Om författaren Chris Jacobs började på ADI 1995. Under sin tid hos Analog Devices hade Mr. Jacobs olika positioner inom designteknik, designledning och företagsledning inom konsumentutrustning, kommunikation, industri och fordon. Chris Jacobs är för närvarande vice ordförande för affärsenheten för autonom transport och fordonssäkerhet på Analog Devices. Tidigare var Jacobs General Manager för fordonssäkerhet, direktör för Precision Converter Products and Technology, och Product Line Director för High Speed Converters and Insulation Products. Traditionell körning kan snart betraktas som ålderdomlig. En störande utveckling går från mänskliga fordon till autonoma fordon som kräver ett globalt ekosystem för att stimulera utveckling och skapa en monumental strukturomvandling av en hög andel av den globala ekonomin. Säkerheten är dock fortfarande ett stort hinder för att övervinna detta ekosystem innan en förarlös existens blir verklighet. Varje dag i världen dör mer än 3.000 XNUMX trafikolyckor. Att ta bort människor från ekvationen är ett sätt att lösa detta problem. Som ett resultat av detta anammar teknikleverantörer, ledande leverantörer, originalutrustningstillverkare (OEM) och biltillverkare nya affärsmodeller och lägger stora satsningar på att påskynda mognaden av oberoende teknologier. nyckeln. körteknik. Målet är att uppnå nollvisionen, som syftar till att förhindra förluster av liv orsakade av fordon, så autonoma driftsättningar hoppas kunna nå sin fulla potential.
Grundläggande sensorteknik hjälper till att uppnå ett bredare utbud av fordon.
Fordonsintelligens uttrycks ofta i räckviddsnivåer. Nivå 1 och 2 är till stor del varningssystem, där fordonet från nivå 3 kan agera för att förhindra olyckor. När fordonet går till nivå 5 tas ratten bort och bilen körs självständigt. I de första generationerna av system, när fordon börjar ha nivå 2-funktionalitet, fungerar sensorsystemen autonomt. För att nå helt autonoma kognitiva fordon utökas antalet sensorer kraftigt. Dess prestanda och svarstider bör också förbättras avsevärt. Fordon utrustade med externa sensorer kan vara mer medvetna om sin omgivning och därmed säkrare. Kritiska teknologier i AI-system som kan navigera i ett autonomt fordon inkluderar kameror, LiDAR, RADAR, mikroelektromekaniska system (MEMS-tröghet), ultraljud och GPS. Förutom att stödja uppfattningen och navigationssystemen för ett autonomt fordon, tillåter dessa sensorer bättre övervakning av mekaniska förhållanden (däcktryck, viktförändring, etc.), samt andra underhållsfaktorer som kan påverka motorfunktioner som bromsning och hantering. Även om sådana sensorer och sensorfusionsalgoritmer kan bidra till realiseringen av nollsyn, måste flera faktorer beaktas, varav den första är objektklassificering. Nuvarande system kan inte uppnå den rätt upplösning som krävs för objektklassificering, men RADAR, med tanke på dess mikro-Doppler-kapacitet, presterar bättre inom detta område. Även om RADAR för närvarande är en vanlig funktion i autonoma fordon, kommer RADAR att bli allt vanligare i takt med att AEM-mandatet (Automatic Emergency Braking) blir verklighet i början av 2020. LiDAR, för sin del, är inte en standardfunktion i bilar idag eftersom dess kostnad och nivå på prestanda motiverar inte ett bredare antagande. LiDAR kommer dock att erbjuda en bildupplösning som är 10 gånger högre än RADAR, vilket behövs för att urskilja ännu mer nyanserade scener. Att uppnå en högkvalitativ, högkänslig lösning med låg mörkström och låg kapacitans är nyckeltekniken för att möjliggöra LiDAR-marknaden vid 1500 1500 nm, vilket kan leda till att den används ytterligare. En nyckelteknologi inom detta område är övervakning av halvledarstrålar, eftersom högkänslig, högkostnadsfotodetektorteknik krävs för att driva marknaden framåt vid XNUMX nm.
