Özü idarə olunan avtomobillərin təhlükəsizliyini necə təmin etmək olar: Hissə 2/5

LiDAR, avtomobil radarları və kameralar (və bir neçəsi) arasında özünü idarə edən avtomobilin "gözləri" adı uğrunda davamlı bir döyüş var:

Şəkil 1: McKinsey & Company avtonom vasitə sensorlarının qiymətləndirilməsiŞəkil 2: Milli Alətlər ADAS sensorlarının vizual

Bununla birlikdə, özünü idarə edən avtomobillər dünyanı "görmək" dən daha çox şey edə bilər. Avtomobillər, ətraf mühit və özü haqqında daha çox məlumat verə bilən bort sensorları ilə təchiz edilmişdir. Bu sensorlar avtomobilin nə qədər sürətlə hərəkət etdiyini göstərir. vasitənin ön tərəfdən, yan-yana və yuxarı və aşağı istiqamətlərdə yaşadığı G gücünün sürətlənməsi; cari sükan bucağı; və daha çox. Özünü idarə edən avtomobil AV yığınının "Sense" blokunun girişlərini təşkil edən bu qavrayış sistemlərinin (kamera, LiDAR, radar) və sensor sistemlərinin (GPS, IMU, təkər sürəti və s.) Birləşməsidir.

Hissə 2: Özünü idarə edən bir avtomobil dünyanı nə qədər yaxşı hiss edə bilər?

AV yığınının "Sense" bloku tez-tez vasitənin ətrafını təyin edə biləcəyi bütün sensorların inteqrasiyasını ehtiva edir. Buna nümunələr: “Piyada nəqliyyat vasitəsi istiqamətində 5 km / saat sürətlə sol tərəfdəki kollardan çıxır” və ya “Gecə yağış yağır və yağış yağır” və ya “Nəqliyyat vasitəsi olduğu halda nəqliyyat vasitəsi% 10 yoxuşa doğru hərəkət edir. 3 ° sürət bucağı dönər. “Sensorların bir-birinə birləşdirilməsinə“ sensor birləşməsi ”deyilir və ətraf mühitdə nələrin baş verdiyini müəyyənləşdirməyə“ səhnə anlama ”deyilir.

AV yığının bu qatının inkişafı sənayedə böyük maraq doğurur. Mühəndislər, avtomobilin insanların "zəkası" ilə dünyanı görməsini və anlamasını istəyir. Ən parlaq insanlardan bəziləri Süni İntellekt, Maşın Öyrənmə və Dərin Öyrənmə sahələrinə daxil olan proqram alqoritmləri üzərində işləyərək avtomobilin gördüklərini anlamasına kömək edir:

Şəkil 3: AI, Curt Hopkins, İdarəedici Redaktor, Hewlett Packard Labs

Bütün bu sensorlar və alqoritmlərlə hər şeyin düzgün işlədiyinə necə əmin ola bilərik? Hər bir komponenti və ya bir qrup komponenti giriş və çıxışlarına ayırırıq və etdikləri işi gördüklərini yoxlayırıq. Bir sıra məlumatlar əldə etmək üçün tonlarla test aparırıq və sonra komponentin və ya qrupun düzgün işlədiyini əminliklə sübut etmək üçün bu məlumatlara dair statistik məlumatları işə salırıq.

Aşağıda komponentlərin hər birini parçalayacağıq və onları necə nəzərdən keçirəcəyimizi müəyyənləşdirəcəyik.

Kameralar

Kamera testlərinin əksəriyyəti kameranı istehsal edən şirkətdə aparılır. Kamera əsasən kosmosdakı bir sıra rəng nöqtələrini çəkən və onları tez-tez bir şəkil massivi adlanan bir görüntüdə düzəldən bir sensordur. Bu görüntü seriyası rəqəmsal bir siqnala çevrilir və sensorun birləşməsini və səhnə anlayışını ələ keçirən aparata ötürülür. Kamera texnologiyası yetkindir və kameranın düzgün görüntüyü rəqəmsal xətlərə çevirdiyini yoxlamaq üçün istifadə edilən prosedurlar yaxşı bilinir. Bu səbəbdən muxtar nəqliyyat vasitələri üçün problem olmamalıdır.

