Autonomní auto je vozidlo schopné vnímat své okolí a fungovat bez zásahu člověka. Lidský pasažér nemusí kdykoli převzít kontrolu nad vozidlem, ani se nevyžaduje, aby byl člověk ve vozidle přítomen vůbec. Autonomní auto může jet kamkoli tradiční auto a dělat vše, co dělá zkušený lidský řidič.
Společnost Automotive Engineers (SAE) v současnosti definuje 6 úrovní automatizace řízení od úrovně 0 (plně manuální) po úroveň 5 (plně autonomní). Tyto úrovně byly přijaty ministerstvem dopravy USA.
Kliknutím zobrazíte detail
Autonomní vs. Automatizované vs. Samořídící: Jaký je rozdíl?
SAE používá termín automatizované místo autonomní. Jedním z důvodů je to slovo autonomie má důsledky mimo elektromechanické. A plně autonomní auto by bylo sebevědomé a schopné činit vlastní rozhodnutí. Řeknete například „doveď mě do práce“, ale auto se rozhodne, že tě odveze na pláž. A plně automatizované auto by však plnilo rozkazy a pak by jelo samo.
termín řízení se často používá zaměnitelně s autonomní. Je to však trochu jiná věc. A řízení auto může v některých nebo dokonce všech situacích řídit samo, ale člověk musí být vždy přítomen a připraven převzít řízení. Vlastní řízení auta by spadala pod úroveň 3 (automatizace podmíněné jízdy) nebo úroveň 4 (vysoká automatizace jízdy). Podléhají geofencingu, na rozdíl od plně autonomního vozu úrovně 5, který by mohl jet kamkoli.
Jak fungují autonomní auta?
Autonomní automobily se při spouštění softwaru spoléhají na senzory, akční členy, složité algoritmy, systémy strojového učení a výkonné procesory.
Autonomní auta vytvářejí a udržují mapu svého okolí na základě různých senzorů umístěných v různých částech vozidla. Radarové senzory sledují polohu blízkých vozidel. Videokamery detekují semafory, čtou dopravní značky, sledují ostatní vozidla a hledají chodce. Senzory Lidar (detekce a dosah světla) odrážejí pulsy světla od okolí vozu a měří vzdálenosti, detekují okraje vozovky a identifikují značení jízdních pruhů. Ultrazvukové senzory v kolech detekují obrubníky a další vozidla při parkování.
Sofistikovaný software pak všechny tyto senzorické vstupy zpracuje, vykreslí cestu a odešle pokyny ovladačům vozu, které řídí zrychlení, brzdění a řízení. Pevně zakódovaná pravidla, algoritmy vyhýbání se překážkám, prediktivní modelování a rozpoznávání objektů pomáhají softwaru dodržovat dopravní pravidla a navigovat přes překážky.
Jak Audi přináší vše chytré do života
Podívejte se na tento krátký film se Stephanem Berlitzem, vedoucím inovací v oblasti osvětlení v Audi, a podívejte se, jak inovace Audi přivádí Smart Everything k životu.
Jaké jsou výzvy s autonomními auty?
Plně autonomní vozy (úroveň 5) procházejí testováním v několika částech světa, ale žádné zatím není dostupné široké veřejnosti. Od toho jsme ještě roky daleko. Výzvy sahají od technologických a legislativních až po environmentální a filozofické. Zde jsou jen některé z neznámých.
Lidar a Radar
Lidar je drahý a stále se snaží najít správnou rovnováhu mezi dosahem a rozlišením. Pokud by po stejné silnici jelo více autonomních aut, rušily by se jejich lidarové signály? A pokud bude k dispozici více rádiových frekvencí, bude frekvenční rozsah stačit na podporu sériové výroby autonomních vozů?
Povětrnostní podmínky
Co se stane, když autonomní auto jede za vydatných srážek? Pokud je na vozovce vrstva sněhu, děliče jízdních pruhů zmizí. Jak budou kamery a senzory sledovat značení jízdních pruhů, pokud je značení zakryje voda, olej, led nebo úlomky?
Dopravní podmínky a zákony
Budou mít autonomní auta potíže v tunelech nebo na mostech? Jak se jim bude dařit v provozu od nárazníku k nárazníku? Budou autonomní auta vyřazena do konkrétního pruhu? Bude jim umožněn přístup do pruhu pro spolujízdu? A co flotila starších vozů, které budou po dalších 20 nebo 30 let stále sdílet vozovky?
Státní vs. federální nařízení
Regulační proces v USA se nedávno přesunul od federálního vedení k mandátům pro autonomní vozy stát od státu. Některé státy dokonce navrhly daň za kilometr na autonomní vozidla, aby zabránily nárůstu „zombie aut“ jezdících bez cestujících. Zákonodárci také sepsali návrhy zákonů, které navrhují, aby všechna autonomní auta byla vozidly s nulovými emisemi a měla nainstalované panické tlačítko. Budou se ale zákony stát od státu lišit? Budete schopni překročit státní hranice s autonomním autem?
Odpovědnost za nehodu
Kdo nese odpovědnost za nehody způsobené autonomním autem? Výrobce? Lidský pasažér? Nejnovější plány naznačují, že plně autonomní vůz úrovně 5 nebude mít palubní desku ani volant, takže lidský pasažér by ani neměl možnost převzít kontrolu nad vozidlem v případě nouze.
