מודלים של מערכות הנדסה לרכב אוטונומי

מודלים נתונים מהווים את עמוד השדרה של מערכות הנדסה אוטונומיות של כלי רכב, המספקות את מסגרות המובנות שהופכות נתונים של חיישן גולמי להחלטות ניתנות לפעולה. כמו טכנולוגיה אוטונומית מתקדמת ממחקר לפריסה, את השלמות וההפצה של מודלים אלה משפיעים ישירות על בטיחות הרכב, יעילות והיקף. מאמר זה חוקר את המושגים הבסיסיים, רכיבים מרכזיים, מודלים נתונים, אתגרים, ומגמות מתפתחות המגדירים נתונים עבור כלי רכב אוטונומיים.

מדוע מידע על מודלים לרכבים אוטונומיים

כלי רכב אוטונומיים פועלים בסביבות דינמיות מאוד שבו הם חייבים לתפוס, לפרש ולהגיב לאינספור משתנים.ללא מודל נתונים מוגדר היטב, את טור המידע של לידר, מכ"ם, מצלמות, GPS, יחידות מדידה לא רצויה, ורכב-על-הכל (V2X) תקשורת הופכת ללא יכולת זיהוי.מודל נתונים חזק מארגן מורכבות זו על ידי הקמת מערכות יחסים ברורות בין אובייקטים, נתיבים, אותות נהיגה, וקודמת נתונים יעילים, ומאפשרת סימולציה יעילה.

מודלים אפקטיביים של נתונים מקטינים את האווירה במהלך הפיתוח ומזרזים את המעבר מטיפוס להפקה.לדוגמה, כאשר מערכת אוטונומית חייבת להחליט אם ללם עבור הולכי רגל, מודל הנתונים שלה חייב להגדיר בדיוק את המיקום של הולכי הרגל, מהירות, מסלול ורמת ביטחון.מודלים פלמה יכולים להוביל להתאמה לא נכונה, כגון צל מבלבל עבור מכשול, אשר יכול לגרום לחיכות מיותרות או להחמיץ סיכונים, אך לא רק בטוח הוא פשוט לא הכרחי.

עקרונות ליבה של מודלים נתונים ב AV Engineering

לפני צלילה לרכיבים ספציפיים, היא עוזרת להבין את העקרונות המנחים המעצבים מודלים של נתונים עבור מערכות אוטונומיות:

(FLT:0) ,Abstraction and ModularityFIRLT:1) מודלים צריכים להפריד חששות לשכבות לוגיות (למשל, תפיסה, חיזוי, תכנון, שליטה) כך שינויים באזור אחד משפיעים באופן מינימלי על אחרים.
(FLT:0) נאמנות ו ScalabilityFLT:1; ייצוגים נתונים חייבים לאזן פרטים עם ביצועים; עננים בעלי ערך גבוה 3D נקודה נדרשים לבטיחות כמעט שדה, אבל פתרון נמוך יותר מסכם מספיק עבור ניווט גלובלי.
(FLT:0) מודעות טמפלייט 1 (FLT:1) - נהיגה אוטונומית היא בעיה של זמן.מודלים חייבים ללכוד את ההיסטוריה של המדינה, לחזות מדינות עתידיות, לטפל בעקביות ובזמנים.
(FLT:0) אי-וודאות QuantificationFLT:1 - כי לחיישנים יש רעש ואכזבות, מודלים נתונים צריכים לכלול מרווחי ביטחון, התפלגות הסתברות ואסטרטגיות נפילה.
(FLT:0) InteroperabilityFLT:1 - כמו הבוגר בתעשייה, סטנדרטים כגון ASAM OpenDRIVE ו- OpenSCENARIO לקדם מודלים נתונים משותפים עבור סימולציה וחילופי נתונים.

מודלים של רכב אוטונומי

חיישן Data Modeling

ברמה הנמוכה ביותר, מודלים נתונים מתארים פלטי חיישן גולמיים או מעובדים.עבור לטרדאר, המודל עשוי לכלול ענן נקודה קרטסיאן עם תכונות עבור אינטנסיביות, טימפט, והוא ground flag. Radar נתונים כוללים טווח, azimuth, Doppler מהירות, ועקוב אחר דגמי מצלמה לעתים קרובות לאחסן תמונות, מסכות, מקטעים, ו calratededlerated אלה תחת רשימה קריטית של סגסוגת כגון מטבולית (exic) כגון metaschcularsicials.