LiDAR

Avtonom nəqliyyat vasitələri üçün LiDAR sistemləri nisbətən yenidir və ilk oyunçu Velodyne, ilk DARPA Grand Challenge-da 2005-ci ilə qədər bu bacarığını göstərmədi. LiDAR texnologiyası LiDAR sensorunu iqtisadi və kompakt etmək məqsədi ilə sürətlə inkişaf edir. Texnologiyalardakı bu dəyişikliklə LiDAR sistemlərini istehsal edən şirkətlərin sistemlərini doğrulama tərzinə uyğunlaşdırmaları lazımdır.

LiDAR dünyanı qavramaq üçün lazerlə işarə edən və vurma metodudur. Bir verici bu işığın bir cisim tərəfindən əks olunmasını gözləyən bir az işıq saçır. İşığın nə qədər sürətli hərəkət etdiyini bilməklə, işığın göndərilməsi ilə qəbul edilməsi arasında keçən vaxtı təyin edərək bu cismdən nə qədər uzaq olduğunu müəyyən edə bilər. LiDAR vahidləri bir dairədə fırlanan bir sıra lazerlərdən və ya bu yaxınlarda işıq alan zaman "qatı hal LiDAR" kimi tanınan bir görünüş sahəsi boyunca yayılmış stasionar bir lazer seriyasından istifadə edərək görünüş sahələrini genişləndirə bilər. LiDAR sistemi, sensor qaynaşma və səhnə anlayışını təmin etmək üçün bir sıra istiqamət və məsafə məlumatlarını yenidən aparata göndərir. Bu "nöqtə buludu" olaraq bilinir.

LiDAR sisteminin düzgün işlədiyini yoxlamaq üçün bir mühəndis əvvəlcədən təyin olunmuş obyektlərlə süni bir səhnə quraraq məlum bir məsafədə qura bilər və LiDAR nəticələrini nəzərdən keçirə bilər. Daha inkişaf etmiş test üsulları ilə, test altındakı LiDAR, bilinən bir görünüş sahəsini təmsil edən zaman əsaslı bir nümunəyə sahib başqa bir işıq mənbəyi ilə qidalanır. Daha sonra mühəndis LiDAR nəticələrini məlum süni mühitlə müqayisə edə bilər. Bu test növü "döngədəki aparat" adlanır, çünki test olunan aparat üçün bilinən bir stimulu simulyasiya edən bir test sistemi var və bu aparatdan alınan rəylər yenidən "sistem" yaradılaraq test sisteminə göndərilir.

LiDAR sisteminin düzgün işlədiyini mühəndislərin müxtəlif hava şəraitində stres testi və cihazdan fərqli elektrik siqnalları ilə düzgün işləməsini təmin etmək də daxil olmaqla bir çox başqa yol var. Ümumiyyətlə, bu çox mürəkkəb bir proses ola bilər və özlərini idarə edən avtomobillər üçün LiDAR sistemlərini seçən mühəndislər bir cihaz seçmədən əvvəl araşdırmaları etməlidirlər. Təchizatçılar cihazlarının ömrü, dəqiqliyi və nasazlıq uzunluğu barədə məlumat verəcəkdir. Bununla birlikdə LiDAR sistemlərini nəqliyyat vasitələrinə quraşdıran mühəndislər də öz təhlükəsizlik testlərini etməlidirlər.

radar

Radar həmişə ətrafında olub. LiDAR-a bənzər bir atış texnologiyası olduğu, lakin bunun üçün radio dalğaları və ya elektromaqnit dalğaları istifadə etdiyinə bənzəyir. Radar cisimlərin uzaqdan zondlanması üçün yaxşı işləyir, lakin ümumiyyətlə çox dəqiq deyil.