Umělá vs. emoční inteligence
Lidští řidiči se spoléhají na jemné náznaky a neverbální komunikaci – jako je oční kontakt s chodci nebo čtení výrazů obličeje a řeči těla ostatních řidičů – aby mohli ve zlomku vteřiny usuzovat a předvídat chování. Budou autonomní auta schopna toto spojení replikovat? Budou mít stejné instinkty pro záchranu života jako lidští řidiči?
Řešení problému semaforů pro autonomní vozidla je zásadní pro bezpečnost všech vozidel, nejen pro autonomní vozidla. A na rozdíl od aut řízených lidmi se AV spoléhají pouze na svůj systém počítačového vidění a data používaná k tomu, aby je naučili navigovat světem kolem nás.
V současnosti nejlepší samořídící asistenční systémy jednou za desítky tisíc hodin nesprávně něco ve svém okolí vnímají. Pokud je tímto objektem semafor a auto se poplete, jsou ohroženi cestující, chodci, cyklisté atd. Zde je pohled na problém semaforů pro autonomní auta ze tří úhlů pohledu.
1. Semafory říkají účastníkům silničního provozu, kdy mají zastavit a jet, ale fungují pouze tehdy, když všichni dodržují pravidla.
Semafory jsou navržený systém, načasovaný podle dopravních vzorů. Existují pravidla, která autům říkají, kdy mají zastavit a jet, ale přirozené lidské chování řidičů, chodců a cyklistů někdy znamená, že tato pravidla jsou vykládána volně.
Neexistují žádné fyzické překážky, které by účastníky silničního provozu nutily dodržovat dopravní značení. Fungují, protože řidiči dodržují pravidla. AV musí mít také správná pravidla, a to znamená bezpočet hodin reálného vystavení nevysloveným pravidlům (nebo jejich nedostatku) na silnici.
Kvalita a přesnost dat přijatých z balíčků senzorů musí být přesná a nenechávat žádný prostor pro interpretaci nebo nesrovnalosti. Také poznávací značky, obličeje nebo jiné osobní identifikační údaje (PII) může být nutné anonymizovat, aby bylo chráněno soukromí lidí, kteří se mohou objevit v nezpracovaných záběrech.
Zajištění, aby se AV naučili správná pravidla, vyžaduje nezaujatá, vhodně označená a vysoce kvalitní tréninková data založená na řadě jízdních scénářů.
2. Semafory jsou výzvou jak pro systém vidění, tak pro tým vyvíjející algoritmy.
Protože semafory nepředstavují problém s detekcí vzdálenosti, AV nemohou používat lidar nebo radar k navigaci semaforů. Musí se spoléhat pouze na svůj systém počítačového vidění, aby pochopili, kdy zastavit a jít.
To může být obtížné jak pro systém vidění, tak pro tým vyvíjející algoritmus, protože viditelnost semaforů se může lišit v závislosti na povětrnostních podmínkách, jako je jasné sluneční světlo, déšť, sníh nebo mlha. Podobně ne všechny křižovatky mají semafory, takže pokud AV žádný nezachytí, může to být správné.
Zpracování mimo provoz semaforů se také může lišit. Jedno město může použít igelitový sáček k označení nefunkčního světla, zatímco jiné město, nebo dokonce okres, může použít maskovací pásku nebo jinou metodu k zakrytí rozbitých dopravních signálů.
Kontextová vodítka, jako je kývání hlavou nebo signály rukou, pomáhají lidským řidičům zvládat nízkou viditelnost nebo chybějící semafor, ale protože AV nemohou registrovat tyto doplňkové vizuální informace, musí inženýři strojového učení a počítačového vidění trénovat AV na takové scénáře, jakmile nastanou.
3. Soubory údajů o akciích nestačí k tomu, aby AV navigovaly bezpečně na semaforech.
Objem a rozmanitost dat požadovaných pro autonomní vozidla je obrovská a skladové datové sady nemohou pokrýt všechny případy použití.
Duncan Curtis, Sama VP of Product sdílí přibližně 1,000 10,000 až 10,000 100,000 obrázků, které jsou potřeba k nasazení řešení do vozidla, a aby bylo možné produkt veřejně spustit, je potřeba přibližně XNUMX XNUMX až XNUMX XNUMX obrázků na jednu funkci ADAS. To je spousta dat a množství dat potřebné k zohlednění okrajových případů, jako jsou semafory v jedinečných podmínkách na silnici, není známo.
Vzhledem k tomu, že AV často potřebují data z konkrétního balíčku kamery nebo senzoru (protože to je to, co auto použije ve výrobě), obecná skladová data nestačí k tomu, aby AV navigovala bezpečně na semaforech. Kromě toho je třeba modely aktualizovat o průběžná tréninková data jako pravidla silničního provozu a svět kolem nás se mění.
Náš tým odborníků na označování dat anotuje více než 4 miliony úkolů za měsíc a pro případy použití AV jsme dosáhli 99.5% kvality SLA s více než 100 tagy na obrázek. Úspěšně jsme také dosáhli plné produktivity v rámci našich etiketovacích týmů již za dva až pět dní.
Pokud potřebujete základní pravdivá data pro svůj model ML, spojte se s naším týmem pro virtuální konzultaci a ukázku naší špičkové platformy pro anotaci dat.
