Introduction à Beidou : 10 ans d'expérience dans le développement et la gestion de cockpits intelligents et de systèmes de navigation et de divertissement, 3 ans d'expérience dans la productisation de la conduite autonome et 5 ans d'expérience dans la construction d'un environnement de test de simulation de conduite autonome.
Ces dernières années, avec le renforcement des politiques et des marchés, l'industrie de la conduite autonome a accéléré sa mise en œuvre, et la chaîne industrielle de base qui la soutient et le développement du marché sont devenus de plus en plus matures. Depuis 2020, l'industrie de la conduite autonome est officiellement entrée dans la « décennie d'or ».On estime que d'ici 2030, la part de marché des véhicules sans pilote en Chine devrait dépasser 50 % et la taille du marché des services de véhicules sans pilote devrait atteindre 1,3 billion. Du point de vue des tendances de développement technologique, l'industrie chinoise des technologies de conduite autonome évolue actuellement de l'intelligence d'un seul véhicule à l'ère de la collaboration véhicule-route, et c'est la technologie de l'IA (intelligence artificielle) qui soutient cette évolution. Le troisième boom de l'IA provoqué par l'apprentissage profond a favorisé l'arrivée de l'ère de l'IA.
**Cet article se concentre sur l'analyse et l'introduction de l'évolution des applications de la technologie de l'IA dans le domaine de la conduite autonome à l'ère de l'IA. **
Figure 1 Carte mentale du contenu de l'évolution de la conduite autonome
Évolution des systèmes de conduite autonome
1. L'IA dans l'analyse d'images de conduite autonome
Dans le système de conduite autonome, le véhicule est équipé d'une variété de capteurs de perception tels que des caméras, un radar à ondes millimétriques, un lidar, etc. Le système analysera les données obtenues par perception et portera des jugements de contrôle du véhicule sur la base des données de l'IA. les résultats d'analyse.
Pour les données brutes obtenues par des capteurs de perception tels que des caméras, le système de conduite automatique ne peut pas juger directement, car le système n'a pas la capacité de classer les choses comme un bébé à un stade précoce. Il faut donc tout d'abord classer et distinguer les données une à une. Ce travail est l'étiquetage des données. Classer et marquer tous les éléments de circulation et liés à la route des différentes installations de circulation (lignes de voie, panneaux de signalisation, feux tricolores, etc.), des différents acteurs de la circulation (piétons, vélos, voitures particulières, véhicules utilitaires, véhicules spéciaux, etc.).
Figure 2 Diagramme d'annotation des données d'une scène de trafic réelle
L'unité de traitement du système de conduite automatique s'appuiera sur ces résultats de classification étiquetés, et l'IA apprendra les caractéristiques de divers objets classés. Plus les données sont basiques, plus les caractéristiques sont importantes et plus la précision de la discrimination des objets est élevée. L'IA est comme le cerveau du système de conduite autonome : elle analyse les caractéristiques de chaque objet et apprend petit à petit les caractéristiques d'apparence et les habitudes de mouvement de l'objet. Grâce à ce travail d'apprentissage répété, le cerveau de l'IA devient progressivement plus intelligent : tout en identifiant la catégorie d'objets dans l'image, il peut également saisir l'état général de l'objet. Il s’agit de l’application dans le domaine des technologies liées à la vision par ordinateur que nous connaissons bien. De plus, il est également possible d’automatiser le travail de classification et d’étiquetage par l’IA.
2. L'IA dans la prise de décision en matière de conduite autonome
Grâce à la vision par ordinateur, le système peut connaître l'état global des données obtenues par les capteurs de détection et, sur cette base, prendre des jugements et prendre des décisions sur le contrôle du véhicule. C’est exactement ainsi que l’IA fait progresser l’évolution de la technologie de conduite autonome.
Sur la base des données de perception, l’IA portera le même jugement que les habitudes de conduite humaine dans les plus brefs délais. Afin de réaliser les performances en temps réel du traitement d'image et l'instantanéité du jugement et de la prise de décision, le développement d'une IA de haute précision basée sur de puissantes capacités de traitement de données connaît une forte demande dans le domaine.