Bu şeyi necə yoxlayırsınız? Eynən LiDAR kimidir, amma RADAR texnologiyası ucuz və başa düşülməsi daha asan olduğundan bəzi şirkətlər bu məqsədlə alətlər hazırlayırlar:

Şəkil 4: Milli Alətlər Avtomobil Radar Test Sistemi

Yenə də mühəndislərin cihazlarını ciddi şəkildə sınaqdan keçirmələrini və bu mühəndislərin nəqliyyat vasitəsinə mindikdən sonra cihazı yenidən sınamalarını təmin etmək üçün radar təchizatçıları ilə işləməlidir.

Avtomobil sensorları

Vasitə sensorları bir müddətdir avtomobillərə yerləşdirilib, lakin yalnız 1993-cü ildə Beynəlxalq Standartlaşdırma Təşkilatı (ISO) bir sensörün bir avtomobil ilə əlaqə tərzinin Robert Bosch GmbH tərəfindən hazırlanmış bir rəqəmsal 2 teldən istifadə edilməsini şərt qoydu. - Protokol "CAN avtobusu:" olmalıdır

Şəkil 5: CAN avtobusu, CSS elektronikası

CAN avtobusunda çox sayda sensor var. Bunlara akselerometrlər, daxili ölçmə vahidləri (IMU), nəqliyyat vasitəsinin sürət sensorları, təkər sensorları, oynaq bucağı sensorları, təkər təzyiqi və daha çox şey daxildir. ISO standartı (ISO 11898) bu sensorların istehsalçılarının sensorlarını müştəriyə göndərmədən əvvəl yoxlamalarını təmin edir.

Bir avtomobili avtomatlaşdırma üçün yenidən düzəldirsinizsə, CAN avtobusunu birləşdirməlisiniz və siqnalları deşifrə edib özünüzə göndərə biləcəyinizə əmin olmalısınız. Axı, avtomobilin düzgün işləməsi üçün bu siqnalları oxumalıdır. DBW nəqliyyat vasitəsində (Drive By Wire) heç bir dərslik yoxdur, yalnız qaz pedalı, əyləc və ya sükan çarxı ilə mühərrik və təkərlər arasında rəqəmsal əlaqələr mövcuddur. Sürücünün niyyəti nəqliyyat vasitəsinə CAN avtobusu vasitəsilə ötürülür.

Sıfırdan muxtar bir vasitə qurarkən, sensorların düzgün seçilməsini və montajını təmin etməlisiniz. Bu, həm də vasitəni idarə etməklə və ya HIL testləri ilə bir sürücünü simulyasiya etmək və sonra sensorların nəticələrini analiz etməklə yoxlanılmalıdır. Eyni, mövcud bir vasitəyə əlavə edilmiş əlavə sensorlar üçün də tətbiq olunur.

Sensorlardan biri söndürülsə?

Burada mühəndislər yenidən müdaxilə etməli olurlar. Sensor səviyyəsindəki alqoritmləriniz müəyyən bir intervalda sensor keyfiyyətini yoxlamalıdır. Lazım gələrsə düzəlişlər edilməlidir. Sensorlarda da bir azlıq olmalıdır.

Sensorlardan biri sıradan çıxsa və ya boşalsa və ya avtomobiliniz vurulub kamerada hərəkət edərsə nə baş verir? Sistemin öz sensorlarını kalibrləməsi bu problemlərdən bəzilərini həll etməlidir. Əks təqdirdə, sistem yalnız bir proqram yığınının bir hissəsinə bir sensorun qüsurlu olduğu və AV yığınının qalan hissəsinin nə edəcəyinə qərar verə biləcəyi bir əmr göndərməli ola bilər.

Mühəndislər, səhv bir sensorla necə mübarizə aparacağına dair qərarın düzgün olmasını təmin etməlidirlər. LiDAR sınaqdan keçirildiyi kimi, bir mühəndis də sensorun bir arızasını təmsil edən süni siqnalları sensorun birləşdirilmə avadanlığına göndərə və sistemin necə cavab verdiyini görə bilər. Bundan əvvəl də mühəndis proqramdakı süni məlumatları kodun necə reaksiya verdiyini görmək üçün bir inkişaf mühitindəki kod seqmentinə göndərə bilər. Bu test üsulu "loop-in-the-loop" və ya "SIL" kimi tanınır, çünki kodu test edən proqram test olunan proqrama məlumat göndərir və cavab alır və bu da "loop" yaradır.