Bildkredit: Shutterstock (Bild: © Shutterstock) Kamerasystem, som vanligtvis används i nya fordon, är hörnstenen i autonomi på nivå 2. Dessa system fungerar dock inte bra i alla användningsfall (dvs säg natt och dåligt väder). I slutändan behövs dessa avkänningstekniker för att tillhandahålla den mest omfattande datamängden för system utformade för att säkerställa säkerheten för passagerare i fordon. Även om de ofta försummas, förlitar sig IMU på gravitationen, som är konstant oavsett miljöförhållanden. Som sådana är de mycket användbara för att beräkna dödsfall. I den tillfälliga frånvaron av en GPS-signal, använder beräkningen data från källor som hastighetsmätare och UMI:er för att upptäcka tillryggalagd sträcka och riktning, och överlagrar dem. högupplösta kartor. Detta håller det kognitiva fordonet på rätt bana tills en GPS-signal kan återställas. Sensorfusion kan komplettera nackdelarna med perceptuella avkänningssystem. Detta kräver en smart balans mellan kärnbearbetning och avancerad bearbetning för att överföra data till sammanslagningsmotorn. LiDAR-kameror och sensorer erbjuder utmärkt sidoupplösning, men även de bästa maskininlärningsalgoritmerna kräver cirka 300ms för att utföra sidorörelsedetektering med låga falsklarmfrekvenser. I nuvarande system krävs ungefär 10 på varandra följande ramar för tillförlitlig detektering med tillräckligt låga falsklarmfrekvenser. Detta bör reduceras till 1-2 på varandra följande ramar för att ge fordonet mer tid att vidta nödvändiga förebyggande åtgärder. Ny teknik, som möjliggör avancerade uppfattningsförmåga vid höga hastigheter, behöver utvecklas och utvecklas för att möjliggöra helt autonom körning i både stads- och motorvägsförhållanden. Men ju mer vi arbetar med det, desto mer kommer vi att identifiera de komplexa användningsfallen som kommer att täckas. Dessutom kommer tröghetsnavigering att vara en viktig aspekt av autonoma fordon för framtiden, eftersom dessa system är okänsliga för miljöförhållanden och nödvändiga för att komplettera perceptionssensorer, som kan modifieras i vissa situationer.
ADAS: s roll och full autonomi.
En annan viktig icke-teknisk faktor att ta hänsyn till för att nå Nollvisionsmålet är att hitta en balans mellan vad teknik kan göra och vad lagstiftning kommer att göra. Idag följer branschledare två spår: Advanced Driver Assistance Systems (ADAS) och helt autonoma fordon. Även om bilindustrin känns ADAS säkrare än helt autonoma fordon, är ADAS-tekniken fortfarande inte perfekt. Tier 1-fordonsleverantörer och leverantörer fokuserar för närvarande på Tier 2 eller 3 självförsörjning eftersom de ser goda affärsmöjligheter där. Lagstiftningen för mycket autonoma fordon är ännu inte definierad och andra områden, såsom försäkring och reglering, måste vidareutvecklas för att skapa en ordentlig ram. Robottaxi är till exempel på väg att debutera i flera städer i USA. Dessa fordon kommer sannolikt att läggas till de större befintliga Tier 2- eller 3-applikationerna. Mycket återstår att göra för att förbättra prestandan för specifika detektionsteknologier som radar och LiDAR, såväl som olika algoritmer som utlöser bilar och tillstånd. När vi kommer till 2020 och därefter, där AEB blir en standardfunktion i bilar, börjar vi officiellt gå över till nivå 3 autonomi. Det behövs dock fler förbättringar för att komma från där biltillverkarna är till där de borde vara.
Bildkredit: Shutterstock (Bild: © Shutterstock) OEM-tillverkare anammar verkligen tvåvägsdynamiken. Till exempel, med robo-taxi, anser de att ekonomin för detta företag är helt annorlunda än bilmarknaden, i den mån det handlar om fordonsdelningstjänster. En av de andra dynamiken på denna specifika marknad tillåter OEM-tillverkare att använda avancerad teknik i dessa fordon för att utveckla hårdvara, mjukvara och sensorfusionsramverket. Även om OEM-tillverkare har mer förtroende för ADAS, finns det fler fall där separata företag har skapats för att ta hänsyn till längre fordonsräckvidder. Vissa OEM-tillverkare har dock inte forsknings- och utvecklingskapitalet för att ta den här kursen, utan samarbetar istället med andra företag som specialiserar sig på teknik för autonom körning. I mitten av detta tvåvägssystem finns 3+ nivån av autonomi. Även om den inte är helt fristående, är nivå 3+ mer avancerad än befintliga ADAS-system, och kombinerar avancerade prestandafunktioner med praktiska funktioner. Mycket bättre sensorer behövs för att stödja applikationer på nivå 3+ som höghastighetsautopilot och AEB+ när fordonet bromsar men också svänger för att undvika olyckor. Nivå 3+ har mycket autonoma teknologier, inklusive en kritisk sensorram som lägger grunden för framtida helt autonoma fordon. Även om vi inte har uppnått total autonomi, för automatiseringen av Level 3+ oss närmare målet med Vision Zero, som kombinerar funktionalitet och prestanda och kombinerar utvecklingen av de två. Sätt att utveckla ett säkert transportekosystem. Detta är vändpunkten där oberoende teknik blir mycket mer kapabel och tillgänglig för allmänheten.