3. L'IA dans le contrôle prédictif de la conduite automatique
L’un des éléments de la prise de décision fondée sur le jugement est la « prévision ». Comment le véhicule ou le piéton qui précède se déplacera ensuite ? L'IA doit prédire à l'avance les actions possibles de tous les objets dans l'environnement de circulation et mettre en œuvre un contrôle du véhicule en fonction de la prédiction.
Le « problème du chariot » aux yeux de l’IA
Supposons qu'un véhicule autonome roule sur une route à sens unique, à voie unique, avec des arbres des deux côtés, et que les freins tombent soudainement en panne. Il y a un vieil homme qui marche sur la route devant lui et un bébé qui traverse la route. " Il faut prendre une décision. C'est en fait " Le problème du tramway ", une scène déformée. Lorsque les capacités prédictives du système sont dépassées, les véhicules autonomes ne peuvent pas prendre de décisions ni porter de jugement dans des situations extrêmes, et l'état de conflit décisionnel deviendra le talon d'Achille de la sécurité du système. Basé sur une logique de jugement de bon sens, afin d'éviter de mettre en danger la sécurité du personnel, il ne peut que prendre un virage serré et écraser le véhicule autonome contre un arbre. Lorsque le système est obligé de faire le choix ultime qui ne peut éviter de conduire ou de blesser les occupants, la décision que l'IA devrait prendre reflète en fait une partie de l'intention du développeur, qu'elle doive protéger des personnes autres que sa propre voiture ou le conducteur de sa propre voiture.Où sont les passagers ? Ou bien, cela doit être jugé en fonction du nombre de personnes, ou vous devez faire de votre mieux pour freiner et laisser la nature suivre son cours.
Figure 3 Version caricaturale de la version déformée du « problème du chariot »
En fait, cette question a toujours été controversée et il n’est pas facile, même pour les humains, de tirer des conclusions précises. Cependant, dans certains domaines, le gouvernement a adopté des lois pour régler des problèmes similaires. Par exemple, la « loi sur la conduite automatisée (modification du code de la route) » adoptée et mise en œuvre en Allemagne stipule : « Lorsqu'il existe un risque inévitable de blessures corporelles, le système de prévention des accidents doit avoir la capacité de prise de décision pour ne pas peser sur les vies humaines. en fonction de caractéristiques personnelles. » Cela donne également à l’IA une orientation décisionnelle claire pour de tels problèmes.
Évolution de la planification de parcours pour les systèmes de conduite autonome
Une évaluation globale de l'itinéraire et de la destination et la planification du chemin le plus approprié sont l'une des compétences essentielles des véhicules autonomes. Lors de la planification d'un itinéraire, il est non seulement nécessaire de prendre en compte les prévisions d'embouteillages et de construction de routes entre les destinations, mais également de sélectionner la planification d'itinéraire au niveau de la voie la plus appropriée, et tout en garantissant la commodité de l'itinéraire pour plusieurs passagers, le système doit déterminer instantanément l'ordre. dans lequel exécuter le chemin pour obtenir la planification du chemin la plus efficace et la plus courte.
Afin d'améliorer continuellement les capacités du système, il est nécessaire d'effectuer une analyse des risques sur le taux d'accidents réel de l'itinéraire prévu, d'effectuer une analyse des données en fonction des conditions routières, du nombre de virages, du nombre de feux de circulation et d'autres informations sur les routes qui passent. à travers l'itinéraire planifié, optimisez progressivement la stratégie de planification d'itinéraire et, à terme, améliorez les capacités de planification du système.
Figure 4 Diagramme schématique de la planification d'un trajet à points multiples pour la conduite autonome
Dans l'application des taxis autonomes, plusieurs véhicules dans la même zone fonctionnent en même temps et la demande de véhicules peut augmenter en même temps. La répartition des véhicules nécessite également que le système de conduite automatique planifie l'itinéraire le plus approprié pour tous les taxis. De plus, la prédiction du moment et du lieu où la demande de véhicules se produira est également la fonction de base que le système de conduite automatique ultérieur doit mettre en œuvre pour la fonction de planification des véhicules. Seule l’IA est actuellement capable d’ajouter des prévisions sur la demande future à des scénarios d’application complexes et de fournir instantanément les résultats décisionnels correspondants.