Bu testlərin hamısı fərqli şərtlər altında aparılır və bir ton məlumat yaranır. Bu məlumatlar, avtomobilin sensor nasazlığını nə qədər aşkar etdiyini və necə cavab verdiyini statistik olaraq təyin etmək üçün kateqoriyalara bölünür, etiketlənir və analiz edilir.

Səhnə anlayışı: statik və ya yarı statik obyektlər

Ah, daha çox proqram test üçün hardware üzərində işləyir! Səhnəni anlamaq üçün proqram çox mürəkkəb və hətta onu inkişaf etdirən bir çox mühəndis üçün "qara qutu" ola bilər. Asılı olmayaraq, bu mühəndislər obyektiv olaraq təhlükəsiz olduğundan əmin olmalıdırlar.

Səhnə anlayışını sınayan bir mühəndis, inkişaf zamanı proqramı bir çox nöqtədə yoxlayır. Səhnə hissələrini belə bölə bilərsiniz, məsələn. B. Əvvəlcə bir obyektin olub olmadığını yoxlayın, sonra həmin obyekt nədir, sonra bunun mənim üçün nə demək olduğunu.

Görüntülərlə minlərlə simulyasiya, LiDAR məlumatları və radar məlumatları səhnənin düzgün olub olmadığını yoxlamaq üçün proqram vasitəsi ilə səhnəyə başa düşülə bilər. Bunun üçün tez-tez nəticəsi artıq bilinən bir sıra "təlim məlumatları" tələb olunur (bu bir itdir). Daha sonra bir sıra məlumatlar təhlil edilir və səhnə anlayışının doğru olduğu bir daha statistik ehtimal verilir.

Mühəndislər kamera, LiDAR və radar siqnallarını avtomobildəki sensorlara simulyasiya edərək səhnə anlama sisteminin səhnəni düzgün təmsil etdiyini yoxlayaraq bu addımı daha da irəliləyə bilərlər. Bu HIL yanaşmasıdır.

Səhnə anlayışını yoxlamaq üçün mühəndislərin tonlarla görüntü və nöqtə buludlarına ehtiyacı var. Bu görüntülərdən tək bir çox yer tutur, buna görə də real vaxtda işləyən bir avtomobil 250 milyon səhifə kağıza və ya 83 günlük DVD-lərə birbaşa baxmağa bərabər olan bir yarım saat ərzində 4 TB məlumat doldurur (mənbə). .

Şəkil 6: Intel Car Data (mənbə)

Təsəvvür etdiyiniz kimi bir nəqliyyat vasitəsini sınamaq üçün bu məlumatların hamısını idarə etmək böyük bir problemdir. Mühəndislər bunun üzərində işləyirlər və səhnələri anlamaq üçün alqoritmlərinin nə qədər yaxşı olduğuna dair statistik məlumatlar verə bilərlər. Bu, cəmiyyəti həyəcanlandırmalıdır.

Səhnə anlayışı: dinamik və real vaxt obyektləri

Eynən statik cisimlər kimidir, amma indi cisimlərin məkanda necə hərəkət etdiyini anlamaq üçün bir-birinin ardınca bir neçə şəklə və nöqtə bulud məlumatlarına ehtiyacınız var. Buna görə cisimləri düzgün müəyyənləşdirməklə yanaşı, onların necə hərəkət etdiklərini və fizika və mülahizələrə əsaslanaraq harada olacağını bilmək lazımdır. Bu xüsusilə çətin ola bilər.