אדריכלות מודרנית ממינוף:0 ⁇ sage מבוסס המדרשFLT 1 כמו ROS 2, DDS או מסגרות מותאמות אישית המגדירים סוגי נתונים באמצעות שפת הגדרות Interface (IDL).מודלים אלה לאכוף בטיחות מסוג סוג ותמיכה בדפוסי אינדקס הכרחיים עבור ניתוח בזמן אמת.

מודלים ואובייקטיביים

אלגוריתמים Perception צורכים נתוני חיישן כדי לזהות ולעקוב אחר אובייקטים.רשימת האובייקטים של הפלט בדרך כלל עוקב אחר מודל סטנדרטי המכיל:

(ב) ◄ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ,0) , מועדים מועדים מראש (FLT:1) - עמדות עתידיות עם צפיפות הסתברות
(ב) ,0) ,(ה) , אם האובייקט גלוי לחלוטין, חלקית או רק מזוהה על ידי תת-קבוצה של חיישנים

מודלים יעילים של אובייקטים מאפשרים חיזוי ותכנון שכבות סיבה להתנגשויות פוטנציאליות, הכוונה ותגובה בטוחה.קבוצות הנדסיות רבות משתמשות ב-FLT:0scene GraphcioFLT:1 מודל נתונים שלוכד לא רק אובייקטים דינמיים אלא גם אלמנטים סטטיים כמו סימון נתיב, סימני תנועה וגבולות כביש.

החלטות תכנון ומודלים

ברגע שהתפיסה מספקת הבנה של הסביבה, מודול התכנון משתמש במודל נתונים כדי לייצג פעולות אפשריות.ייצוגים משותפים כוללים:

(ב) ,0) מועמד ל-Trajectory קובע את ה- 1LT: מספר מסלולים המדגם עם עלויות הקשורות (בטיחות, נוחות, חוקיות)
(ב) ,0) ,"הסברים" (ב) ,"א, ,ד"ר, לאין CHANGE, INTERSECEAR"
(ב) ,0) ,4 ,4 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0) מגבלות מבוססות-חוקר (FLT:1) – מחוקי התנועה למדיניות הנהיגה הספציפית של החברה

מודלים של נתונים תכנון חייבים להיות די מכריעים כדי להוכיח את בטיחות אימות, אך גמיש מספיק כדי להתאים לתרחישים חדשים.

מודלים של Control Models

הקישור הסופי בשרשרת מתרגם פעולות מתוכננות לפקודות Actuator.מודלים של נתונים שליטה מגדירים נקודות עבור זווית ההיגוי, throttle, לחץ בלמים והילוך שידור, יחד עם מגבלות וצורות של ירידה. Feedback ממהירות הגלגל, IMU, ו-Hyting זוויות הוא מודל לסגור את הלולאה.

סוגים של מודלים לשימוש ברכבים אוטונומיים

מודלים נתונים

ברמה הגבוהה ביותר של מופשטות, מודלים קונספטואליים ללכוד את ישויות התחום ואת מערכות היחסים ללא פרטים יישום טכני.עבור נהיגה אוטונומית, זה כולל מושגים כמו רכב, RoadSegment, Interpartment, Traffic Light, ו- Pedestrian. אלה מודלים לעתים קרובות באים לידי ביטוי כמו דיאגרמות של UML או גרפים אסטולוגיה.הם משמשים ככלי תקשורת בין מהנדסי מערכת, אנליסטים בטיחות, מומחים לתחומים.

מודלים נתונים לוגיים

מודלים לוגיים מוסיפים מבנה ומגבלות.הם מציינים תכונות, סוגי נתונים, מפתחות ואגודות.לדוגמה, מודל הגיוני עשוי להגדיר כי אור תנועה יש תכונות: id (UID), צבע (num: RED, YELLOW, GREEN, UNKNOWN), מיקום (la/longude), ותזמון schedule (סדרה של זמן) הם מודלים אלגוריתמיים, אך מפורטים למדי, או למערכות נתונים אוטונומיות (Fprot) או LT2Facterto-Factative Data)

מודלים של נתונים פיזיים

מודלים פיזיים מתארים כיצד נתונים מאוחסנים, גישה ואינדקסים בזיכרון ובאחסון קבוע.עבור מערכות בזמן אמת, זה כולל פריסת זיכרון, היערכות, ובחירה בין חנויות קושרים ועמודות.למידע מוטבע ציי בדיקה אוטונומיים - לעתים קרובות קטבים בשנה - נדרשים מודלים פיזיים מיוחדים במאגרי מידע כגון:0Apachetoriatrated ParkFir או LT2 for low time-F.