Évolution de l'interaction homme-machine dans le système de conduite automatique
Dans un véhicule autonome sans chauffeur ni agent de sécurité, le plus important est de bien comprendre le statut et les besoins des passagers. Ensuite, le système remplacera le conducteur pour compléter la réponse ou le rapport sur les informations actuelles sur l'état de conduite du véhicule et terminera la communication nécessaire avec les passagers pendant la conduite. Ces exigences sont précisément ce pour quoi l’IA excelle.
Figure 5 Diagramme schématique de l'interaction entre les véhicules autonomes et les passagers
La communication entre les passagers et les véhicules autonomes utilisera également la technologie de reconnaissance vocale actuellement largement utilisée sur les téléphones mobiles et les tablettes. Bien que le langage humain ait souvent des significations étendues qui sont plus difficiles à comprendre en plus du sens superficiel, grâce à l'intervention de l'IA, la capacité de compréhension du système s'améliorera progressivement, passant de l'instruction claire de base « Je vais au restaurant » à la compréhension. les passagers qui ont besoin de mieux comprendre L'instruction vague « Je veux manger de la nourriture délicieuse » qui est vraiment nécessaire est en fait ce pour quoi l'IA est douée.
En plus de comprendre les différentes instructions des passagers, l'IA peut également analyser l'état des passagers sur la base des informations collectées par des capteurs tels que les caméras dans la voiture, réaliser une réflexion indépendante et mettre en œuvre les mesures correspondantes de manière indépendante. Par exemple, lorsque l’IA détermine que l’occupant dort, elle peut envisager de baisser les lumières de la voiture et de diffuser de la musique relaxante pour faciliter le sommeil. Lorsque les passagers continuent de tousser ou d'avoir une température corporelle élevée, le système invitera de manière proactive les pharmacies et cliniques à proximité le long de l'itinéraire.
Dans les futures voitures autonomes, l’IA traitera les passagers comme des clients VIP distingués, en leur fournissant un service méticuleux. Surtout en 2023, la sortie de ChatGPT a déclenché une nouvelle vague d’engouement pour l’IA. Dans les véhicules autonomes, l’IA répondant vocalement aux questions des autres est une évolution fonctionnelle inévitable.
L'évolution du cloud et du edge computing dans les systèmes de conduite autonome
À mesure que les données que les véhicules autonomes doivent traiter continuent d’augmenter, les terminaux de véhicules simples deviennent progressivement incapables de répondre aux besoins en puissance de calcul pour le traitement des données. Afin de répondre aux besoins de traitement, les données sont envoyées vers le cloud, et les données sont traitées et analysées dans le cloud AI. Les résultats de l'analyse de l'IA peuvent être renvoyés au terminal du véhicule autonome à tout moment. de l’IA, ce mode de traitement des données est devenu un standard de la conduite autonome, une des architectures standards.
Figure 5 Diagramme schématique de l'apprentissage dans le cloud et de la prédiction de l'informatique de pointe
Cependant, il y aura certainement une extension des données pendant tout le processus de transmission des données, et les performances en temps réel des données pourraient être endommagées. Pour résoudre ce problème, d'une part, il est nécessaire d'optimiser et d'améliorer le débit de communication et le volume de données de communication sans fil. D'autre part, l'IA a également favorisé le développement et l'application de la technologie Edge Computing dans les véhicules à conduite autonome. ce qui a approfondi les capacités de prétraitement des données des véhicules.