Statik məlumatlarda olduğu kimi mühəndislər dinamik mühitləri simulyasiya etmək və səhnə anlayışının düzgün proqnoz verdiyini nümayiş etdirmək üçün SIL və HIL istifadə etməlidirlər. Artıq zamanla bir sıra görüntülərə ehtiyacınız var və bunu başqa bir hərəkət edən cəsədlə baş-başa toqquşmalar ölümcül ola biləcəyi üçün bunu olduqca ciddi şəkildə sınamalısınız.

Xoşbəxtlikdən, mühəndislər də bunu öyrənirlər, lakin daha çox məlumata ehtiyac duyurlar. Bu çətinliklərdən bəziləri üçün mühəndislər tərəfindən istifadə olunan alqoritmlər hələ tam inkişaf etməyib, lakin bu sahələrdə gündəlik irəliləyiş var. Camaat bunu çox yaxşı bilməlidir.

Səhnəni anlamaq: vasitə-yol ssenarisi

Tamam, artıq avtomobilin robot “sürücüsünün” yolu düzgün görə biləcəyinə əminsiniz. Başqa nə etməlidir? Hər zaman kosmosdakı avtomobilin ssenarisini müəyyənləşdirməlidir. Siz sürücü olaraq bunu hər zaman edirsiniz. Bir təpədən yuxarıya və ya aşağıya döndüyünüzü, döngədə olduğunuzu və ya düz getdiyinizi, yolların qarla örtülü və ya təmizləndiyini asanlıqla bilə bilərsiniz. Ala biləcəyiniz daha mürəkkəb şeylər stulunuzun arxasına çəkiləcək, şüşəyə məcbur ediləcək və ya vasitənin verdiyi G-lər əsasında bir tərəfə yellənəcəkdir.

Bir vasitə bütün bunları sensor birləşdirmə yolu ilə öyrənə bilər. IMU-dakı xətti sürətlənməni oxuya bilər və maşının bucağını və irəli / arxaya tərpənməsinin, yanlara yuvarlanmasını və ya bir döngədə tərpənməsinin sürətini təyin edə bilər.

Şəkil 7: SAE ox sistemi

Algılama və sürətləndirmə məlumatlarının birləşməsi yolun yamacını və ya sahilini, hətta yamaclarını və təpələrini göstərə bilər. Avtomobilin sürətinə nisbətən algılama və təkər sürəti, vasitənin yol və təkərlər arasındakı sürtünmə əmsalı olduğunu təxmin etməsinə imkan verir (lakin bu olduqca çətin ola bilər).

Sensorlara onsuz da etibar etdiyimiz üçün, yol şəraitini (HIL) təmsil edən sensorlara süni siqnallar göndərərək müəyyən yol şərtlərini (SIL) təmsil edən proqramdakı məlumatları simulyasiya edərək yolu anlamaq qabiliyyətini yoxlayırıq, və hətta vasitəni silindrli bir dinamometr adlanan bir cihazda işlədərək və sistemin çıxardığı nəticələri nəzərdən keçirərək:

Şəkil 8: Meidensha Chassis Dyno (mənbə)

Bu vəziyyətdə ISO standartı yoxdur və Avtomobil Mühəndisləri Cəmiyyəti (SAE) vasitənin özünü tanıdığından əmin olmaq üçün bir yanaşma tövsiyə etməmişdir. Bir çox muxtar vasitə istehsalçısı bu məlumatı vermək üçün yalnız qavrayışa və GPS xəritə məlumatlarına etibar edir. Avtomobil istehsalçıları nəqliyyat vasitələrinin təhlükəsizliyini təmin etmək üçün gələcəkdə bunu yaxşılaşdırmalıdırlar. Bu, marşrut planlaşdırılması barədə danışarkən xüsusilə aydın olur.

