تا سال 2030 ، بازار خودروهای خودمختار انتظار می رود برای پیشی گرفتن از 2.2 تریلیون دلار ، در حالی که میلیون ها اتومبیل در جاده ها با استفاده از سیستم های هوش مصنوعی و سنسور پیشرفته حرکت می کنند. با این حال ، در میان این رشد سریع ، یک بحث اساسی همچنان حل نشده است: کدام سنسورها برای رانندگی خودمختار مناسب هستند – لیدرها ، دوربین ها ، رادارها یا چیز دیگری کاملاً جدید؟
این سوال دور از دانشگاهی است. انتخاب سنسورها همه چیز را از ایمنی و عملکرد گرفته تا هزینه و بهره وری انرژی تحت تأثیر قرار می دهد. برخی از شرکت ها ، مانند Waymo ، شرط بندی و تنوع را شرط می بندند و وسایل نقلیه خود را با مجموعه کاملی از لیدرها ، دوربین ها و رادارها قرار می دهند. برخی دیگر ، مانند تسلا ، رویکرد مینیمالیستی تر و مقرون به صرفه تر را دنبال می کنند و به شدت به دوربین ها و نوآوری های نرم افزاری متکی هستند.
بیایید این استراتژی های واگرا ، پارادوکس های فنی که با آنها روبرو هستند و منطق تجارت تصمیمات خود را بررسی کنیم.
چرا ماشین های باهوش تر نیاز به راه حل های انرژی هوشمندانه دارند
این در واقع یک مسئله مهم است. من هنگام راه اندازی یک استارتاپ مرتبط با هواپیماهای بدون سرنشین در سال 2013 با یک معضل مشابه روبرو شدم. ما در تلاش بودیم هواپیماهای بدون سرنشین ایجاد کنیم که قادر به ردیابی حرکت انسان باشند. در آن زمان ، این ایده جلوتر بود ، اما خیلی زود مشخص شد که یک پارادوکس فنی وجود دارد.
برای ردیابی یک پهپاد برای ردیابی یک شی ، باید داده های سنسور را که به قدرت محاسباتی نیاز دارد – یک کامپیوتر پردازنده – تجزیه و تحلیل کند. با این حال ، هرچه کامپیوتر قدرتمندتر باشد ، مصرف انرژی بیشتر می شود. در نتیجه ، باتری با ظرفیت بیشتری لازم است. با این حال ، یک باتری بزرگتر وزن پهپاد را افزایش می دهد و وزن بیشتری به انرژی بیشتری نیاز دارد. یک چرخه شرور بوجود می آید: افزایش تقاضای برق منجر به مصرف انرژی بیشتر ، وزن و در نهایت هزینه می شود.
همین مشکل در مورد وسایل نقلیه خودمختار نیز صدق می کند. از یک طرف ، شما می خواهید وسیله نقلیه را با تمام سنسورهای ممکن تجهیز کنید تا هرچه بیشتر داده ها را جمع آوری کرده ، آن را همگام سازی کرده و دقیق ترین تصمیمات را بگیرید. از طرف دیگر ، این به میزان قابل توجهی هزینه و مصرف انرژی سیستم را افزایش می دهد. مهم است که نه تنها هزینه سنسورها بلکه انرژی لازم برای پردازش داده های آنها را نیز در نظر بگیرید.
میزان داده در حال افزایش است و بار محاسباتی در حال رشد است. البته با گذشت زمان ، سیستم های محاسباتی فشرده تر و کارآمدتر از انرژی شده اند و نرم افزار بهینه تر شده است. در دهه 1980 ، پردازش یک تصویر 10 × 10 پیکسل می تواند ساعت ها طول بکشد. امروز ، سیستم ها فیلم 4K را در زمان واقعی تجزیه و تحلیل می کنند و محاسبات اضافی را روی دستگاه بدون مصرف انرژی بیش از حد انجام می دهند. با این حال ، معضل عملکرد هنوز باقی مانده است ، و شرکت های AV نه تنها سنسورها بلکه الگوریتم های سخت افزار محاسباتی و بهینه سازی را نیز بهبود می بخشند.