Résumer
D'une manière générale, depuis son entrée dans l'ère numérique, l'IA a profondément responsabilisé tous les horizons. L'arrivée de l'ère du « grand modèle » a permis à l'industrie de l'IA de croiser des industries plus traditionnelles, y compris l'automobile, et de les faire évoluer. effet promotionnel. L'IA a progressivement remplacé les conducteurs, améliorant et faisant évoluer la sécurité, la précision et le confort dans de nombreux aspects tels que la perception de l'environnement de conduite, la planification des trajets, le contrôle du véhicule et l'interaction avec les passagers. On s'attend à ce qu'à l'ère de l'IA, la technologie de conduite autonome maintienne son évolution rapide et favorise l'application complète des véhicules autonomes.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
À l’ère de l’IA, la technologie de conduite autonome évolue rapidement
Source : Réseau d'essais automobiles
Auteur : Beidou
Introduction à Beidou : 10 ans d'expérience dans le développement et la gestion de cockpits intelligents et de systèmes de navigation et de divertissement, 3 ans d'expérience dans la productisation de la conduite autonome et 5 ans d'expérience dans la construction d'un environnement de test de simulation de conduite autonome.
Ces dernières années, avec le renforcement des politiques et des marchés, l'industrie de la conduite autonome a accéléré sa mise en œuvre, et la chaîne industrielle de base qui la soutient et le développement du marché sont devenus de plus en plus matures. Depuis 2020, l'industrie de la conduite autonome est officiellement entrée dans la « décennie d'or ».On estime que d'ici 2030, la part de marché des véhicules sans pilote en Chine devrait dépasser 50 % et la taille du marché des services de véhicules sans pilote devrait atteindre 1,3 billion. Du point de vue des tendances de développement technologique, l'industrie chinoise des technologies de conduite autonome évolue actuellement de l'intelligence d'un seul véhicule à l'ère de la collaboration véhicule-route, et c'est la technologie de l'IA (intelligence artificielle) qui soutient cette évolution. Le troisième boom de l'IA provoqué par l'apprentissage profond a favorisé l'arrivée de l'ère de l'IA. **Cet article se concentre sur l'analyse et l'introduction de l'évolution des applications de la technologie de l'IA dans le domaine de la conduite autonome à l'ère de l'IA. **
Évolution des systèmes de conduite autonome
1. L'IA dans l'analyse d'images de conduite autonome
Dans le système de conduite autonome, le véhicule est équipé d'une variété de capteurs de perception tels que des caméras, un radar à ondes millimétriques, un lidar, etc. Le système analysera les données obtenues par perception et portera des jugements de contrôle du véhicule sur la base des données de l'IA. les résultats d'analyse.
Pour les données brutes obtenues par des capteurs de perception tels que des caméras, le système de conduite automatique ne peut pas juger directement, car le système n'a pas la capacité de classer les choses comme un bébé à un stade précoce. Il faut donc tout d'abord classer et distinguer les données une à une. Ce travail est l'étiquetage des données. Classer et marquer tous les éléments de circulation et liés à la route des différentes installations de circulation (lignes de voie, panneaux de signalisation, feux tricolores, etc.), des différents acteurs de la circulation (piétons, vélos, voitures particulières, véhicules utilitaires, véhicules spéciaux, etc.).
L'unité de traitement du système de conduite automatique s'appuiera sur ces résultats de classification étiquetés, et l'IA apprendra les caractéristiques de divers objets classés. Plus les données sont basiques, plus les caractéristiques sont importantes et plus la précision de la discrimination des objets est élevée. L'IA est comme le cerveau du système de conduite autonome : elle analyse les caractéristiques de chaque objet et apprend petit à petit les caractéristiques d'apparence et les habitudes de mouvement de l'objet. Grâce à ce travail d'apprentissage répété, le cerveau de l'IA devient progressivement plus intelligent : tout en identifiant la catégorie d'objets dans l'image, il peut également saisir l'état général de l'objet. Il s’agit de l’application dans le domaine des technologies liées à la vision par ordinateur que nous connaissons bien. De plus, il est également possible d’automatiser le travail de classification et d’étiquetage par l’IA.
2. L'IA dans la prise de décision en matière de conduite autonome
Grâce à la vision par ordinateur, le système peut connaître l'état global des données obtenues par les capteurs de détection et, sur cette base, prendre des jugements et prendre des décisions sur le contrôle du véhicule. C’est exactement ainsi que l’IA fait progresser l’évolution de la technologie de conduite autonome.