Yığın yerləşdirildiyi avadanlıq

Yuxarıda təsvir olunan bütün proqram təminatlarının yerləşdirilməsi üçün hələ də müvafiq aparat üzərində bir mübarizə var. Oyundakı bir çox oyunçudan bəziləri CPU, GPU, FPGA, ASIC, TPU, IPU, MCU və s. Onların çatışmazlıqları var və bəziləri bu şəkil ilə sərbəst şəkildə təsvir edilə bilər:

Şəkil 9: Silikon alternativləri (mənbə)

Günümüzdə özünü idarə edən avtomobil prototipləri dünyasında (2018) əksər CPU və GPU birləşmələri ilə hazırlanmış avtomobillər görürük. Gələcəkdə bu, ehtimal ki, hardware rəqiblərinin birləşməsi olacaq:

Şəkil 10, 11, 12: Adrian Colyer (mənbə)

Bəs donanımda nəyi sınamaq lazımdır? Yuxarıdakı şəkillərdə Gecikmə adlı bir metrik və Performans adlı bir metrik görə bilərsiniz. Gecikmə, aparatdakı proqramın qərar verməsi üçün nə qədər vaxt sərf etdiyini göstərir. Bunu minimuma endirmək istəyirsən. "Güc" bu qərarı vermək üçün nə qədər elektrik enerjisi tələb olunur. Bunu da minimuma endirmək istərdiniz, çünki daha çox elektrik enerjisi istifadə etmək, qaz və ya elektrikli vasitə olmasından asılı olmayaraq səyahət etməyəcəksiniz. Bəzi qərarların digərlərinə nisbətən daha yüksək prioriteti var, çünki Bölmə 3 və Bölmə 4-də də müzakirə edəcəyik. Məsələn, dərhal bir fövqəladə vəziyyət ssenarisinin olub olmadığını bilməlisiniz, ancaq istilik hər dəfə daha yavaş dəyişdiyindən hər dəfə bir neçə saniyə xarici havanın istiliyini yoxlamağınıza ehtiyac ola bilər.

Performansı müşahidə edərkən yerinə yetirməli olduğunuz bir "yük" və ya tapşırıq təyin edərək həm gecikməni, həm də performansı sınayırsınız. Bu tapşırığın nə qədər gərginlik və cərəyan sərf etdiyini ölçürlər və güc əldə etmək üçün onları çoxaldırlar. Həm də hər tapşırığın nə qədər vaxt aparıldığını ölçürlər və bunun da qeydlərini aparırlar.

Bununla birlikdə, gecikmə iki tərəfli bir qılınc ola bilər. Biriniz digərindən 90% daha sürətli və 10% daha yavaş işləyən iki ədəd cihaza sahib ola bilərsiniz. Digər aparat bütün testlərdə həmişə eyni vaxtda işləyir. Gecikmənin dəyişmə miqdarı determinizm adlanır. Bir kritik tapşırıq üçün ehtiyacınız aşağı gecikməli deterministik bir sistemdir. Ticari olmayan kritik maddələri daha yüksək gecikməli və / və ya ideal dərəcədə az enerji istehlak edən deterministik olmayan sistemlərə yükləyə bilərsiniz.

Beləliklə, bir texnikin ən az gücdən istifadə edərkən lazımi cavabı alacağından əmin olmaq üçün doğru aparat seçimini etməlidir və özü test etməlidir. Yenidən çox məlumat!

Nəticə

Bəs biz haradayıq? Sensor sisteminin düzgün işləməsini təmin etmək üçün SIL, HIL və həqiqi dünya testlərinin birləşməsi lazım olduğu aydın olmalıdır. Bunun da çox miqdarda məlumat, bir ton vaxt və mühəndislərin hərəkət etməsinə kömək edəcək bir sıra alətlər tələb edəcəyi açıq olmalıdır. Bəzi testlər standartlaşdırılıb, bəziləri isə yox. Vasitənin dünyanı düzgün qəbul etməsini təmin etmək üçün, hər bir elementin insan sürücüsündən obyektiv olaraq daha yaxşı olması ilə bu prosesi zamanla yaxşılaşdıracağımıza etibar edəcəyik.

Seriyanın qalan hissəsini oxuyun: Özünü idarə edən avtomobilləri necə təhlükəsiz saxlamaq olar

Hissə 1 - Giriş

Hissə 2 - İdrak

Hissə 3 - Planlaşdırma

Hissə 4 - Qanun

Hissə 5 - nəticə