De technologie van autonome voertuigen

Met zoveel partijen aan boord is zelfrijden dichterbij dan je denkt

In onze laatste blog hebben we gesproken over enkele van de belangrijkste spelers in autonome voertuigen en hoe snel de technologie evolueert. We wisten niet dat, slechts enkele dagen na onze post, er een grote opschudding zou zijn met een zeer prominente zelfrijdende auto-applicatie. Kort na de uitrol op 14 december 2016 van de zelfrijdende taxiservice van Uber in San Francisco, CA, verscheen er een video waarin een van de autonoom rijdende voertuigen door rood licht rijdt. Hoewel Uber zei dat de auto op dat moment werd bestuurd door een menselijke bestuurder en geen passagiers aan boord had, waren de gevolgen snel:slechts een week na de lancering trok Uber zijn zelfrijdende auto's van de weg toen de staat Californië de registraties van auto's.

Het is duidelijk dat er enkele omwegen zullen zijn in de reis van een geweldig idee naar zelfrijdende auto's voor iedereen. Maar wat we met zekerheid kunnen zeggen, is dat, zelfs met af en toe tegenslagen, de technologie achter autonome voertuigen vooruit blijft gaan en ons ertoe aanzet de machines die ons van punt A naar punt B brengen drastisch te heroverwegen.

Waar zijn autonome auto's nu - en waar gaan ze heen?

Het fundamentele verschil tussen de automatisering in de auto's die we momenteel dagelijks besturen en die in de autonoom rijdende voertuigen van de niet zo verre toekomst heeft vooral te maken met de mate van betrokkenheid van de bestuurder. Veel nieuwere voertuigen hebben tegenwoordig al een reeks bedieningselementen die automatisch bepaalde aspecten van het rijden voor ons afhandelen, zoals geassisteerd remmen en adaptieve cruisecontrol - dingen die als niveau 1 van automatisering worden beschouwd.

De autonome auto's die nu in de handel verkrijgbaar zijn, bevinden zich rond niveau 2 van automatisering; een goed voorbeeld is Tesla's semi-autonome rijassistentie ("autopilot")-mogelijkheden waar we het over hadden in onze laatste blog over autonome voertuigen. De meeste prototypes die worden getest, bevinden zich op niveau 3, waar de bestuurder veilig is om in bepaalde situaties geen aandacht te schenken, of niveau 4, waar de bestuurder niet hoeft te worden ingeschakeld, tenzij er sprake is van zwaar weer of onverwachte wegomstandigheden. Uit onderzoek is echter gebleken dat een menselijke 'bestuurder' die teksten controleert of wegdommelt, eenvoudigweg niet voldoende aandacht en focus kan krijgen om correct en snel genoeg te reageren om de controle terug te krijgen en effectieve maatregelen te nemen in een dreigende noodsituatie. Daarom concluderen veel fabrikanten dat niveau 3 en 4 gewoon niet zullen werken, omdat de fail-safe - de mens - niet snel genoeg kan reageren om gevaar voor zichzelf of anderen te voorkomen.

De ultieme mate van automatisering is niveau 5, waarbij een chauffeur helemaal niet aanwezig hoeft te zijn. Dit is de technologie die nodig is voor futurisme met volledige ride-sharing. Dat is het beoogde scenario waarin niemand auto's bezit; in plaats daarvan roep je gewoon een voertuig op en het komt je ophalen. De autonome voertuigconcepten van zowel Google als Mercedes zijn niveau 5, waarbij geen menselijke input wordt gebruikt, behalve de gewenste bestemming.

Wat drijft de automatisering?

Hoewel autofabrikanten en andere spelers op hun hoede zijn voor het onthullen van te veel details, zijn er enkele technologische basiscomponenten waarvan we weten dat ze een integraal onderdeel zijn van het ontwerp van autonome voertuigen. Er worden bijvoorbeeld verschillende soorten sensoren gebruikt om de visuele input te verzamelen die nodig is voor een zelfrijdende auto om succesvol en veilig over wegen te navigeren. Camera's zijn een relatief goedkope soort sensor die de visuele basisinformatie kan leveren die een mens zou verzamelen terwijl hij of zij rijdt; meerdere camera's worden gebruikt om scherptediepte te bieden. Radar wordt al gebruikt voor bepaalde voertuigbesturingen van niveau 1; het nadeel is dat radar alleen goed is van dichtbij.

LIDAR (lichtdetectie en -bereik) is een lasersysteem aan boord dat de omgeving van een auto in kaart brengt terwijl deze beweegt. U bent waarschijnlijk bekend met LIDAR als de grote draaiende eenheid die u bovenaan de meeste testvoertuigen van Google vindt; solid-state LIDAR hoeft niet te worden gedraaid en wordt ook gebruikt in sommige autonome voertuigen die nu worden ontwikkeld. Hoewel LIDAR zeer nauwkeurige 3D-mapping maakt, heeft het nadelen; de technologie is niet alleen erg duur, maar wordt ook beïnvloed door het weer, waarbij het signaal weerkaatst op regen of sneeuw.

