קידום טכנולוגיית חיישן לשיפור ביצועי טייס אוטומטי

התפתחות טייס אוטומטי

המסע לעבר נהיגה אוטונומית מלאה הונע על ידי סדרה של פריצות דרך בטכנולוגיית חיישן.לפני עשור, רוב מערכות ה-Drive-assist נשענות על חיישנים בסיסיים וחיישנים קוליים עבור משימות פשוטות כמו בקרת שיוט אדפטיטיבית וסיוע חניה.היום, מערך מתוחכם של חיישנים עובד בקונצרט כדי לספק תצורה עשירה, בזמן אמתי של כלי הרכב ו- #82; סביבה זו לא רק שיפור ביצועים, אלא גם פתחהמרכז אוטומטי 2 של אוטומציה מדויקת יותר, לאחר מכן, כלומר, כלומר, כלומר, לאחר ייצוג יעיל יותר של שיטות הפעלה של אוטומציה גבוהה יותר של שיטות הפעלה של 2 מרכז אוטומציה גבוהה יותר, כלומר, כלומר, כלומר, כלומר, כלומר, כלומר, לאחר שלב 2 מרכז אוטומציה של אוטומציה של אוטומציה גבוהה יותר של אוטומציה של אוטומציה גבוהה יותר, כלומר, לאחר מכן, לאחר מכן, לאחר שלב 2 מרכז אוטומציה של שיטות הפעלה של שיטות הפעלה של שיטות פעולה של שיטות פעולה מתקדמים יותר של שיטות פעולה מתקדמים יותר של שיטות פעולה, לאחר שלב 2.

לידר: מרוט לסולידריות

Lidar (Light Detection and Ranging) הפך אבן הפינה של מיפוי איכות הסביבה של יחידות לידר מוקדם, כגון אלה המשמשים Waymo ו Velodyne, מועסקים כוננים של לייזרים וגלאים כדי לייצר ענני נקודת ציון 360 מעלות, בעוד יעיל, מערכות מכניות אלה היו גדולות, יקרות, ו נוטה ללבוש התקדמות יקרה לעבר מוצק-statedar, אשר משתמש קבוע כדי להיות יותר מדיום לייזר, כמו אינטגרציה פחות מטווח לייזר, למשל, כלומר, לדוגמה, עבור חברות גדולות יותר, 000 מוצק יותר, 000 מוצק יותר, 000 ליטרים, 000.

בנוסף לשיפורים עלות וגודל, חיישני לידר מודרניים משלבים טכנולוגיית גל רציף (FMCW) שלא כמו זמניים מסורתיים של לידר, FMCW מודדים הן מרחק והן מהירות ישירות משינוי דופלר של האור, המאפשר זיהוי מיידי של אובייקטים נעים וצמצום ההתערבות מהשמש או יחידות אחרות של לידר.

מצלמות: לראות את הבלתי נראה

מצלמות נשארות החיישן הרב-תכליתי ביותר להבנה חזותית.תמונות ברזולוציה גבוהה בשילוב עם מעבדי אותות תמונה מתקדמים ללכוד כעת פרטים כמו סימוני נתיב, סימני תנועה, מחוות הולכי רגל אפילו בתנאים נמוכים.הדור האחרון של מצלמות הרכב משתמש חיישנים CMOS עם טווח דינמי רחב (WDR) מעל 140 ד"ב, המאפשר להם להתמודד עם שינויים פתאומיים בבהירות - כגון עלייה ממנהרה לאור השמש ללא פרטים ביקורתיים.

מעבר לרזולוציה גולמית, האלגוריתמים המפרשים את מוצרי המצלמה התקדמו באופן דרמטי ברשתות עצביות (CNN) ואדריכלות מבוססת-היתר יכולים כעת לפרט כל פיקסל של תמונה לקטגוריות (כביש, רכב, הולכי רגל, בעלי חיים) ולהעריך עומק באמצעות טכניקות ניקוי מונותוניות או סטריאו.חברות כמו Mobileye, Nvidia, ו-Lasellas דוחפות יכולות אלה עד לנקודה שבה מצלמה אחת יכולה לספק גישה משמעותית של 8D של תאים, אפילו סצנות מהירות של מנועיות, אפילו סצנות מהירות של מנועיות, כולל סצנות מהירות של מנועיות, כולל סצנות מהירות של מנועיות, כולל סצנות מהירות של מנועיות, כולל סצנות מהירות של מנועיות של מנועיות, כולל קיבולת של מנועיות, כולל של מנועיות, כולל של מנועיות של מנועיות של מנועיות, כולל של מנועיות, כולל סצנות מהירות של מנועיות, כולל של מנועיות, כולל של מנועיות, כולל של מנועיות, כולל סצנות מהירות עיבוד של מנועיות, כולל קיבולת של מנועיות, כולל של מנועיות, כולל של מנועיות, כולל של מנועיות, כולל חיישנים, כולל סצנות מהירות של מנועיות, כולל קיבולת של מנועיות, כולל חיישנים

