพิวเตอร์ “สมอง” บนเครื่องบินไม่มีพลังการประมวลผลเพียงพอที่จะจัดการข้อมูลทั้งหมดในเวลาจริง มันจะกลายเป็นภาระมากเกินไป ดังนั้นระบบจะต้องจัดลำดับความสำคัญของสตรีมข้อมูลบางส่วนมากกว่าสตรีมอื่นๆ ซึ่งอาจทำให้ระบบเพิกเฉยต่อวัตถุหรือสถานการณ์บางอย่างในสถานการณ์เฉพาะเพื่อมุ่งเน้นไปที่งานที่สำคัญกว่า

ระบบลิดาร์ กล้องถ่ายภาพ และเรดาร์: ข้อดีและข้อเสีย

ไม่สามารถบอกได้ว่าเซ็นเซอร์แบบใดดีกว่าแบบอื่น – แต่ละแบบมีจุดประสงค์ของมันเอง

ลิดาร์ให้การทำแผนที่ 3 มิติที่แม่นยำ แต่มีราคาแพงและต้องดิ้นรนในสภาพอากาศที่ไม่เหมาะสม เช่น ฝนหรือหมอก ซึ่งสามารถกระจายสัญญาณเลเซอร์ของมันได้ นอกจากนี้ยังต้องการทรัพยากรการประมวลผลที่สำคัญเพื่อประมวลผลข้อมูลที่หนาแน่น

กล้องถ่ายภาพ แม้ว่าจะมีต้นทุนต่ำ แต่ก็ขึ้นอยู่กับสภาพแสง และทำงานไม่ดีในแสงสว่างต่ำ การส่องแสงหรือการเปลี่ยนแปลงแสงสว่างอย่างรวดเร็ว นอกจากนี้ยังขาดการรับรู้ความลึกโดยธรรมชาติและต้องดิ้นรนในการรับมือกับสิ่งกีดขวาง เช่น ดิน ฝน หรือหิมะบนเลนส์

เรดาร์เป็นที่น่าเชื่อถือในการตรวจจับวัตถุในสภาพอากาศต่างๆ แต่ความละเอียดต่ำทำให้ยากที่จะแยกแยะวัตถุเล็กหรือวัตถุที่อยู่ใกล้กัน มันบ่อยครั้งสร้างผลบวกเท็จ โดยตรวจจับสิ่งของที่ไม่เกี่ยวข้องซึ่งอาจทำให้เกิดการตอบสนองที่ไม่จำเป็น นอกจากนี้เรดาร์ไม่สามารถเข้าใจบริบทหรือช่วยในการระบุวัตถุได้เหมือนกับกล้องถ่ายภาพ

เวย์โม vs เทสลา: เรื่องราวของสองวิสัยทัศน์อัตโนมัติ

ในด้าน AV ไม่มีการเปรียบเทียบที่สร้างความถกเถียงมากกว่าเทสลาและเวย์โม ทั้งสองเป็นผู้บุกเบิกอนาคตของการเคลื่อนที่ แต่มีวิสัยทัศน์ที่แตกต่างกันอย่างสิ้นเชิง ดังนั้น ทำไมรถเวย์โมจึงดูเหมือนยานอวกาศที่เต็มไปด้วยเซ็นเซอร์ ในขณะที่เทสลาดูเหมือนไม่มีเซ็นเซอร์ภายนอก?

มาดูรถเวย์โมกัน รถจักรยานยนต์แบบจาเกียร์ที่ถูกดัดแปลงสำหรับการขับขี่อัตโนมัติ มีเซ็นเซอร์หลายสิบตัวบนหลังคา: ลิดาร์ กล้องถ่ายภาพ ระบบเลเซอร์สปินนิ่ง (หรือที่เรียกว่า “สปินเนอร์”) และเรดาร์ มีจริงๆ มาก: กล้องถ่ายภาพในกระจกมองหลัง เซ็นเซอร์หน้าและหลังบัมเปอร์ ระบบมองเห็นระยะไกล – ทั้งหมดนี้ถูกสynchronizes

ถ้ารถยนต์เกิดอุบัติเหตุ ทีมวิศวกรจะเพิ่มเซ็นเซอร์ใหม่เพื่อรวบรวมข้อมูลที่ขาดไป วิธีการของพวกเขาคือการใช้เทคโนโลยีที่มีอยู่ทั้งหมด

ทำไมเทสลาจึงไม่ติดตามเส้นทางเดียวกัน? หนึ่งในเหตุผลหลักคือเทสลายังไม่ได้เปิดตัว Robotaxi ในตลาด นอกจากนี้แนวทางของพวกเขามุ่งเน้นไปที่การลดต้นทุนและนวัตกรรม เทสลาเชื่อว่าการใช้ลิดาร์ไม่สมจริงเนื่องจากราคาแพง: ต้นทุนการผลิตกล้องถ่ายภาพ RGB คือประมาณ 3 ดอลลาร์ ในขณะที่ลิดาร์อาจมีราคา 400 ดอลลาร์หรือมากกว่า นอกจากนี้ลิดาร์ยังมีส่วนประกอบกลไก – กระจกเงินหมุนและมอเตอร์ – ซึ่งทำให้มีแนวโน้มที่จะล้มเหลวและต้องเปลี่ยนมากกว่า

