ปัญหาของยานที่ดำน้ำได้เองและวิธีแก้ปัญหา – ผู้นำทางความคิด

ยานยนต์ไร้คนขับต้องการมากกว่าปัญญาประดิษฐ์ทั่วไป รถยนต์ที่ขับเคลื่อนด้วยตัวเองจะรับข้อมูลจากแหล่งต่างๆ เช่น โซนาร์ กล้อง เรดาร์ GPS และลิดาร์ ทำให้สามารถนำทางได้ในทุกสภาพแวดล้อม ข้อมูลจากอุปกรณ์เหล่านี้ควรได้รับการประมวลผลอย่างรวดเร็ว และข้อมูลมีปริมาณมหาศาล

ข้อมูลจากเซ็นเซอร์ไม่เพียงได้รับการประมวลผลโดยคอมพิวเตอร์ของรถแบบเรียลไทม์เท่านั้น ข้อมูลบางส่วนจะถูกส่งไปยังศูนย์ข้อมูลต่อพ่วงเพื่อการวิเคราะห์เพิ่มเติม จากนั้นผ่านลำดับชั้นที่ซับซ้อน ระบบจะเปลี่ยนเส้นทางไปยังระบบคลาวด์ต่างๆ

AI ที่ยานพาหนะได้รับนั้นมีความสำคัญอย่างยิ่ง แต่ยังรวมถึงความสามารถในการประมวลผลของคอมพิวเตอร์ออนบอร์ด เซิร์ฟเวอร์ต่อพ่วง และระบบคลาวด์ด้วย ความเร็วในการส่งและรับข้อมูลจากรถยนต์พร้อมกับเวลาแฝงที่ต่ำมีความสำคัญมากเช่นกัน

ปัญหาปริมาณข้อมูล

แม้แต่รถยนต์ธรรมดาที่มีคนขับอยู่หลังพวงมาลัยก็ยังสร้างข้อมูลมากขึ้นเรื่อยๆ รถยนต์ไร้คนขับสามารถสร้างรายได้ประมาณ ข้อมูล 1TB ต่อชั่วโมง. ข้อมูลจำนวนนี้มีมากมายมหาศาล และเป็นหนึ่งในอุปสรรคในการนำรถยนต์ไร้คนขับมาใช้เป็นจำนวนมาก

น่าเสียดายที่ข้อมูลทั้งหมดของรถยนต์ที่ขับเองไม่สามารถประมวลผลในระบบคลาวด์หรือศูนย์ข้อมูลต่อพ่วงได้ เนื่องจากจะทำให้เกิดความล่าช้ามากเกินไป แม้แต่ความล่าช้า 100 มิลลิวินาทีก็สามารถสร้างความแตกต่างระหว่างชีวิตหรือความตายของผู้โดยสารหรือคนเดินถนนได้ รถต้องตอบสนองต่อสถานการณ์ที่เกิดขึ้นอย่างรวดเร็วที่สุด

เพื่อลดความล่าช้าระหว่างการรับข้อมูลและการตอบสนอง ส่วนหนึ่งของข้อมูลจะถูกวิเคราะห์โดยคอมพิวเตอร์ออนบอร์ด ตัวอย่างเช่นใหม่ โมเดลรถจี๊ป มีการติดตั้งคอมพิวเตอร์ออนบอร์ดที่มีคอร์ประมวลผล 25-50 คอร์ที่ทำหน้าที่ควบคุมความเร็วอัตโนมัติ ระบบตรวจสอบจุดบอด ระบบเตือนสิ่งกีดขวาง ระบบเบรกอัตโนมัติ ฯลฯ โหนดยานพาหนะสื่อสารระหว่างกันผ่านเครือข่ายภายใน นอกจากนี้ยังสอดคล้องกับแนวคิดของการประมวลผลอุปกรณ์ต่อพ่วง หากเราถือว่าออนบอร์ดคอมพิวเตอร์เป็นโหนดอุปกรณ์ต่อพ่วงของเครือข่าย เป็นผลให้รถยนต์ไร้คนขับทำขึ้น เครือข่ายไฮบริดที่ซับซ้อน ที่รวมศูนย์ข้อมูลแบบรวมศูนย์ คลาวด์ และโหนดต่อพ่วงจำนวนมาก หลังนี้ไม่ได้อยู่เฉพาะในรถยนต์เท่านั้น แต่ยังอยู่ในสัญญาณไฟจราจร เสาควบคุม สถานีชาร์จ ฯลฯ

