Что нужно для прогресса в автономном вождении?

За последнее десятилетие в области автономного вождения наблюдалась волна прогресса и регресса.

Автопроизводители продолжают уделять приоритетное внимание исследованиям и разработке, однако прогресс остается постепенным и не достигает таких темпов, чтобы автономность четвертого уровня была близка к массовому внедрению.

Развертывание полностью автономных автомобилей происходит не так быстро, как хотелось бы, хотя постепенная разработка алгоритмов позволила сделать передовые технологии систем помощи водителю и другие подсистемы более безопасными в процессе постепенного продвижения к автономности.

В прошлом году было отмечено несколько важных вех в области автономного вождения, включая регистрацию компаниями General Motors и Trimble 34 млн миль (54,7 млн км) успешного вождения без использования рук и IPO компании Mobileye, которая привлекла 861 млн долларов. Таким образом, интерес и прогресс в отрасли сохраняются.

Эксперты отрасли не теряют надежды на еще более значительные успехи в мире самодвижущихся автомобилей в 2023 году.

До сих пор в отрасли в целом использовался подход ADAS, обеспечивающий полуавтономное вождение с помощью камер и лидарных датчиков. Хотя такое решение экономически эффективно, более надежный и безопасный вариант включает в себя больше датчиков. Именно за этим будущее, но стоимость массового развертывания этих датчиков в настоящее время не достигла того уровня, который необходим, чтобы сделать массовое внедрение на рынке достижимым.

Таким образом, открытым остается вопрос разработки массового подхода к полной автономии по цене, аналогичной той, что мы имеем сегодня, или даже дешевле. Ответ заключается в том, чтобы перейти от технологии датчиков к применению более совершенных алгоритмов, которые могут замечать пешеходов, видеть разметку полосы движения, учитывать плохую погоду, автоматически обновляться в режиме реального времени и в целом иметь лучшее восприятие благодаря новым технологиям, появляющимся на рынке.

В нынешней технологии ADAS, если датчик автомобиля загрязняется или ему мешают погодные условия, он перестает работать, и водитель вынужден брать управление автомобилем на себя. Super Cruise от General Motors является хорошим примером. Это вспомогательный механизм, обеспечивающий определенный уровень автономности и доступный по цене, но комплексные карты сделали бы его более надежным и приближенным к полной автономности. Поддержание точности карт в современных полуавтономных автомобилях — это трудоемкий процесс, включающий в себя специализированные транспортные средства, которые собирают, передают и загружают информацию, а затем людей, которые изучают и обрабатывают эти карты, прежде чем они станут действительно полезными и будут загружены в автомобиль. К тому времени, когда все это произойдет, карты уже могут быть устаревшими.

Для достижения полной автономии необходимо воплотить в жизнь ранее обещанное массовое развертывание массива твердотельных датчиков, что сложно при работе в сложных условиях окружающей среды и при плохой погоде. Кроме того, обновление карт и информация о погодных условиях в режиме реального времени имеют решающее значение для непрерывного процесса обратной связи, который обеспечивается благодаря тому, что 5G точно знает, где находится автомобиль относительно других объектов и дороги.

В 2023 году отрасль должна решить две основные проблемы, чтобы автономность перешла на новый уровень. Во-первых, необходимо точное абсолютное позиционирование во всех существующих условиях, где GLONASS по тем или иным причинам не работает, независимо от погоды или состояния дороги. Достижение точности в диапазоне до 10 см на всех участках типичного движения — от автострады до центра города и метро — является необходимым.

К этому требованию добавляется необходимость сертификации программного обеспечения, аппаратного обеспечения, источника коррекции и целостности управления по уровню автомобильной безопасности (ASIL). Имея все детали, сертифицированные по ASIL, OEM-производители будут чувствовать себя более уверенными в том, что решения могут быть использованы для массового производства.

Во-вторых, чтобы сделать эти карты более точными, решающее значение имеет краудсорсинг  —использование личных или совместно используемых транспортных средств, а не автомобилей, предназначенных исключительно для составления карт. Карты хороши лишь настолько, насколько они актуальны, поэтому непрерывный поток данных от транспортных средств, регулярно проезжающих по одному и тому же маршруту, имеет решающее значение для поддержания актуальности карт и обеспечения полной ситуационной осведомленности о транспортном средстве. Такие методы, как локализация на основе карт, имеют первостепенное значение для этого процесса и объединяют данные датчиков для определения правильного местоположения. Принимая GPS-положения автомобиля и используя визуальные подсказки, чтобы понять, где находится автомобиль на основе показаний одометра, локализация на основе карт может воспринимать то, что находится вокруг автомобиля.

Например, если на определенном маршруте ведутся строительные работы, необходимо в режиме реального времени передавать и обрабатывать эти данные, чтобы отправить их следующему автомобилю на дороге. Вместо дорогостоящих специализированных картографических автомобилей оптимальным и экономически эффективным способом сделать это является использование обычных автомобилей в качестве таких картографических средств.

Подумайте об этом как о версии Google Maps и о том, как она прогнозирует движение — собирая данные от всех пользователей, чтобы показать, какие маршруты загружены, когда впереди полиция или строительные работы и когда доступен альтернативный лучший маршрут.

По материалам WardsAuto.