پردازش یا ادراک؟
مشکلات عملکردی که سیستم باید تصمیم بگیرد که کدام داده ها در درجه اول به دلیل محدودیت های محاسباتی به جای مشکلات مربوط به سنسورهای LIDAR ، دوربین یا رادار باشد. این سنسورها به عنوان چشم و گوش وسیله نقلیه عمل می کنند و به طور مداوم مقادیر زیادی از داده های محیطی را ضبط می کنند. با این حال ، اگر محاسبات پردازنده “مغز” فاقد قدرت پردازش برای رسیدگی به تمام این اطلاعات در زمان واقعی باشد ، بسیار زیاد می شود. در نتیجه ، سیستم باید برخی از داده های خاص را بر روی دیگران در اولویت قرار دهد ، به طور بالقوه برخی از اشیاء یا صحنه ها را در موقعیت های خاص نادیده می گیرد تا روی کارهای اولویت بالاتر تمرکز کند.
این تنگنا محاسباتی به این معنی است که حتی اگر سنسورها کاملاً عملکردی داشته باشند ، و اغلب آنها برای اطمینان از قابلیت اطمینان ، افزونگی دارند ، وسیله نقلیه ممکن است هنوز هم برای پردازش تمام داده ها به طور مؤثر تلاش کند. سرزنش سنسورها در این زمینه مناسب نیست زیرا مسئله در ظرفیت پردازش داده ها نهفته است. تقویت سخت افزار محاسباتی و بهینه سازی الگوریتم ها مراحل اساسی برای کاهش این چالش ها است. با بهبود توانایی سیستم در رسیدگی به حجم داده های بزرگ ، وسایل نقلیه خودمختار می توانند احتمال از دست رفتن اطلاعات مهم را کاهش داده و منجر به عملیات ایمن تر و مطمئن تر شوند.
سیستم های Lidar ، сAMERA و RADAR: PROS و Cons
غیرممکن است بگوییم که یک نوع سنسور بهتر از دیگری است – هر کدام در خدمت هدف خود هستند. با انتخاب سنسور مناسب برای یک کار خاص ، مشکلات حل می شوند.
لیدار ضمن ارائه نقشه برداری دقیق سه بعدی ، گران است و در شرایط آب و هوایی نامطلوب مانند باران و مه مبارزه می کند ، که می تواند سیگنال های لیزر آن را پراکنده کند. همچنین برای پردازش داده های متراکم خود به منابع محاسباتی قابل توجهی نیاز دارد.
دوربین ها ، گرچه مقرون به صرفه هستند ، اما به شرایط روشنایی بسیار وابسته هستند و در نور کم ، تابش خیره کننده یا تغییر سریع نور عملکرد ضعیفی دارند. آنها همچنین فاقد درک و مبارزه با عمق ذاتی با انسداد مانند خاک ، باران یا برف بر روی لنز هستند.
رادار در تشخیص اشیاء در شرایط مختلف آب و هوایی قابل اعتماد است ، اما وضوح پایین آن باعث می شود تمایز بین اشیاء کوچک یا از نزدیک فاصله داشته باشد. این اغلب موارد مثبت کاذب ایجاد می کند و موارد بی ربط را تشخیص می دهد که می توانند پاسخ های غیر ضروری را ایجاد کنند. علاوه بر این ، رادار نمی تواند زمینه را رمزگشایی کند یا بر خلاف دوربین ها به شناسایی اشیاء کمک کند.
این سیستم ها با استفاده از فیوژن سنسور-ترکیب داده های Lidar ، Radar و دوربین ها-درک جامع تر و دقیق تری از محیط خود کسب می کنند ، که به نوبه خود باعث افزایش ایمنی و تصمیم گیری در زمان واقعی می شود. keymakr ‘همکاری S با توسعه دهندگان پیشرو ADAS نشان داده است که این رویکرد برای قابلیت اطمینان سیستم چقدر مهم است. ما به طور مداوم روی مجموعه داده های متنوع و باکیفیت برای پشتیبانی از آموزش مدل و پالایش کار کرده ایم.
Waymo vs Tesla: داستان دو دیدگاه خودمختار
در AV ، مقایسه های کمی به همان اندازه بحث و گفتگو به عنوان تسلا و ویمو ایجاد می شود. هر دو در آینده تحرک پیشگام هستند – اما با فلسفه های کاملاً متفاوت. بنابراین ، چرا یک ماشین Waymo مانند یک سفینه فضایی بسته بندی شده سنسور به نظر می رسد ، در حالی که تسلا تقریباً عاری از سنسورهای خارجی ظاهر می شود؟
بیایید نگاهی به وسیله نقلیه Waymo بیندازیم. این یک Jaguar پایه است که برای رانندگی خودمختار اصلاح شده است. در پشت بام آن ده ها سنسور وجود دارد: لیدار ، دوربین ، سیستم های لیزر در حال چرخش (به اصطلاح “اسپینرها”) و رادارها. واقعاً بسیاری از آنها وجود دارد: دوربین در آینه ها ، سنسورهای موجود در جلو و عقب ، سیستم های دید دوربرد-همه اینها هماهنگ است.