เซิร์ฟเวอร์และศูนย์ข้อมูลดังกล่าวที่อยู่นอกตัวรถจะให้ความช่วยเหลือที่เป็นไปได้ทั้งหมดเกี่ยวกับการขับขี่แบบอิสระ ช่วยให้รถสามารถ "มองเห็น" ได้ไกลกว่าระยะของเซ็นเซอร์ ประสานการบรรทุกบนเครือข่ายถนน และช่วยในการตัดสินใจที่เหมาะสมที่สุด

ปฏิสัมพันธ์ซึ่งกันและกันและโครงสร้างพื้นฐาน

GPS และระบบการมองเห็นด้วยคอมพิวเตอร์ช่วยให้รถยนต์ที่ขับเคลื่อนด้วยตนเองมีข้อมูลเกี่ยวกับตำแหน่งและสภาพแวดล้อมโดยรอบ อย่างไรก็ตาม ช่วงของสภาพแวดล้อมที่คำนวณได้เพิ่มขึ้นอย่างต่อเนื่อง อย่างไรก็ตาม รถยนต์คันหนึ่งสามารถรวบรวมข้อมูลได้เพียงจำนวนจำกัดเท่านั้น ดังนั้นการแลกเปลี่ยนข้อมูลจึงมีความจำเป็นอย่างยิ่ง เป็นผลให้ยานพาหนะแต่ละคันสามารถวิเคราะห์สภาพการขับขี่ได้ดีขึ้นโดยพิจารณาจากชุดข้อมูลที่สำคัญกว่าที่รวบรวมโดยกลุ่มยานยนต์อัตโนมัติ ระบบการสื่อสารระหว่างยานพาหนะ (V2V) พึ่งพา เครือข่ายตาข่าย สร้างขึ้นโดยยานพาหนะในพื้นที่ทางภูมิศาสตร์เดียวกัน V2V ใช้เพื่อแลกเปลี่ยนข้อมูลและส่งสัญญาณไปยังรถคันอื่น เช่น การเตือนระยะห่าง

สามารถขยายเครือข่าย V2V เพื่อแชร์ข้อมูลกับโครงสร้างพื้นฐานด้านการจราจร เช่น สัญญาณไฟจราจร การพูดคุยเกี่ยวกับการสื่อสาร V2I (ยานพาหนะกับโครงสร้างพื้นฐาน) ที่นี่เหมาะสมอยู่แล้ว มาตรฐาน V2I พัฒนาอย่างต่อเนื่อง ในสหรัฐอเมริกา Federal Highway Administration (FHWA) จะออกเรื่องต่างๆ เป็นประจำ คู่มือ V2I และรายงาน เพื่อช่วยปรับปรุงเทคโนโลยี ประโยชน์ของ V2I มีมากกว่าความปลอดภัย นอกเหนือจากการเพิ่มความปลอดภัยแล้ว เทคโนโลยีโครงสร้างพื้นฐานของยานพาหนะยังให้ประโยชน์ในแง่ของความคล่องตัวและการมีปฏิสัมพันธ์กับสิ่งแวดล้อม

ผู้ขับขี่ที่ใช้เส้นทางเดิมทุกวันจำหลุมบ่อทั้งหมดบนถนน รถยนต์ที่ขับด้วยตนเองยังเรียนรู้อย่างต่อเนื่อง รถยนต์ไร้คนขับจะอัปโหลดข้อมูลที่เป็นประโยชน์ที่มีอยู่ไปยังศูนย์ข้อมูลต่อพ่วง เช่น รวมเข้ากับสถานีชาร์จ สถานีชาร์จจะอาศัยอัลกอริธึมปัญญาประดิษฐ์ที่จะช่วยวิเคราะห์ข้อมูลที่ได้รับจากรถยนต์และเสนอวิธีแก้ปัญหาที่เป็นไปได้ ผ่านระบบคลาวด์ ข้อมูลนี้จะถูกส่งไปยังยานพาหนะไร้คนขับอื่นๆ ในเครือข่ายทั่วไป