חידוש נוסף הוא הצגת מצלמות מבוססות אירועים.בניגוד למצלמות מבוססות מסגרת קונבנציונליות שלוכדות תמונות במרווחים קבועים, מצלמות אירועים מתעדות רק שינויים בעוצמת פיקסל, המציעות פתרון זמני ברמה של מיקרו-שנית.זה הופך אותם אידיאליים לגילוי מכשולים מהירים או אירועים מרהיבים כי מצלמות קונבנציונאליות עלולות להחמיץ עקב מטושטשות של חוקרים באוניברסיטת ציריך וחברות כמו Prophesee הם שילוב של אירועים למצלמות אוטונומיות, כדי למנוע התנגשות מבטיחות, למנוע תופעות לוואי מבטיחות במצלמות אוטומטיות.

רדאר: תלוי במזג האוויר

רדאר (גילוי וניתוק) כבר מוערך ביכולתו לפעול בגשם, ערפל, שלג או אור שמש ישיר - תנאים שמדכאים את ה- Ligrad ו ביצועי המצלמה. מכ"ם רכב מסורתי פועל ב-24 GHz או 77 GHz ומספק טווח, זווית, ונתוני מהירות עם פתרון מתון של אובייקטים להולכי רגל, עם זאת, התקדמות לאחרונה הובילה לפיתוח של דימות גבוהה 4D.

הדמיה 4D היא השפעה במיוחד עבור מערכות טייס אוטומטי כי זה ממלא את הפערים שנותרו על ידי חיישנים אחרים.בגשם כבד שבו לידר beams פיזור, מכ"ם ממשיך לספק זיהוי אמין.זה יכול גם לראות דרך תרסיסים על ידי משאיות על כבישים רטובים - תרחיש כי לעתים קרובות עיוור מצלמות הרדאר של רמות גבוהות יותר מדי פעם, אלגוריתמים מודרניים יכולים אפילו ליצור תמונה וירטואלית של הפריסה, לזהות חסימת מגן עדן, חסימת, כמו שבבים אחרים, כמו מיפוי כלי רכב איטיים, כמו מיפוי איטיים אחרים.

חיישן אולטרה סגול: Close-Range Precision

בעוד שלעתים קרובות משקיף, חיישני אודיו ממלאים תפקיד חיוני בתמרון מהיר נמוך.חיישנים אלה פולטים גלי קול סביב 40 kHz ומדידים את הזמן שלוקח כדי לחזור.הם זולים, חזקים ומושלם לזיהוי מכשולים בתוך כמה מטרים - מה שהופך אותם ל-to טכנולוגיה עבור חניה אוטומטית, ניטור עיוור, וזיהוי של נקודות לאחרונה הרחיבו את טווח זיהוי של כלי רכב ליותר מ -8 מטרים, ולוודא סודיות עצמית קיצונית, כמו טמפרטורות גבוהות יותר, עכשיו.

במערכות טייס אוטומטי, חיישני אודיו משמשים לעתים קרובות כרשת הבטיחות.כאשר מצלמה או מכ"ם עשויים להיות לא בטוחים לגבי המרחק המדויק לקיר או מכונית אחרת במהלך תמרון חניה מקביל הדוק, נתוני אודיו ממלאים את הפער עם דיוק ברמה סנטימטר.יתר על כן, חיישנים חדשים יותר "חכמים" קוליים יכולים לזהות אובייקטים נעים וסווג אותם (למשל, אדם צועד מאחורי המכונית) על ידי ניתוח השינוי של יכולת זו משולבת, אפילו קדמית של קדמית של קדמית.

חיישנים Fusion: The Power of Contemporary Data

שום סוג חיישן יחיד הוא מושלם. Lidar נאבקים במשקעים כבדים, מצלמות ניתן לעיוור על ידי זוהר, מכ"ם חסר פרטים מרקם, ו-"סאונד" עובד רק בטווח הקרוב.קסם של ביצועי טייס אוטומטי מודרניים שוכן בהיתוך חיישן - האלגוריתמים המשלבים נתונים ממודולים מרובים של חיישן לייצר ייצוג מאוחד ואמינה של הסביבה.

גישות היתוך מוקדם השתמש מסנן קלמן פשוט לעקוב אחר אובייקטים היום, שיטות היתוך עמוק מבוסס למידה להאכיל נתונים גולמיים או מעובד מראש מכל החיישנים לתוך רשת עצבית מאוחדת. Nvidia's DriveWorks, למשל, מספק מסגרת עבור גילוי מוקדם (שילוב פיקסלים עם עננים נקודתיים צלולים יותר) ומאוחר היתוך (שילוב רשימות אובייקט מכל חיישן).