מודל נתונים התנהגותי

מודלים התנהגותיים מדמיינים כיצד המערכת מגיבה לגירויים לאורך זמן.אלה קריטיים לבדיקות ואימות המבוססים על תרחיש.שימוש ב-FLT:0finite state MachinessFLT:1,FLT:2Petri נטוsuaFLT 3, או לוגיקה פורמלית, מהנדסים מעברים מודלים בין מצבי נהיגה לבין תנאי ההנעה.

אתגרים בפיתוח מודלים נתונים

מורכבות נתונים וכרך

כלי רכב אוטונומיים מודרניים ללכוד יותר מ 1 TB של נתונים לשעה של נהיגה, מ -30 + חיישנים בודדים.ניהול מגוון ונפח זה - תוך שמירה על היערכות זמנית ו calibration חיישן - הוא אתגר הנדסי מערכות מסיבית מודלים נתונים חייב להיות מתוכנן לדחוס, אינדקס, מסנן נתונים ללא אובדן מידע קריטי.צוותים לעתים קרובות לאמץ FLT:0on-levehic preprocessingLTF:1 כדי להפחית את הסיכונים משמעותיים, אבל צריך שיפור משמעותי עבור נתונים אלה.

עיבוד בזמן אמת עם הבטחת בטיחות

מודלים נתונים לשליטה בזמן אמת חייבים לתמוך בנטיות ⁇ יות נמוכות כמו 10 מילישניות.זה מטיל מגבלות קפדניות על מבני נתונים: הקצאת זיכרון דינמי נמנעת, מפות הישול מוחלשות במערך קבוע, וסידוריות על פני ראש מצטמצם.בנוסף, תקני בטיחות כגון FLT:0ISO 26262 (בטיחות תפקודית לרכבים) LTF:1 דורשות שיתוף פעולה זה אפילו לא חוקי, אך נכשלים של מודלים מאובטחים, אך ורק כאשר הם נכשלים את המודלים.

שילוב ומערכת-of-Systems Complexity

רכב אוטונומי אינו מערכת מונוליטית; הוא משלב תפיסה, חיזוי, תכנון, בקרה, ממשק משתמש, תקשורת וניתוח ענן.כל תת-מערכת עשויה להיות מודל נתונים משלה, ואת הממשקים ביניהם חייב להיות מוגדר באופן רשמי וגרסה. אתגרים שילוב כוללים ניהול תקלות סמנטיות - כלומר, מודול אחד מבטא מהירות במ"מ / בעוד אחר קילומטרים / שעה - ולהבטיח נתונים תמיד לעבור בין מודולים עקביים.

אימות ואימות

כיצד נוכל לוודא שמודל נתונים לוכד את כל תרחישי הנהיגה האפשריים? אימות ממצה אינו אפשרי בשל יכולת האינסוף של נהיגה בעולם האמיתי.

(ב) סימולציה מבוססת על סימולציות (FLT) 1 עם תרחישים סינתטיים מכלים כמו CarLA או SUMO
(FLT:0) החל מהנתונים בעולם האמיתי: 1 כדי לוודא שהמודל מתרבות את ההחלטות המקוריות.
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

למרות שיטות אלה, לא התאמות לא מותאמות במודלים נתונים נשאר גורם מוביל למקרי רכב אוטונומיים, תוך הקטנת הצורך בתהליכים קפדניים.

שיטות הטובות ביותר עבור Data Modeling ב AV Engineering

(ב) [17] , ויקרא מוסכמות וגרסה של ההרחבה: לכל סוגי הנתונים. השתמש בכלים כמו FLT:2Protocol BuffersveFLT 3 או FLT:4Apache AvroFLT:5 אשר תומכים schema Evolution ללא שינוי לאחור.
(FLT:0) שמור על מודלים של נתונים TestentialFLT:1 על ידי יישום invariants אוטומטיים.לדוגמה, לאמת כי כל עמדה של אובייקט היא בטווח החיישן וכי חותמות הזמן הן גדלות באופן מונוטוני.
(FLT:0) עיצוב עבור סינתזה וסימולציה FIRLT:1 מודלים נתונים צריך להיות ניתן על ידי בזמן אמת על תוכנה וסימולציה לא מקוונת, המאפשר דור סצנה מהנתונים המשולבים.
(FLT:0) ,Separate mutable from immutable DataBuildFLT ( 1:1 ⁇ חיישן הליבה הם סטטיים, בעוד האובייקט עוקב אחר עדכון דינמי.שימוש בסוגי בסיס לא מובנים מפחית באגים עקביים.
(ב) בתיעוד ובסטנדרטים של 1:1 אפילו קבוצות קטנות נהנה ממדריך סגנון חיים המסביר רציונלי עבור כל שדה ומספקות דוגמאות.