หากแบบจำลองการแลกเปลี่ยนข้อมูลระหว่างรถยนต์ขับเคลื่อนอัตโนมัติทุกคันเกิดขึ้นจริงภายในไม่กี่ปี เราก็สามารถคาดหวังข้อมูลต่อวันได้ในระดับเอ็กซาไบต์ (ล้านเทราไบต์) ตามการประมาณการต่างๆ รถยนต์ไร้คนขับหลายแสนถึงหลายหมื่นคันอาจปรากฏบนท้องถนนภายในเวลานี้

5G เป็นกุญแจสู่ความสำเร็จ

ดังที่กล่าวไว้ข้างต้น รถยนต์ไร้คนขับสามารถรับข้อมูลเกี่ยวกับคนเดินถนนและคนขี่จักรยาน ไม่เพียงแต่จากเซ็นเซอร์เท่านั้น แต่ยังผ่านการแลกเปลี่ยนข้อมูลกับรถคันอื่น สัญญาณไฟจราจร และโครงสร้างพื้นฐานในเมืองอื่นๆ

หลาย โครงการรถยนต์ที่เชื่อมต่อ 5G มีอยู่แล้ว รถยนต์ใช้เครือข่าย 5G ของผู้ให้บริการมือถือและเทคโนโลยี C-V2X (Cellular Vehicle-to-Everything) เพื่อสื่อสารกับรถคันอื่น นักปั่นจักรยาน และแม้แต่สัญญาณไฟจราจร หลังมีการติดตั้งกล้องถ่ายภาพความร้อนที่ตรวจจับคนเดินถนนที่เข้าใกล้ทางข้าม เป็นผลให้คำเตือนปรากฏขึ้นบนแผงหน้าปัดรถ นักปั่นจักรยานที่เชื่อมต่อจะได้รับแจ้งตำแหน่งของพวกเขา ซึ่งป้องกันสถานการณ์อันตราย ในกรณีที่ทัศนวิสัยไม่ดี รถยนต์ที่จอดอยู่จะเปิดไฟกะพริบฉุกเฉินโดยอัตโนมัติ เพื่อแจ้งให้รถทุกคันที่เข้าใกล้ทราบตำแหน่งของตน

ความสามารถของเครือข่ายมือถือ 5G มีประโยชน์ที่นี่ พวกเขาให้ความเร็วที่รวดเร็ว เวลาแฝงต่ำมาก และความสามารถในการรองรับการเชื่อมต่อพร้อมกันจำนวนมาก รถยนต์ที่ขับเองโดยไม่มีความสามารถในการประมวลผลข้อมูลดังกล่าวจะไม่สามารถทำงานหลายอย่างได้เร็วกว่าคน ตัวอย่างเช่น เพื่อกำหนดลักษณะของคนเดินเท้าที่ทางแยกที่ใกล้ที่สุด ยิ่งไปกว่านั้น ความล่าช้าควรน้อยที่สุด เนื่องจากความล่าช้าเพียงเสี้ยววินาทีก็สามารถนำไปสู่อุบัติเหตุได้

ผู้ผลิตรถยนต์รายใหญ่ เช่น BMW, Daimler, Hyundai, Ford และ Toyota กำลังรวมเทคโนโลยี 5G เข้ากับผลิตภัณฑ์ของตนแล้ว ผู้ให้บริการโทรศัพท์มือถือใช้จ่ายเงินหลายพันล้านดอลลาร์ในการสร้างเครือข่าย 5G ดังนั้นนี่คือเวลาที่เหมาะสมในการมอบชุดทักษะของยานพาหนะที่จะเป็นประโยชน์ในการใช้งานประจำวัน

การทดลองทั้งหมดกับรถยนต์ไร้คนขับที่เชื่อมต่อกับ 5G จะหยุดชะงัก เว้นแต่จะมีโครงสร้างพื้นฐาน 5G อยู่ อีกครั้ง รถยนต์ไร้คนขับสามารถสร้างข้อมูลได้ 1TB ต่อชั่วโมง ดังนั้นเครือข่ายมือถือต้องพร้อมที่จะถ่ายโอนข้อมูลนี้