דוגמה בולטת אחת של היתוך חיישן בפעולה היא מערכת האבטחה של Mobileye, המשלבת מצלמה, מכ"ם ונתוני לידר לספק שכבת תפיסה מקיפה של 360 מעלות מדרגה , של Mobileye-Sensitive Safety מודל (RSS) ואז משתמשת תפיסה מובקת זו כדי לקבל החלטות נהיגה בטוחות, להבטיח כי המערכת האוטונומית לעולם לא גורמת להתנגשות.

Machine Learning ו- AI in Perception

בעוד חומרה חיישן התקדמה, התוכנה המפרשת את הנתונים ראתה אולי אפילו שיפורים דרמטיים יותר. Machine Learning, במיוחד למידה עמוקה, הפכה חיונית לגילוי אובייקטים, סיווג וחיזוי.רשתות עצביות מהפכתיות יכולות לזהות אורות תנועה, לעצור סימנים, והולכי רגל עם שיעורי דיוק העולה על 99% במבחנים מבוקרים. Recurrent רשתות עצביות (RNs) ולהפוך את ההתנהגות הזמנית של אובייקטים, לחזות את עתידם על ידי מסלולים שני.

חידוש קריטי לאחרונה הוא השימוש של טרנספורמציות חזון (ViTs) עבור תפיסה רב-סנסורית. ViTs לחלק נתונים חיישן לתוך כתמים וליישם מנגנוני תשומת לב כדי ללמוד מערכות יחסים בחלל ובזמן, תוך ניתוק הודעות מסורתיות בסצנות עירוניות מורכבות. חברות כמו טסלה, Wayve, ו-Vabi הוכיחו כי בסופו של דבר ללמידה - שבו נתונים גולמיים מוזנים לרשת עצבית ישירות כי הפלטים, כגון פקודות חירום או , כמו , כמו , כמו , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , מצע , , , מצעים מאתגר , , , , , , , , , , , נדרביאו , נדרבומי אבטחה , נדרבומי אבטחה , , , , , , , , , נדרבומי , נדרבומי חיווריביאוייב

עם זאת, תפיסה המונעת על ידי בינה מלאכותית אינה ללא אתגרים.רשתות נילי יכולות להיות מטומטמות על ידי דוגמאות סטיות, כגון מקלים על סימנים להפסיק, והם לעתים קרובות סובלים משינוי הפצה כאשר נתקלים בתרחישים נדירים בנתונים האימונים.כדי לטפל בכך, חברות אוטונומיות משקיעות בכבדות בסביבות סימולציה (למשל, סיאם של NVIDIA, AirSim) כדי ליצור מיליוני טכניקות מתקדמות של חיישנים.

השפעה על ביצועי טייס אוטומטי

חידושי החיישן המתוארים לעיל תרגם ישירות לשיפורים הניתנים למדידה בביצוע טייס אוטומטי.סימטריות מפתח כוללות:

• (FLT:0) שיעור ההתנתקות: ההרחבה 1 (FLT:1) מובילי רכב אוטונומיים כמו Waymo ו Cruise לדווח על שיעורי קידוד נמוך כמו אחד ל-10,000 קילומטרים או פחות.שיפור רזולוציית חיישן והיתוך להפחית את מספר התרחישים שבהם המערכת נתקלת במצב שהוא לא יכול להתמודד, כגון הולכי רגל או אזור בנייה יוצא דופן.
• (FLT:0Broader Operational Design Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain Domain (ODD): סוויטות חיישן מודרני מאפשרות לטייסי רכב לפעול בתנאים מאתגרים שקודם לכן נדרש התערבות בנהג.לדוגמה, שילוב של מצלמות לטווח דינמי גבוה ו- 4D מכ"ם מאפשר לתפקוד בגשם כבד, שמש נמוך ואפילו בלילה עם ירידה מינימלית.
• (FLT:0) העלאת מחירים חיוביים ושליליים כוזבים: ריצוף 1: 1 חיובי כוזב (למשל, phantom braking for a shadow) יכול להיות מסוכן וצנצנת לנוסעים. היתוך חושי ואלגוריתמים סיווג טובים יותר לחתוך את שיעורי חיובי כוזבים על ידי פקודות של גודל. באותו זמן, שלילית כוזבת (בכפוף לגילוי מכשול) מופחתת באמצעות ריבוי של קשקשים אדומים - אם עדיין רואה את המכ"ם, אך עדיין לא מגיבה.
• (FLT:0) שיפור נוחות ו- Smoothness:cioFLT:1) תפיסת הסביבה Accurate מאפשרת לטייס אוטומטי לתכנן נתיבים חלקה יותר.לדוגמה, לדעת את המהירות המדויקת ואת המיקום של רכב מוביל מ-Lar ו מכ"ם מאפשר האצה עדינה יותר ו braking, מה שהופך את הנסיעה לטבעי יותר.
• (FLT:0) בטיחות מוגברת: FLT:1hil, המטרה היא להפחית את התאונות.המידע המוקדם ממערכות רמות 2 מראה כי כלי רכב מצוידים באזהרת התנגשות קדימה, חירום אוטומטיים, וסיוע נתיב-מעלה יש עד 40% ירידה בהתנגשות אחורית.עם שיפורים החיישן האחרונים, היתרונות האלה צפויים לגדול.