اگر چنین وسیله نقلیه به تصادف وارد شود ، تیم مهندسی سنسورهای جدیدی را برای جمع آوری اطلاعات مفقود اضافه می کند. رویکرد آنها استفاده از حداکثر تعداد فناوری های موجود است.
پس چرا تسلا از همان مسیر پیروی نمی کند؟ یکی از دلایل اصلی این است که تسلا هنوز Robotaxi خود را به بازار منتشر نکرده است. همچنین ، رویکرد آنها بر به حداقل رساندن هزینه و نوآوری متمرکز است. تسلا معتقد است که استفاده از Lidars به دلیل هزینه بالای آنها غیر عملی است: هزینه تولید یک دوربین RGB حدود 3 دلار است ، در حالی که یک لیدر می تواند 400 دلار یا بیشتر هزینه کند. علاوه بر این ، لیدرها حاوی قطعات مکانیکی – آینه های چرخان و موتورها هستند که باعث می شود آنها بیشتر مستعد خرابی و تعویض باشند.
در مقابل ، دوربین ها ایستا هستند. آنها هیچ قطعات متحرک ندارند ، بسیار قابل اطمینان تر هستند و می توانند برای ده ها سال کار کنند تا اینکه روکش تخریب شود یا لنز کم شود. علاوه بر این ، دوربین ها برای ادغام در طراحی خودرو آسان تر هستند: آنها می توانند در بدن پنهان شوند ، تقریباً نامرئی شوند.
رویکردهای تولید نیز تفاوت چشمگیری دارند. Waymo از یک سکوی موجود – یک Jaguar تولید – که بر روی آن سنسورها سوار شده است استفاده می کند. آنها انتخابی ندارند. از طرف دیگر تسلا وسایل نقلیه را از ابتدا تولید می کند و می تواند از ابتدا ادغام سنسور را در بدن برنامه ریزی کند و آنها را از دید پنهان کند. به طور رسمی ، آنها در مشخصات ذکر شده اند ، اما از لحاظ بصری ، تقریباً غیرقابل توجه خواهند بود.
در حال حاضر ، تسلا از هشت دوربین در اطراف خودرو استفاده می کند – در جلو ، عقب ، آینه های جانبی و درها. آیا آنها از سنسورهای اضافی استفاده می کنند؟ من چنین اعتقاد دارم
بر اساس تجربه من به عنوان یک راننده تسلا که در وسایل نقلیه Waymo نیز سوار شده است ، معتقدم که ترکیب Lidar باعث بهبود سیستم خود رانندگی کامل تسلا می شود. از نظر من احساس می کند که FSD تسلا در حال حاضر فاقد دقت است. افزودن فناوری LIDAR می تواند توانایی خود را در حرکت در شرایط چالش برانگیز مانند تابش چشمگیر خورشید ، گرد و غبار موجود در هوا یا مه تقویت کند. این پیشرفت به طور بالقوه باعث می شود سیستم در مقایسه با تکیه بر دوربین ها ایمن تر و قابل اطمینان تر شود.
اما از دیدگاه تجارت ، هنگامی که یک شرکت فناوری خاص خود را توسعه می دهد ، هدف آن یک مزیت رقابتی است – یک فناوری فناوری. اگر بتواند راه حلی را ایجاد کند که به طرز چشمگیری کارآمدتر و ارزان تر باشد ، درهای تسلط بازار را باز می کند.
تسلا این منطق را دنبال می کند. Musk نمی خواهد مسیر سایر شرکت ها مانند فولکس واگن یا بایدو را طی کند ، که پیشرفت قابل توجهی نیز داشته است. حتی سیستمهایی مانند Mobileye و Isight ، که در اتومبیل های قدیمی نصب شده اند ، از قبل استقلال مناسبی را نشان می دهند.
اما هدف تسلا منحصر به فرد است – و این منطق تجارت است. اگر چیزی را به طور اساسی بهتر ارائه ندهید ، بازار شما را انتخاب نمی کند.