กล้องถ่ายภาพโดยตรงกันข้ามคือสิ่งที่คงที่ ไม่มีส่วนประกอบที่เคลื่อนไหว มีความน่าเชื่อถือและสามารถทำงานได้หลายทศวรรษจนกว่าหีบหรือเลนส์จะเสื่อมสภาพ นอกจากนี้กล้องถ่ายภาพยังง่ายต่อการรวมเข้ากับการออกแบบรถยนต์: สามารถซ่อนไว้ภายในร่างกายและเกือบจะไม่มองเห็นได้

แนวทางการผลิตแตกต่างกันอย่างมาก เวย์โมใช้แพลตฟอร์มที่มีอยู่ – จาเกียร์ในการผลิต – ซึ่งเซ็นเซอร์ถูกติดตั้งไว้ พวกเขาไม่มีทางเลือก เทสลาผลิตรถยนต์จาก零และสามารถวางแผนการรวมเซ็นเซอร์เข้ากับร่างกายตั้งแต่ต้น ทำให้พวกมันไม่มองเห็นได้

ปัจจุบันเทสลาใช้กล้องถ่ายภาพแปดตัวรอบๆ รถ – หน้า หลัง กระจกมองข้าง และประตู จะใช้เซ็นเซอร์เสริมหรือไม่? ฉันเชื่อว่าพวกเขาจะทำ

จากประสบการณ์ของฉันในฐานะผู้ขับขี่เทสลาและเคยขับรถเวย์โม ฉันเชื่อว่าการบูรณาการลิดาร์จะช่วยปรับปรุงระบบขับขี่อัตโนมัติของเทสลา มันรู้สึกว่าระบบ FSD ของเทสลาปัจจุบันขาดความแม่นยำเมื่อขับรถ การเพิ่มเทคโนโลยีลิดาร์สามารถเพิ่มความสามารถในการนำทางสภาพที่ท้าทาย เช่น แสงแดดจัด ฝุ่นในอากาศ หรือหมอก ซึ่งจะทำให้ระบบปลอดภัยและเชื่อถือได้มากกว่าการพึ่งพาแค่กล้องถ่ายภาพ

แต่จากมุมมองทางธุรกิจ เมื่อบริษัทพัฒนาเทคโนโลยีของตนเอง มันจะพยายามสร้างความได้เปรียบ – ขอบทางเทคนิค หากสามารถสร้างโซลูชันที่มีประสิทธิภาพและถูกกว่ามากๆ มันจะเปิดโอกาสให้ครอบงำตลาด

เทสลาติดตามตรรกะนี้ มัสก์ไม่ต้องการเดินตามเส้นทางของบริษัทอื่นๆ เช่น โฟล์คส์วาเก้นหรือไบดู ซึ่งได้ทำความก้าวหน้าที่สำคัญแล้ว แม้ว่าระบบอย่างโมบายล์อาย์ และไอไซท์ ที่ติดตั้งในรถยนต์เก่าๆ ก็มีการแสดงความเป็นอิสระที่ดีแล้ว

แต่เทสลาตั้งเป้าที่จะโดดเด่น – และนั่นคือตรรกะทางธุรกิจ หากคุณไม่เสนออะไรที่ดีกว่าอย่างมีนัยสำคัญ ตลาดจะไม่เลือกคุณ

ไมเคิล อับรามอฟ เป็นผู้ก่อตั้งและซีอีโอของ Introspector โดยนำประสบการณ์มากกว่า 15 ปีในด้านวิศวกรรมซอฟต์แวร์และระบบ AI วิสัยทัศน์คอมพิวเตอร์มาใช้ในการสร้างเครื่องมือระบุฉลากระดับองค์กร

ไมเคิลเริ่มอาชีพของเขาในฐานะวิศวกรซอฟต์แวร์และผู้จัดการ R&D โดยสร้างระบบข้อมูลที่มีการปรับขนาดและจัดการทีมวิศวกรรมแบบข้ามฟังก์ชันจนถึงปี 2025 เขาได้รับตำแหน่งซีอีโอของ Keymakr ซึ่งเป็นบริษัทให้บริการระบุฉลากข้อมูล โดยเขาเป็นผู้บุกเบิกการทำงานแบบ human-in-the-loop ระบบ QA ที่ซับซ้อน และเครื่องมือแบบกำหนดเองเพื่อสนับสนุนความต้องการข้อมูลวิสัยทัศน์คอมพิวเตอร์และความเป็นอิสระในระดับใหญ่

เขามีปริญญาตรีสาขาวิทยาศาสตร์คอมพิวเตอร์และมีพื้นฐานมาจากวิศวกรรมและศิลปะสร้างสรรค์ โดยนำมุมมองแบบ đa สาขา มาใช้ในการแก้ปัญหาที่ยาก ไมเคิลอาศัยอยู่ที่จุดตัดระหว่างนวัตกรรมเทคโนโลยี การนำผลิตภัณฑ์เชิงกลยุทธ์ และผลกระทบในโลกแห่งความเป็นจริง โดยผลักดันให้ระบบอัตโนมัติและระบบอัตโนมัติแบบฉลาดไปสู่ขอบเขตใหม่