כלים וטכנולוגיות ל-Data Modeling

תעשיית הרכב האוטונומי נשענת על מספר קוד פתוח וכלים מסחריים כדי להגדיר וללנהל מודלים של נתונים:

(ב) [15] ,0) ,(המערכת הפעלה רובוטית) ,(FLT:1 ), מספקת הגדרות הודעה מבוססות זהות ותוכנות ביניים בזמן אמת.
(ה) [13] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0)Apollo Dataeur ModelFLT:1 - הפלטפורמה האוטונומית של ביידו כוללת מודל נתונים מבוסס פרוטו הכולל חיזוי, תכנון ושליטה.
(ב) [הפרוטוקול] של גוגל [הפרוטוקולים של Buffers + FlatBufferssherph1] – בשימוש נרחב עבור הסדרות על-ידי מערכת-העצמיות בשל טביעת הרגל הקטנה שלהם וגבוהה באמצעות לוח.
(FLT:0)Apache Parkt + ArrowFLT:1) - מומלץ עבור ניתוח בקנה מידה ענן על נתונים צי, המאפשר אחסון טוראר יעיל עיבוד תוך כדי זיכרון.

מגמות עתידיות ב-Data Modeling for אוטונומית

מודלים נתונים מותאמים ולומדים

מודלים מסורתיים של נתונים מבוססים על מהנדסים. גישות למידת מכונה המתפתחות יכול לגלות ייצוגים נתונים מאוחר ישירות מזרמי חיישן.לדוגמה, רשתות קצה-to-end כי תפוקת מפות רשת או שדות רדיו עצביים (NeRFs) יכול לפעול כמודלים נתונים למד, אם כי הם מעלים חששות לגבי פרשנות ומודלים היברידיים המשלבים רכיבים נלמדים עם מבנים לוגיים הם מערכת יחסים.

העברה אמיתית

כדי להכשיר ולאמת מודלים בקנה מידה, צוותי רכב אוטונומיים מסתמכים על סימולציה גבוהה של נתונים.מודלים של נתונים המשמשים בסימולציה חייבים להיות מדויקים מספיק עבור ערימה התפיסה כדי לטפל בנתונים וירטואליים כמציאותיים - תהליך שנקרא FLT:0domain אקראיזציה FLT:1 מודלים נתונים עתידיים נתונים עתידיים יהיה נועד לתמוך התאמות דינמי של פרמטרים סביבתיים (במקום, תאורה, חיכוך) כדי להגדיל את העוצמה.

סטנדרט והשפעה רגולטורית

הגופים הרגולטוריים כמו מינהל הבטיחות של התנועה הלאומית לבטיחות בדרכים (NHTSA) והנציבות האירופית דוחקים למקרים של בטיחות פורמלית הכוללים ארכיטקטורת נתונים ושקיפות מודל. תקני תעשייה כגון FLT:0ISO 21448 (בטיחות התפקוד המקוצר)FLT:1 כבר דורש ניתוח שיטתי של האופן שבו מודלים נתונים מטפלים במקרים של שימוש.

מודלים של נתונים אלקטרוניים ופדים

עם ציים של כלי רכב אוטונומיים הפועלים בערים שונות, תשתית ענן מרכזית מנהלת את הצלקות בנתונים, תוויות ועדכונים מודל.מודלים.מודלים של נתונים חייבים לתמוך בפדרציה חלקה: המודל המשמש בסן פרנסיסקו עשוי להיות שונה בדרכים קלות מן אחד בטוקיו (למשל, תנועה יד שמאלית, תרבות נהיגה שונה), אך חייב להתאים את הרמה האדריכלית.

מסקנה

מודלים נתונים הוא הרבה יותר מאשר אימון תיעוד בהנדסה אוטונומית של כלי רכב - זה משמעת אסטרטגית נוגעת בכל היבט של בטיחות, ביצועים וקנה מידה. ממפות דומיין מושגי לפריסת זיכרון מותאם פיזית, מודלים נתונים מעצבים כיצד זרמי חיישן הופכים תוכניות פעולה. כמו התעשייה נעה לכיוון רמה 4 ורמה 5 אוטונומיה, תחכום של מודלים אלה יגדל, מונע על ידי התקדמות בסימולציה מכונה, סימולציה, וסטנדרטיזציה כי צוותים אמין יותר הנדסת נתונים הנדסת חשמלאיטיביים יותר הנדסת נתונים תקנים מאובטחים יותר , יהיה יעיל יותר הנדסת חשמלאיטיביים.

(ב) לעיין ב[[המאה ה-20]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]