Sur la base des données de perception, l’IA portera le même jugement que les habitudes de conduite humaine dans les plus brefs délais. Afin de réaliser les performances en temps réel du traitement d'image et l'instantanéité du jugement et de la prise de décision, le développement d'une IA de haute précision basée sur de puissantes capacités de traitement de données connaît une forte demande dans le domaine.
3. L'IA dans le contrôle prédictif de la conduite automatique
L’un des éléments de la prise de décision fondée sur le jugement est la « prévision ». Comment le véhicule ou le piéton qui précède se déplacera ensuite ? L'IA doit prédire à l'avance les actions possibles de tous les objets dans l'environnement de circulation et mettre en œuvre un contrôle du véhicule en fonction de la prédiction.
Le « problème du chariot » aux yeux de l’IA
Supposons qu'un véhicule autonome roule sur une route à sens unique, à voie unique, avec des arbres des deux côtés, et que les freins tombent soudainement en panne. Il y a un vieil homme qui marche sur la route devant lui et un bébé qui traverse la route. " Il faut prendre une décision. C'est en fait " Le problème du tramway ", une scène déformée. Lorsque les capacités prédictives du système sont dépassées, les véhicules autonomes ne peuvent pas prendre de décisions ni porter de jugement dans des situations extrêmes, et l'état de conflit décisionnel deviendra le talon d'Achille de la sécurité du système. Basé sur une logique de jugement de bon sens, afin d'éviter de mettre en danger la sécurité du personnel, il ne peut que prendre un virage serré et écraser le véhicule autonome contre un arbre. Lorsque le système est obligé de faire le choix ultime qui ne peut éviter de conduire ou de blesser les occupants, la décision que l'IA devrait prendre reflète en fait une partie de l'intention du développeur, qu'elle doive protéger des personnes autres que sa propre voiture ou le conducteur de sa propre voiture.Où sont les passagers ? Ou bien, cela doit être jugé en fonction du nombre de personnes, ou vous devez faire de votre mieux pour freiner et laisser la nature suivre son cours.
En fait, cette question a toujours été controversée et il n’est pas facile, même pour les humains, de tirer des conclusions précises. Cependant, dans certains domaines, le gouvernement a adopté des lois pour régler des problèmes similaires. Par exemple, la « loi sur la conduite automatisée (modification du code de la route) » adoptée et mise en œuvre en Allemagne stipule : « Lorsqu'il existe un risque inévitable de blessures corporelles, le système de prévention des accidents doit avoir la capacité de prise de décision pour ne pas peser sur les vies humaines. en fonction de caractéristiques personnelles. » Cela donne également à l’IA une orientation décisionnelle claire pour de tels problèmes.
Évolution de la planification de parcours pour les systèmes de conduite autonome
Une évaluation globale de l'itinéraire et de la destination et la planification du chemin le plus approprié sont l'une des compétences essentielles des véhicules autonomes. Lors de la planification d'un itinéraire, il est non seulement nécessaire de prendre en compte les prévisions d'embouteillages et de construction de routes entre les destinations, mais également de sélectionner la planification d'itinéraire au niveau de la voie la plus appropriée, et tout en garantissant la commodité de l'itinéraire pour plusieurs passagers, le système doit déterminer instantanément l'ordre. dans lequel exécuter le chemin pour obtenir la planification du chemin la plus efficace et la plus courte.
Afin d'améliorer continuellement les capacités du système, il est nécessaire d'effectuer une analyse des risques sur le taux d'accidents réel de l'itinéraire prévu, d'effectuer une analyse des données en fonction des conditions routières, du nombre de virages, du nombre de feux de circulation et d'autres informations sur les routes qui passent. à travers l'itinéraire planifié, optimisez progressivement la stratégie de planification d'itinéraire et, à terme, améliorez les capacités de planification du système.
Dans l'application des taxis autonomes, plusieurs véhicules dans la même zone fonctionnent en même temps et la demande de véhicules peut augmenter en même temps. La répartition des véhicules nécessite également que le système de conduite automatique planifie l'itinéraire le plus approprié pour tous les taxis. De plus, la prédiction du moment et du lieu où la demande de véhicules se produira est également la fonction de base que le système de conduite automatique ultérieur doit mettre en œuvre pour la fonction de planification des véhicules. Seule l’IA est actuellement capable d’ajouter des prévisions sur la demande future à des scénarios d’application complexes et de fournir instantanément les résultats décisionnels correspondants.
Évolution de l'interaction homme-machine dans le système de conduite automatique
Dans un véhicule autonome sans chauffeur ni agent de sécurité, le plus important est de bien comprendre le statut et les besoins des passagers. Ensuite, le système remplacera le conducteur pour compléter la réponse ou le rapport sur les informations actuelles sur l'état de conduite du véhicule et terminera la communication nécessaire avec les passagers pendant la conduite. Ces exigences sont précisément ce pour quoi l’IA excelle.
La communication entre les passagers et les véhicules autonomes utilisera également la technologie de reconnaissance vocale actuellement largement utilisée sur les téléphones mobiles et les tablettes. Bien que le langage humain ait souvent des significations étendues qui sont plus difficiles à comprendre en plus du sens superficiel, grâce à l'intervention de l'IA, la capacité de compréhension du système s'améliorera progressivement, passant de l'instruction claire de base « Je vais au restaurant » à la compréhension. les passagers qui ont besoin de mieux comprendre L'instruction vague « Je veux manger de la nourriture délicieuse » qui est vraiment nécessaire est en fait ce pour quoi l'IA est douée.
En plus de comprendre les différentes instructions des passagers, l'IA peut également analyser l'état des passagers sur la base des informations collectées par des capteurs tels que les caméras dans la voiture, réaliser une réflexion indépendante et mettre en œuvre les mesures correspondantes de manière indépendante. Par exemple, lorsque l’IA détermine que l’occupant dort, elle peut envisager de baisser les lumières de la voiture et de diffuser de la musique relaxante pour faciliter le sommeil. Lorsque les passagers continuent de tousser ou d'avoir une température corporelle élevée, le système invitera de manière proactive les pharmacies et cliniques à proximité le long de l'itinéraire.
Dans les futures voitures autonomes, l’IA traitera les passagers comme des clients VIP distingués, en leur fournissant un service méticuleux. Surtout en 2023, la sortie de ChatGPT a déclenché une nouvelle vague d’engouement pour l’IA. Dans les véhicules autonomes, l’IA répondant vocalement aux questions des autres est une évolution fonctionnelle inévitable.
L'évolution du cloud et du edge computing dans les systèmes de conduite autonome
À mesure que les données que les véhicules autonomes doivent traiter continuent d’augmenter, les terminaux de véhicules simples deviennent progressivement incapables de répondre aux besoins en puissance de calcul pour le traitement des données. Afin de répondre aux besoins de traitement, les données sont envoyées vers le cloud, et les données sont traitées et analysées dans le cloud AI. Les résultats de l'analyse de l'IA peuvent être renvoyés au terminal du véhicule autonome à tout moment. de l’IA, ce mode de traitement des données est devenu un standard de la conduite autonome, une des architectures standards.
Cependant, il y aura certainement une extension des données pendant tout le processus de transmission des données, et les performances en temps réel des données pourraient être endommagées. Pour résoudre ce problème, d'une part, il est nécessaire d'optimiser et d'améliorer le débit de communication et le volume de données de communication sans fil. D'autre part, l'IA a également favorisé le développement et l'application de la technologie Edge Computing dans les véhicules à conduite autonome. ce qui a approfondi les capacités de prétraitement des données des véhicules.
Résumer
D'une manière générale, depuis son entrée dans l'ère numérique, l'IA a profondément responsabilisé tous les horizons. L'arrivée de l'ère du « grand modèle » a permis à l'industrie de l'IA de croiser des industries plus traditionnelles, y compris l'automobile, et de les faire évoluer. effet promotionnel. L'IA a progressivement remplacé les conducteurs, améliorant et faisant évoluer la sécurité, la précision et le confort dans de nombreux aspects tels que la perception de l'environnement de conduite, la planification des trajets, le contrôle du véhicule et l'interaction avec les passagers. On s'attend à ce qu'à l'ère de l'IA, la technologie de conduite autonome maintienne son évolution rapide et favorise l'application complète des véhicules autonomes.