אתגרים וכיוונים עתידיים

למרות ההתקדמות המרשימה, כמה אתגרים נותרו.עלות היא מחסום מרכזי לאימוץ המוני: בעוד מחירי לידר מוצק צנחו מתחת ל-1,000 דולר, הם עדיין יקרים מדי עבור כלי רכב ידידותיים לתקציב.רזולוציה זוויתית של ראדר, למרות שיפור, עדיין מפגרים מאחורי לידר ומצלמות בזיהוי אובייקטים מעוקלים כמו אופניים במסלול אופניים.

במבט קדימה, המגמה היא לקראת שילוב גדול יותר ומינירטוט.סביר להניח שנבחין בחיישנים רב-ממדיים המשלבים לידר, מכ"ם ומצלמה בדיור יחיד, מפשטים את האריזה וצמצום עלויות.הדוגמאות המסחריות הראשונות, כמו Valeo SCALA 3 Lidar, כבר לשלב מצלמה ומעבד אלקטרוניקה.כיוון מבטיח נוסף הוא השימוש מעגלים משולבים פוטוניים (PIC) עבורdar, אשר יכול לכווץ את הגודל של אימון שבב מבוסס על ידי אבטחה.

מסגרות רגולטוריות גם יצטרכו להתפתח.כפי שטכנולוגיית החיישן מאפשרת רמות גבוהות יותר של אוטומציה, ממשלות חייבות לקבוע סטנדרטים לביצועים, לונדוניות ולאבטחת סייבר.הנציבות האירופית ו- NHTSA כבר עובדים על תקנות חדשות שיידרשו חיישנים לעמוד במגוון מינימלי של גילויים וסובלנות.כללים אלה יזרזו חדשנות באמצעות קביעת דרישות ברורות ליצרנים.

בעתיד הקרוב, ההתכנסות של חיישנים בעלי ביצועים גבוהים עם מודלים רבי עוצמה של למידת מכונה ינהלו מערכות טייסים מעבר לגבולות הנוכחיים שלהם. בתוך חמש שנים, אנו יכולים לצפות שרמה 4 אוטונומיה תהיה זמינה בעשרות ערים ברחבי העולם, עם סוויטות חיישן כי הם אמינים מספיק כדי להתמודד עם סביבות עירוניות מורכבות ללא נהג בטיחות.הנתיב לאוטונומיה מלאה עדיין עשוי להיות ארוך, אבל המסלול הוא ברור: הטכנולוגיה מתקדמת יותר ויותר, עם חלום, יותר ויותר, עם סיכון עצמי, יותר ויותר, יותר ויותר, עם נהיגה בטוחה, הופכת להיות יותר ויותר רחבה יותר ויותר, יותר ויותר רחבה יותר ויותר, עם נהיגה בטוחה, יותר ויותר רחבה יותר ויותר, עם סיכון, יותר ויותר, עם חלום, יותר ויותר רחבה יותר ויותר, יותר ויותר, יותר ויותר, עם נהיגה בטיחותית, היא יעילה, יותר ויותר, עם סיכון, עם סיכון, עם חלום, עם נהיגה בטוחה, יותר ויותר, עם סיכון, עם סיכון, יותר ויותר, יותר ויותר, יותר ויותר, עם סיכון, עם סיכון, יותר ויותר, עם סיכון, עם סיכון, יותר ויותר רחב יותר ויותר רחב יותר ויותר, יותר ויותר, עם סיכון, יותר ויותר בטוח, עם חלום, עם חלום, עם אימון עצמי, יותר ויותר גבוה יותר ויותר, יותר ויותר, יותר ויותר רחב יותר ויותר, יותר ויותר

[ה] [ה]] [ה]] [ה]] [ה]] [ה]] [ה]]] [ה]]]], [ה]] [ה]]]][ה]]]], [ה]], [ה], [ה]]], [ה'[ה']']''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''