วิธีประมวลผลและจัดเก็บข้อมูลขนาดเอกซะไบต์

ข้อมูลบางประเภทไม่จำเป็นต้องมีการประมวลผลทันที และคอมพิวเตอร์ออนบอร์ดมีประสิทธิภาพการทำงานและความสามารถในการจัดเก็บที่จำกัด ดังนั้น ข้อมูลที่สามารถ "รอ" ได้ควรสะสมและวิเคราะห์ในศูนย์ข้อมูลส่วนต่อพ่วง ในขณะที่ข้อมูลบางส่วนจะย้ายไปยังระบบคลาวด์และประมวลผลที่นั่น

เป็นความรับผิดชอบของรัฐบาลเมืองและผู้ผลิตรถยนต์ในการจับภาพ ประมวลผล ถ่ายโอน ปกป้อง และวิเคราะห์ข้อมูลเกี่ยวกับรถยนต์ทุกคัน รถติด คนเดินเท้า หรือหลุมบ่อ สถาปนิกเมืองอัจฉริยะบางคนกำลังทดลองอัลกอริธึมการเรียนรู้ของเครื่องที่จะวิเคราะห์ข้อมูลการจราจรได้อย่างมีประสิทธิภาพมากขึ้น เพื่อระบุหลุมบ่อบนถนนได้อย่างรวดเร็ว ควบคุมการจราจร และตอบสนองต่ออุบัติเหตุได้ทันที จากมุมมองทั่วโลก อัลกอริธึมการเรียนรู้ของเครื่องให้คำแนะนำในการปรับปรุงโครงสร้างพื้นฐานของเมือง

เพื่อแนะนำการขับขี่อัตโนมัติในชีวิตของเรา จำเป็นต้องแก้ปัญหาการประมวลผลและการจัดเก็บข้อมูลจำนวนมหาศาล ทุกๆ วัน รถยนต์ไร้คนขับสามารถสร้างข้อมูลได้มากถึง 20 TB แค่คันเดียว! ในอนาคตอาจนำไปสู่การสร้างข้อมูลจำนวนมหาศาลในหนึ่งวัน ในการจัดเก็บข้อมูลนี้ คุณต้องมีโครงสร้างพื้นฐานขอบที่มีประสิทธิภาพสูง ยืดหยุ่น ปลอดภัย และเชื่อถือได้ นอกจากนี้ยังมีปัญหาของการประมวลผลข้อมูลที่มีประสิทธิภาพ

สำหรับคอมพิวเตอร์ออนบอร์ดในการตัดสินใจแบบเรียลไทม์ จำเป็นต้องมีข้อมูลล่าสุดเกี่ยวกับสภาพแวดล้อม ข้อมูลเก่า เช่น ข้อมูลเกี่ยวกับตำแหน่งของรถและความเร็วเมื่อหนึ่งชั่วโมงที่แล้ว มักจะไม่จำเป็นอีกต่อไป อย่างไรก็ตาม ข้อมูลนี้มีประโยชน์สำหรับการปรับปรุงอัลกอริทึมการขับขี่อัตโนมัติเพิ่มเติม

ผู้พัฒนาระบบปัญญาประดิษฐ์ต้องได้รับข้อมูลจำนวนมากเพื่อฝึกฝนเครือข่ายการเรียนรู้เชิงลึก: ระบุวัตถุและการเคลื่อนไหวของวัตถุผ่านกล้อง ข้อมูล Lidar และรวมข้อมูลเกี่ยวกับสภาพแวดล้อมและโครงสร้างพื้นฐานให้เหมาะสมเพื่อทำการตัดสินใจ สำหรับผู้เชี่ยวชาญด้านความปลอดภัยทางถนน ข้อมูลที่เก็บรวบรวมโดยรถยนต์ในทันทีก่อนที่จะเกิดอุบัติเหตุหรือสถานการณ์ที่เป็นอันตรายบนท้องถนนนั้นมีความสำคัญอย่างยิ่ง

