โมเดลและแพลตฟอร์ม AI

วิธีการใหม่ที่ทำให้ระบบขับขี่อัตโนมัติได้รับการอนุมัติได้ง่ายขึ้น

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

นักวิจัยจากมหาวิทยาลัยเทคโนโลยีกราซได้พัฒนาวิธีการใหม่ที่สามารถปรับปรุงและทำให้กระบวนการอนุมัติระบบขับขี่อัตโนมัติได้ง่ายขึ้น

การทดสอบโดยใช้ซิมูเลเตอร์ขับขี่ถูกใช้สำหรับหลายเหตุผล โดยเฉพาะอย่างยิ่งเนื่องจากสามารถจำลองสถานการณ์ได้เกือบทุกสถานการณ์โดยไม่มีการจำกัดเวลาและสภาพอากาศ และไม่มีความเสี่ยงต่อความปลอดภัยของรถยนต์ ผู้คน หรือสิ่งแวดล้อม

ซิมูเลเตอร์ขับขี่ยังมีราคาถูกกว่าและต้องการการวางแผน menos เมื่อเทียบกับการทดสอบจริง

อย่างไรก็ตาม มีคำถามบางอย่างเกี่ยวกับการปฏิบัติเมื่อเกี่ยวข้องกับการขับขี่อัตโนมัติ

การขับขี่อัตโนมัติและซิมูเลเตอร์ขับขี่

อาร์โน ไอช์เบอร์เกอร์เป็นหัวหน้ากลุ่มวิจัย “การขับขี่อัตโนมัติและระบบช่วยเหลือผู้ขับ” ที่สถาบันวิศวกรรมยานยนต์ มหาวิทยาลัยเทคโนโลยีกราซ (TU Graz)

“ในด้านการขับขี่อัตโนมัติที่มีความซับซ้อน การทดสอบโดยใช้ซิมูเลเตอร์ขับขี่มักถูกตั้งคำถามเนื่องจากการขาดความเป็นจริง” ไอช์เบอร์เกอร์กล่าว “นอกจากนี้ จนกระทั่งไม่นานมานี้ ยังไม่มีกระบวนการทดสอบที่เป็นมาตรฐานที่สามารถใช้เพื่อตรวจสอบงานที่ซับซ้อน เช่น การโต้ตอบระหว่างมนุษย์และระบบ (กระบวนการมอบหมาย)”

ข้อบังคับระดับโลกแรกสำหรับระบบการรักษาเส้นทางอัตโนมัติ (ALKS) ถูกนำมาใช้ในช่วงต้นปี 2021 ตามไอช์เบอร์เกอร์ กฎหมายแก้ไขปัญหาเกี่ยวกับการอนุมัติทางถนน

“จนถึงตอนนี้ หน่วยงานกำกับดูแลไม่รู้ว่าจะทดสอบและอนุมัติระบบขับขี่อัตโนมัติได้อย่างไร” เขากล่าว “ในทางกลับกัน ผู้ผลิตรถยนต์ไม่รู้ว่าระบบต้องตรงตามข้อกำหนดใดจึงจะผ่านการอนุมัติ”

ข้อบังคับได้กำหนดเกณฑ์การอนุมัติสำหรับระบบอัตโนมัติที่มีความซับซ้อนสูงถึงความเร็วสูงสุด 60 กม./ชม. เมื่อระบบถูกเปิดใช้งาน ระบบจะรับผิดชอบในการควบคุม ผู้ขับสามารถปล่อยพวงมาลัยได้ แต่ต้องรับควบคุมกลับหากมีข้อผิดพลาด ระบบจะต้องรับรู้ว่าผู้ขับมีความสามารถในการรับควบคุมกลับ

https://www.youtube.com/watch?v=TOFEYFu0r1k

วิธีการใหม่

วิธีการใหม่ที่พัฒนาโดยไอช์เบอร์เกอร์และทีมของเขาจาก Fraunhofer Austria, AVL และ JOANNEUM RESEARCH ขึ้นอยู่กับข้อบังคับ วิธีการนี้สามารถทดสอบความพร้อมในการรับควบคุมในซิมูเลเตอร์ขับขี่ได้อย่างปลอดภัย มีประสิทธิภาพ และเป็นจริง ผลลัพธ์สามารถใช้สำหรับการรับรองระบบ ALKS

ทีมต้องดำเนินกระบวนการต่างๆ เพื่อพิสูจน์ความถูกต้องของการจำลองการขับขี่โดยใช้การทดสอบบนถนน จึงต้องมีการเปรียบเทียบโดยตรงระหว่างการจำลองการขับขี่และขับขี่จริง ซึ่งต้องตรงกันมากที่สุด

การรับรู้สิ่งแวดล้อมโดยเครื่องจักรเป็นเรื่องที่ท้าทายในด้านนี้

“หากต้องการให้ระบบทำงานเหมือนในความเป็นจริง สิ่งแวดล้อมในซิมูเลเตอร์ต้องตรงกับสิ่งแวดล้อมจริงทุกซέντิเมตร” ไอช์เบอร์เกอร์กล่าว

ทีมได้ทำความแม่นยำนี้โดยใช้ “Ultra High Definition Maps” จาก JOANNEUM RESEARCH ซึ่งเป็นสถาบันวิจัยชั้นนำของโลก

แพทริก ลูเลย์เป็นหัวหน้าห้องปฏิบัติการวิจัยการขับขี่อัตโนมัติที่ DIGITAL Institute

“เรใช้ระบบการทำแผนที่แบบมือถือเพื่อวัดสิ่งแวดล้อมที่ทดสอบ” ลูเลย์กล่าว “สุดท้าย จะได้แผนที่ 3 มิติที่มีรายละเอียดสูงมากจากข้อมูลการวัด นอกเหนือจากวัตถุโครงสร้างการจราจร เช่น ป้ายจราจร ลายทาง และราวกั้น ยังมีการแสดงพืชพรรณและอาคารในแผนที่นี้ด้วย”

กระบวนการทำแผนที่ UHD อัตโนมัตินี้เร็วกว่าและถูกกว่าการสร้างแบบจำลอง 3 มิติด้วยมือ

ขั้นตอนสุดท้ายคือการถ่ายโอนสิ่งแวดล้อม 3 มิติที่มีความละเอียดสูงไปยังซิมูเลเตอร์ขับขี่

ตามคำกล่าวของโวล์คเกอร์ เซตต์สกัสต์จากหน่วยธุรกิจ Visual Computing “เราจัดเตรียมข้อมูลให้สามารถแสดงสิ่งแวดล้อม 3 มิติได้ด้วยความเร็วสูง”

การตรวจสอบความถูกต้องจะถูกยืนยันผ่านการวิ่ง比较บนเส้นทางจริง

“ด้วยวิธีการของเรา ผู้ผลิตรถยนต์สามารถเปรียบเทียบและตรวจสอบตัวอย่างบนเส้นทางจริงและในซิมูเลเตอร์ขับขี่ได้อย่างง่ายดาย” ไอช์เบอร์เกอร์กล่าว “หมายความว่าการทดสอบสามารถถูกย้ายจากเส้นทางจริงไปยังซิมูเลเตอร์ขับขี่ได้”

ทีมกำลังทำงานเพื่อตั้งค่าการทดสอบการอนุมัติเสมือนจริงในช่วงหลายเดือนข้างหน้า

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก