Знайомство з Beidou: 10 років досвіду в розробці та управлінні інтелектуальними кокпітами, навігаційними та розважальними системами, 3 роки досвіду виробництва автономного водіння та 5 років досвіду створення тестового середовища для симуляції автономного водіння.
Останніми роками, завдяки розширенню політики та розвитку ринків, індустрія автономного водіння прискорила своє впровадження, а основний допоміжний галузевий ланцюг і розвиток ринку стають дедалі зрілішими. З 2020 року індустрія автономного водіння офіційно вступила в «золоте десятиліття». Очікується, що до 2030 року частка ринку безпілотних автомобілів у моїй країні перевищить 50%, а розмір ринку послуг безпілотних автомобілів, як очікується, зросте досягти 1,3 трлн. З точки зору тенденцій технологічного розвитку, індустрія технологій автономного водіння в моїй країні наразі розвивається від інтелекту для одного транспортного засобу до ери співпраці транспортного засобу та дороги, і саме технологія AI (штучного інтелекту) підтримує цю еволюцію. Третій бум AI, викликаний глибоким навчанням, сприяв настанню ери AI.
**Ця стаття зосереджена на аналізі та представленні еволюційного просування застосування технології AI у сфері автономного водіння в епоху AI. **
Малюнок 1 Інтелектуальна карта вмісту еволюції автономного водіння
Еволюція системи автопілота
1. ШІ в аналізі зображення автономного водіння
У системі автономного водіння транспортний засіб оснащено різноманітними датчиками сприйняття, такими як камери, радар міліметрового діапазону, лідар тощо. Система аналізуватиме дані, отримані за допомогою сприйняття, і прийматиме рішення щодо керування транспортним засобом на основі даних AI. результати аналізу.
Система автономного водіння не може безпосередньо оцінювати необроблені дані, отримані датчиками сприйняття, такими як камери, оскільки системі спочатку не вистачає здатності класифікувати речі, як дитина. Тому, перш за все, дані повинні бути класифіковані та розрізнені один за одним.Ця робота є маркування даних. Класифікувати та позначати весь рух і пов’язані з ним елементи різних об’єктів дорожнього руху (смуги руху, дорожні знаки, світлофори тощо) та різних учасників руху (пішоходи, велосипеди, легкові автомобілі, комерційні транспортні засоби, спеціальні транспортні засоби тощо).
Рисунок 2. Діаграма анотації даних реальної сцени руху
Блок обробки системи автономного водіння використовуватиме ці анотації та результати класифікації як основу, а AI вивчатиме характеристики різних класифікованих об’єктів. Чим більше базових даних, тим помітніші ознаки і вища точність розрізнення об’єктів. Штучний інтелект схожий на мозок системи автономного водіння: він аналізує характеристики кожного об’єкта та поступово вивчає характеристики зовнішнього вигляду та звички руху об’єкта. ШІ-мозок поступово стає розумнішим завдяки такій багаторазовій навчальній роботі. Визначаючи категорію об’єктів на зображенні, він також може зрозуміти загальний стан об’єкта. Це відомий нам додаток у сфері технологій комп’ютерного зору. Крім того, також можна автоматизувати роботу з класифікації та маркування за допомогою ШІ.
2. AI у прийнятті рішень щодо автономного водіння
За допомогою комп’ютерного зору система може реалізовувати загальне розуміння стану даних, отриманих датчиком сприйняття, і на основі цього вона може приймати судження та рішення щодо керування автомобілем. Саме так штучний інтелект сприяє розвитку технологій автономного водіння.
Грунтуючись на сенсорних даних, штучний інтелект вироблятиме таке ж рішення, як людські звички водіння, за найкоротший час. Щоб реалізувати продуктивність обробки зображень у реальному часі та миттєвість суджень і прийняття рішень, у галузі існує великий попит на розробку високоточного ШІ на основі потужних можливостей обробки даних.
3. ШІ в автоматичному прогнозованому керуванні водінням
Одним із елементів оцінювального прийняття рішень є «прогнозування». Як далі рухатиметься транспортний засіб або пішохід, що їде попереду? ШІ повинен заздалегідь передбачити можливі дії всіх об’єктів у дорожньому середовищі та реалізувати керування транспортним засобом на основі передбачення.
«Проблема тролейбуса» очима ШІ
Припустімо, що безпілотний автомобіль їде по односмуговій дорозі з деревами з обох боків, і раптово відмовляють гальма. Перед ним по дорозі йде старий чоловік, а дорогу переходить дитина. .Ми повинні прийняти рішення. Це насправді «Проблема тролейбуса» деформована сцена. Коли передбачувані можливості системи перевищені, автономні транспортні засоби не можуть приймати рішення та судження в екстремальних ситуаціях, і стан конфлікту прийняття рішень стане ахіллесовою п’ятою безпеки системи. Виходячи з логіки здорового глузду, щоб уникнути загрози безпеці персоналу, єдиним варіантом є різкий поворот і врізання безпілотного автомобіля в дерево. Коли система змушена зробити остаточний вибір, який не може уникнути керування транспортним засобом або травмування пасажирів, рішення, яке ШІ має прийняти, насправді відображає частину наміру розробника, чи має він захистити людей, крім транспортного засобу, або водія транспортного засобу. Де пасажири? Або нам слід судити на основі кількості людей, чи нам слід зробити все можливе, щоб натиснути на гальма й дозволити природі йти своїм шляхом.
Малюнок 3 Мультфільм деформованої версії «Проблеми з візком»
Насправді це питання завжди було суперечливим, і навіть людям непросто зробити точні висновки. Однак у деяких областях уряд прийняв законодавство, яке передбачає подібні питання. Наприклад, «Закон про автоматизоване водіння (поправка до Закону про дорожній рух)», прийнятий і введений у дію в Німеччині, передбачає: «Коли існує неминучий ризик травмування, система запобігання нещасним випадкам повинна мати здатність приймати рішення, щоб не обтяжувати людські життя. на основі особистих характеристик." Це також дає ШІ чіткий напрямок прийняття рішень для таких проблем.
Еволюція планування шляху для систем автономного водіння
Комплексне оцінювання маршруту та пункту призначення, а також планування найбільш підходящого шляху є одними з важливих навичок для автономних транспортних засобів. Під час планування маршруту необхідно не тільки враховувати прогнози заторів і будівництво доріг між пунктами призначення, але й вибрати найбільш відповідне планування маршруту на рівні смуги руху, і, забезпечуючи зручність маршруту для кількох пасажирів, система повинна миттєво визначати порядок в якому виконати шлях для досягнення найбільш ефективного та найкоротшого планування шляху.
Щоб постійно вдосконалювати можливості системи, необхідно проводити аналіз ризиків щодо фактичної аварійності запланованого маршруту, проводити аналіз даних на основі дорожніх умов, кількості поворотів, кількості світлофорів та іншої інформації про дороги, що проходять. через запланований маршрут, поступово оптимізуйте стратегію планування маршруту та, нарешті, вдосконаліть можливості планування системи.
Малюнок 4 Схематична діаграма планування маршруту з кількома точками для автономного водіння
Коли використовуються безпілотні таксі, декілька транспортних засобів, що працюють в одній зоні, можуть вимагати транспортних засобів одночасно. Для диспетчеризації транспортних засобів також потрібно, щоб система безпілотного керування планувала найбільш відповідний шлях для всіх таксі. Крім того, передбачення того, коли і де виникне попит на транспортні засоби, також є основною функцією, яку наступні системи автономного водіння повинні реалізувати для диспетчеризації транспортних засобів. Технологія, яка додає передбачення майбутніх вимог до складних прикладних сценаріїв і може миттєво забезпечити відповідні результати прийняття рішень, наразі здатна використовувати лише ШІ.
Еволюція взаємодії людини та комп’ютера в системі автоматичного водіння
У самокерованому транспортному засобі без водія чи офіцера з безпеки найважливішим є чітке розуміння стану та потреб пасажирів. Потім система замінить водія, щоб завершити відповідь або звіт про поточну інформацію про стан водіння транспортного засобу та завершити необхідний зв’язок з пасажирами під час руху. Ці вимоги є саме тим, у чому добре вміє ШІ.
Рисунок 5. Принципова діаграма взаємодії безпілотних транспортних засобів і пасажирів
Для спілкування між пасажирами та безпілотними автомобілями також використовуватиметься технологія розпізнавання голосу, яка широко використовується на мобільних телефонах і планшетних комп’ютерах. Хоча людська мова часто має розширені значення, які важче зрозуміти на додаток до зовнішнього значення, завдяки втручанню ШІ здатність системи до розуміння поступово покращуватиметься від основної чіткої інструкції «Я хочу піти в готель» до розуміння того, що пасажири повинні глибше зрозуміти Розпливчаста інструкція «Я хочу їсти смачну їжу», яка дійсно потрібна, насправді є тим, у чому хороший ШІ.
Окрім розуміння різноманітних інструкцій від пасажирів, штучний інтелект також може аналізувати стан пасажирів на основі інформації, зібраної датчиками, такими як камери в автомобілі, дозволяючи їм думати незалежно та самостійно виконувати відповідні заходи. Наприклад, коли штучний інтелект визначає, що пасажир спить, він може приглушити світло в машині та ввімкнути розслаблюючу музику, щоб допомогти заснути. Якщо пасажири продовжують кашляти або у них підвищується температура тіла, система завчасно сповістить найближчі аптеки та клініки на маршруті.
У майбутніх безпілотних автомобілях ШІ ставитиметься до пасажирів як до поважних VIP-клієнтів, забезпечуючи ретельне обслуговування. Особливо у 2023 році випуск ChatGPT спровокував чергову хвилю захоплення ШІ. В автономних транспортних засобах ШІ відповідає голосом на запитання інших людей — це неминуча функціональна еволюція.
Розвиток хмарних і межових обчислень для систем автономного водіння
У міру того як кількість даних, які необхідно обробляти безпілотним транспортним засобом, продовжує збільшуватися, чисті транспортні термінали поступово перестають відповідати вимогам обчислювальної потужності для обробки даних. Щоб задовольнити потреби обробки, дані надсилаються в хмару, а дані обробляються та аналізуються в хмарі AI.Результати аналізу AI можуть бути відправлені назад на термінал автономного автомобіля в будь-який час.З розробкою AI, цей метод обробки даних став стандартом для автономного водіння Однією зі стандартних архітектур.
Малюнок 5. Схематична діаграма хмарного навчання та прогнозування периферійних обчислень
Протягом усього процесу передачі даних обов’язково буде розширення даних, і природа даних у реальному часі може бути порушена. Щоб вирішити цю проблему, з одного боку, необхідно оптимізувати та покращити швидкість зв’язку та обсяг даних бездротового зв’язку, з іншого боку, штучний інтелект також сприяв розробці та застосуванню технології периферійних обчислень в автономних транспортних засобах, що розширило можливості попередньої обробки даних транспортних засобів.
Підсумуйте
Загалом, після вступу в епоху цифрових технологій штучний інтелект значно розширив можливості для всіх сфер життя. Настання ери «великої моделі» дозволило індустрії штучного інтелекту перетнутися з більш традиційними галузями промисловості, включаючи автомобілі, і спричинило еволюцію та ефект просування. Штучний інтелект поступово замінив водія та покращив і розвинув безпеку, точність і комфорт у багатьох аспектах, таких як сприйняття середовища водіння, планування шляху, контроль автомобіля та взаємодія з пасажирами. Очікується, що в епоху штучного інтелекту технологія автономного водіння швидко розвиватиметься та сприятиме повному застосуванню автономних транспортних засобів.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
В епоху ШІ технології автономного водіння стрімко розвиваються
Джерело: Automotive Test Network
Автор: Бейдоу
Знайомство з Beidou: 10 років досвіду в розробці та управлінні інтелектуальними кокпітами, навігаційними та розважальними системами, 3 роки досвіду виробництва автономного водіння та 5 років досвіду створення тестового середовища для симуляції автономного водіння.
Останніми роками, завдяки розширенню політики та розвитку ринків, індустрія автономного водіння прискорила своє впровадження, а основний допоміжний галузевий ланцюг і розвиток ринку стають дедалі зрілішими. З 2020 року індустрія автономного водіння офіційно вступила в «золоте десятиліття». Очікується, що до 2030 року частка ринку безпілотних автомобілів у моїй країні перевищить 50%, а розмір ринку послуг безпілотних автомобілів, як очікується, зросте досягти 1,3 трлн. З точки зору тенденцій технологічного розвитку, індустрія технологій автономного водіння в моїй країні наразі розвивається від інтелекту для одного транспортного засобу до ери співпраці транспортного засобу та дороги, і саме технологія AI (штучного інтелекту) підтримує цю еволюцію. Третій бум AI, викликаний глибоким навчанням, сприяв настанню ери AI. **Ця стаття зосереджена на аналізі та представленні еволюційного просування застосування технології AI у сфері автономного водіння в епоху AI. **
Еволюція системи автопілота
1. ШІ в аналізі зображення автономного водіння
У системі автономного водіння транспортний засіб оснащено різноманітними датчиками сприйняття, такими як камери, радар міліметрового діапазону, лідар тощо. Система аналізуватиме дані, отримані за допомогою сприйняття, і прийматиме рішення щодо керування транспортним засобом на основі даних AI. результати аналізу.
Система автономного водіння не може безпосередньо оцінювати необроблені дані, отримані датчиками сприйняття, такими як камери, оскільки системі спочатку не вистачає здатності класифікувати речі, як дитина. Тому, перш за все, дані повинні бути класифіковані та розрізнені один за одним.Ця робота є маркування даних. Класифікувати та позначати весь рух і пов’язані з ним елементи різних об’єктів дорожнього руху (смуги руху, дорожні знаки, світлофори тощо) та різних учасників руху (пішоходи, велосипеди, легкові автомобілі, комерційні транспортні засоби, спеціальні транспортні засоби тощо).
Блок обробки системи автономного водіння використовуватиме ці анотації та результати класифікації як основу, а AI вивчатиме характеристики різних класифікованих об’єктів. Чим більше базових даних, тим помітніші ознаки і вища точність розрізнення об’єктів. Штучний інтелект схожий на мозок системи автономного водіння: він аналізує характеристики кожного об’єкта та поступово вивчає характеристики зовнішнього вигляду та звички руху об’єкта. ШІ-мозок поступово стає розумнішим завдяки такій багаторазовій навчальній роботі. Визначаючи категорію об’єктів на зображенні, він також може зрозуміти загальний стан об’єкта. Це відомий нам додаток у сфері технологій комп’ютерного зору. Крім того, також можна автоматизувати роботу з класифікації та маркування за допомогою ШІ.
2. AI у прийнятті рішень щодо автономного водіння
За допомогою комп’ютерного зору система може реалізовувати загальне розуміння стану даних, отриманих датчиком сприйняття, і на основі цього вона може приймати судження та рішення щодо керування автомобілем. Саме так штучний інтелект сприяє розвитку технологій автономного водіння.
Грунтуючись на сенсорних даних, штучний інтелект вироблятиме таке ж рішення, як людські звички водіння, за найкоротший час. Щоб реалізувати продуктивність обробки зображень у реальному часі та миттєвість суджень і прийняття рішень, у галузі існує великий попит на розробку високоточного ШІ на основі потужних можливостей обробки даних.
3. ШІ в автоматичному прогнозованому керуванні водінням
Одним із елементів оцінювального прийняття рішень є «прогнозування». Як далі рухатиметься транспортний засіб або пішохід, що їде попереду? ШІ повинен заздалегідь передбачити можливі дії всіх об’єктів у дорожньому середовищі та реалізувати керування транспортним засобом на основі передбачення.
«Проблема тролейбуса» очима ШІ
Припустімо, що безпілотний автомобіль їде по односмуговій дорозі з деревами з обох боків, і раптово відмовляють гальма. Перед ним по дорозі йде старий чоловік, а дорогу переходить дитина. .Ми повинні прийняти рішення. Це насправді «Проблема тролейбуса» деформована сцена. Коли передбачувані можливості системи перевищені, автономні транспортні засоби не можуть приймати рішення та судження в екстремальних ситуаціях, і стан конфлікту прийняття рішень стане ахіллесовою п’ятою безпеки системи. Виходячи з логіки здорового глузду, щоб уникнути загрози безпеці персоналу, єдиним варіантом є різкий поворот і врізання безпілотного автомобіля в дерево. Коли система змушена зробити остаточний вибір, який не може уникнути керування транспортним засобом або травмування пасажирів, рішення, яке ШІ має прийняти, насправді відображає частину наміру розробника, чи має він захистити людей, крім транспортного засобу, або водія транспортного засобу. Де пасажири? Або нам слід судити на основі кількості людей, чи нам слід зробити все можливе, щоб натиснути на гальма й дозволити природі йти своїм шляхом.
Насправді це питання завжди було суперечливим, і навіть людям непросто зробити точні висновки. Однак у деяких областях уряд прийняв законодавство, яке передбачає подібні питання. Наприклад, «Закон про автоматизоване водіння (поправка до Закону про дорожній рух)», прийнятий і введений у дію в Німеччині, передбачає: «Коли існує неминучий ризик травмування, система запобігання нещасним випадкам повинна мати здатність приймати рішення, щоб не обтяжувати людські життя. на основі особистих характеристик." Це також дає ШІ чіткий напрямок прийняття рішень для таких проблем.
Еволюція планування шляху для систем автономного водіння
Комплексне оцінювання маршруту та пункту призначення, а також планування найбільш підходящого шляху є одними з важливих навичок для автономних транспортних засобів. Під час планування маршруту необхідно не тільки враховувати прогнози заторів і будівництво доріг між пунктами призначення, але й вибрати найбільш відповідне планування маршруту на рівні смуги руху, і, забезпечуючи зручність маршруту для кількох пасажирів, система повинна миттєво визначати порядок в якому виконати шлях для досягнення найбільш ефективного та найкоротшого планування шляху.
Щоб постійно вдосконалювати можливості системи, необхідно проводити аналіз ризиків щодо фактичної аварійності запланованого маршруту, проводити аналіз даних на основі дорожніх умов, кількості поворотів, кількості світлофорів та іншої інформації про дороги, що проходять. через запланований маршрут, поступово оптимізуйте стратегію планування маршруту та, нарешті, вдосконаліть можливості планування системи.
Коли використовуються безпілотні таксі, декілька транспортних засобів, що працюють в одній зоні, можуть вимагати транспортних засобів одночасно. Для диспетчеризації транспортних засобів також потрібно, щоб система безпілотного керування планувала найбільш відповідний шлях для всіх таксі. Крім того, передбачення того, коли і де виникне попит на транспортні засоби, також є основною функцією, яку наступні системи автономного водіння повинні реалізувати для диспетчеризації транспортних засобів. Технологія, яка додає передбачення майбутніх вимог до складних прикладних сценаріїв і може миттєво забезпечити відповідні результати прийняття рішень, наразі здатна використовувати лише ШІ.
Еволюція взаємодії людини та комп’ютера в системі автоматичного водіння
У самокерованому транспортному засобі без водія чи офіцера з безпеки найважливішим є чітке розуміння стану та потреб пасажирів. Потім система замінить водія, щоб завершити відповідь або звіт про поточну інформацію про стан водіння транспортного засобу та завершити необхідний зв’язок з пасажирами під час руху. Ці вимоги є саме тим, у чому добре вміє ШІ.
Для спілкування між пасажирами та безпілотними автомобілями також використовуватиметься технологія розпізнавання голосу, яка широко використовується на мобільних телефонах і планшетних комп’ютерах. Хоча людська мова часто має розширені значення, які важче зрозуміти на додаток до зовнішнього значення, завдяки втручанню ШІ здатність системи до розуміння поступово покращуватиметься від основної чіткої інструкції «Я хочу піти в готель» до розуміння того, що пасажири повинні глибше зрозуміти Розпливчаста інструкція «Я хочу їсти смачну їжу», яка дійсно потрібна, насправді є тим, у чому хороший ШІ.
Окрім розуміння різноманітних інструкцій від пасажирів, штучний інтелект також може аналізувати стан пасажирів на основі інформації, зібраної датчиками, такими як камери в автомобілі, дозволяючи їм думати незалежно та самостійно виконувати відповідні заходи. Наприклад, коли штучний інтелект визначає, що пасажир спить, він може приглушити світло в машині та ввімкнути розслаблюючу музику, щоб допомогти заснути. Якщо пасажири продовжують кашляти або у них підвищується температура тіла, система завчасно сповістить найближчі аптеки та клініки на маршруті.
У майбутніх безпілотних автомобілях ШІ ставитиметься до пасажирів як до поважних VIP-клієнтів, забезпечуючи ретельне обслуговування. Особливо у 2023 році випуск ChatGPT спровокував чергову хвилю захоплення ШІ. В автономних транспортних засобах ШІ відповідає голосом на запитання інших людей — це неминуча функціональна еволюція.
Розвиток хмарних і межових обчислень для систем автономного водіння
У міру того як кількість даних, які необхідно обробляти безпілотним транспортним засобом, продовжує збільшуватися, чисті транспортні термінали поступово перестають відповідати вимогам обчислювальної потужності для обробки даних. Щоб задовольнити потреби обробки, дані надсилаються в хмару, а дані обробляються та аналізуються в хмарі AI.Результати аналізу AI можуть бути відправлені назад на термінал автономного автомобіля в будь-який час.З розробкою AI, цей метод обробки даних став стандартом для автономного водіння Однією зі стандартних архітектур.
Протягом усього процесу передачі даних обов’язково буде розширення даних, і природа даних у реальному часі може бути порушена. Щоб вирішити цю проблему, з одного боку, необхідно оптимізувати та покращити швидкість зв’язку та обсяг даних бездротового зв’язку, з іншого боку, штучний інтелект також сприяв розробці та застосуванню технології периферійних обчислень в автономних транспортних засобах, що розширило можливості попередньої обробки даних транспортних засобів.
Підсумуйте
Загалом, після вступу в епоху цифрових технологій штучний інтелект значно розширив можливості для всіх сфер життя. Настання ери «великої моделі» дозволило індустрії штучного інтелекту перетнутися з більш традиційними галузями промисловості, включаючи автомобілі, і спричинило еволюцію та ефект просування. Штучний інтелект поступово замінив водія та покращив і розвинув безпеку, точність і комфорт у багатьох аспектах, таких як сприйняття середовища водіння, планування шляху, контроль автомобіля та взаємодія з пасажирами. Очікується, що в епоху штучного інтелекту технологія автономного водіння швидко розвиватиметься та сприятиме повному застосуванню автономних транспортних засобів.