เนื่องจากข้อมูลถูกรวบรวมโดยรถยนต์ที่ขับเคลื่อนด้วยตัวเองและถ่ายโอนจากข้อมูลเหล่านี้ไปยังศูนย์ข้อมูลต่อพ่วง หลังจากนั้นจึงย้ายข้อมูลไปยังที่เก็บข้อมูลบนคลาวด์ ปัญหาของการใช้สถาปัตยกรรมการจัดเก็บข้อมูลที่ปรับให้เหมาะสมและเป็นลำดับชั้นจึงมีความเกี่ยวข้องมากขึ้นเรื่อยๆ ต้องวิเคราะห์ข้อมูลใหม่ทันทีเพื่อปรับปรุงโมเดลแมชชีนเลิร์นนิง ต้องการปริมาณงานสูงและเวลาแฝงต่ำที่นี่ SSD และ ไดรฟ์ HAMR ความจุสูง ด้วยการรองรับเทคโนโลยีมัลติไดรฟ์จึงเหมาะสมที่สุดสำหรับจุดประสงค์นี้

หลังจากที่ข้อมูลผ่านขั้นตอนการวิเคราะห์เบื้องต้นแล้ว ข้อมูลจะต้องได้รับการจัดเก็บอย่างมีประสิทธิภาพมากขึ้น: บนพื้นที่จัดเก็บแบบ Nearline แบบดั้งเดิมที่มีความจุสูงแต่ต้นทุนต่ำ เซิร์ฟเวอร์จัดเก็บข้อมูลเหล่านี้เหมาะสมอย่างยิ่งหากจำเป็นต้องใช้ข้อมูลในอนาคต ข้อมูลเก่าที่ไม่จำเป็นแต่ต้องเก็บไว้ด้วยเหตุผลอื่นสามารถย้ายไปยังระดับการเก็บถาวรได้

ข้อมูลจะได้รับการประมวลผลและวิเคราะห์ที่เอดจ์มากขึ้นเรื่อยๆ ซึ่งจะนำไปสู่ยุคของอุตสาหกรรม 4.0 ซึ่งกำลังเปลี่ยนแปลงวิธีการใช้ข้อมูลของเรา Edge Computing จะช่วยให้สามารถประมวลผลข้อมูลได้ใกล้เคียงกับที่เก็บรวบรวม แทนที่จะเป็นเซิร์ฟเวอร์คลาวด์แบบเดิม ทำให้สามารถวิเคราะห์ข้อมูลได้เร็วขึ้นมาก และตอบสนองต่อสถานการณ์ที่เปลี่ยนแปลงได้ทันที เครือข่ายการแลกเปลี่ยนข้อมูลความเร็วสูงระหว่างรถยนต์และศูนย์ข้อมูลต่อพ่วงจะช่วยให้การขับขี่อัตโนมัติปลอดภัยและเชื่อถือได้มากขึ้น

สรุป

หวังว่าการวิเคราะห์นี้จะช่วยให้เข้าใจถึงความสำคัญของข้อมูลในด้านการขับขี่อัตโนมัติ การนำยานพาหนะไร้คนขับมาใช้จำนวนมากเกี่ยวข้องกับการรวบรวมข้อมูลจำนวนมากที่ควรได้รับการประมวลผล ไม่เพียงแต่โดยคอมพิวเตอร์ออนบอร์ดเท่านั้น แต่ยังรวมถึงเซิร์ฟเวอร์เอดจ์และคลาวด์ด้วย โครงสร้างพื้นฐานการประมวลผลข้อมูลควรพร้อมล่วงหน้า

เมื่อมีการใช้การแพร่กระจายของ 5G รถยนต์ไร้คนขับจะเริ่มสร้างข้อมูลมากขึ้นเรื่อยๆ ซึ่งจะถูกวิเคราะห์และใช้เพื่อสร้างเมืองอัจฉริยะให้เป็นจริง การบรรลุเป้าหมายนี้จะไม่ง่ายนัก แต่ในท้ายที่สุดเราจะเปิดบทใหม่ในประวัติศาสตร์ของวิธีการขนส่งที่เป็นที่นิยมเช่นรถยนต์

รถยนต์ไร้คนขับอยู่ในระดับแนวหน้าของเทคโนโลยีปัญญาประดิษฐ์ การสื่อสาร และการจัดเก็บข้อมูล เพื่อให้บรรลุถึงระดับของการขับขี่อัตโนมัติอย่างเต็มที่ จำเป็นต้องดำเนินการพัฒนาและปรับปรุงเทคโนโลยีเหล่านี้ต่อไป