In de reeds sterk geautomatiseerde auto's van vandaag vindt een groot deel van de overdracht van sensorinformatie plaats via een Controller Area Network (CAN-bus), een protocol dat is ontworpen om microcontrollers en apparaten met elkaar te laten communiceren zonder een hostcomputer. Echt autonome auto's hebben echter robuustere dataconnectiviteit nodig, evenals de rekenkracht en software om alle visuele input en andere verzamelde gegevens te verwerken, te ordenen, te interpreteren en om te zetten in actiegericht rijden - en dat allemaal in realtime. Dit vereist op zijn beurt:

* Een aanzienlijke (je zou kunnen zeggen enorme) hoeveelheid verwerkingskracht
* Gegevens van verschillende sensoren samenbrengen (“sensorfusie”) om iets meer te berekenen dan wat door één sensor alleen kan worden bepaald

Dat is de reden waarom machine learning - een type kunstmatige intelligentie (AI) dat computers in staat stelt om in feite "zelf" te leren wanneer ze worden blootgesteld aan nieuwe gegevens - een cruciaal en zich snel ontwikkelend aspect is van het ontwerp van autonoom rijden. Het type machine learning dat *deep learning* wordt genoemd, gaat nog een stap verder en probeert de manier te evenaren waarop mensen nieuwe kennis opdoen. Door voorspellende analyses te automatiseren, zou deep learning een auto in staat kunnen stellen om elke keer dat hij rijdt slimmer te worden en zelfs te leren van andere bestuurders en andere auto's.

Voor de veiligheid moet een autonoom voertuig natuurlijk wel heel slim zijn om mee te beginnen! Maar of het voertuig nu is ontworpen om sensorische input te interpreteren en vervolgens te selecteren uit een reeks hardgecodeerde rijbeslissingen OF het wordt gebruikt om input (van sensoren en andere bronnen) direct in kaart te brengen om output van begin tot eind te sturen, machine learning is zeker een onderdeel van elke auto op de tekentafel of op de weg.

Wat zijn de implicaties naast autorijden?

Overal waar computertechnologie is, is informatiebeveiliging natuurlijk een belangrijk punt van zorg, en autonome voertuigen vormen daarop geen uitzondering. In feite zijn de implicaties van hacking in zelfrijdende auto's enorm. Iemand die met hoge snelheid in een multi-tons voertuig rijdt, wil zich zeker geen zorgen hoeven te maken dat het voertuig kan worden overgenomen en op afstand bestuurd door een derde partij.

In 2015 riep Chrysler meer dan een miljoen voertuigen terug toen twee beveiligingsonderzoekers (gelukkig geen slechteriken) een softwarekwetsbaarheid ontdekten waardoor ze draadloos een Jeep konden hacken en de dashboardfuncties, besturing, transmissie en remmen konden overnemen. Chrysler voorzag voertuigbezitters van een op USB-drive gebaseerde software-update en nam stappen op netwerkniveau om hacking via de mobiele netwerkverbinding van de voertuigen te detecteren en te blokkeren. In 2016 demonstreerde een beveiligingslab een hack van een Tesla Model S, waarmee het voertuig op afstand kon worden bediend en bestuurd in zowel de parkeer- als de rijmodus via de CAN-bus van de auto en een kwaadaardige wifi-hotspot. Binnen enkele dagen implementeerde Tesla een draadloze software-update om de mogelijke beveiligingsproblemen aan te pakken.

Deze zaken hebben autofabrikanten en hun partners laten zien dat een betere beveiliging van vitaal belang is, zodat er sterkere waarborgen zullen blijven worden ingevoerd. Omdat elke autonome auto echter een computer en netwerkverbinding nodig heeft om te kunnen rijden, kan het slechts een kwestie van tijd zijn voordat iemand een zelfrijdend voertuig hackt terwijl het in gebruik is.

Overigens is privacy ook een steeds uitdagender gebied voor auto's en chauffeurs. Vandaag kon iemand op de vlucht de gps in zijn auto uitzetten en een kaart uitvouwen. Maar met de aangeboren functionaliteit van een autonome auto die bijna constant gebruik van GPS vereist, moet dat voertuig vrijwel altijd worden gevolgd. Hoewel camera's belangrijke sensorfuncties vervullen en input leveren voor machine learning, zijn het ook bewakingstools. Er is dus de mogelijkheid dat elke centimeter wegruimte bijna constant wordt gefotografeerd en onderzocht zodra zelfrijdende auto's (en hun systeem van camerasensoren) volledig zijn uitgerold.

En op een meer menselijke manier, terwijl de komst van betrouwbare en volledig autonoom rijdende voertuigen banen zal creëren in de productie en aanverwante sectoren, zal het op een bepaald niveau ook het verlies van sommige banen betekenen. Mobility-on-demand en ride-sharing-applicaties zullen taxi- en buschauffeurs overbodig maken. Zelfrijdende voertuigen op de boerderij zullen het aantal benodigde menselijke werknemers in toenemende mate verminderen. Er zullen nog steeds vrachtwagenchauffeurs nodig zijn om hun installaties te onderhouden, maar ze zullen er niet mee rijden en er zullen dus minder vrachtwagens nodig zijn om een ​​vloot vrachtwagens te onderhouden voor geautomatiseerde inzet. En eind 2016 lanceerde een online afhaal- (afhaal)bedrijf een robotbezorging van voedsel in Londen. Dus, van de pakketbezorger tot het kind dat pizza's naar je deur brengt, deze werknemers kunnen uiteindelijk worden vervangen door, zo niet autonome voertuigen, dan een gerelateerde technologie in de vorm van bezorgbots.

Waarom praat metaalsnijden erover?

Metal Cutting biedt op maat gemaakte metaalsnijservice voor speciale producten en precisie, kleine metalen onderdelen voor een breed scala aan industrieën, waaronder autobedrijven en hun technologiepartners - voor het afsnijden van onderdelen, machinale bewerking, afwerking en andere technieken die nodig zijn voor toepassingen die nauwe toleranties vereisen , specifieke oppervlakteafwerkingen en zeer aangepaste uiteinden, taps toelopende delen en diameters.

Wilt u onderzoeken of Metal Cutting de beste partner is voor *uw* auto-onderdelen of andere toepassingen? Download de gratis gids, 7 geheimen voor het kiezen van een nieuwe contractpartner:technische gids voor het uitbesteden van uw precisiemetaalproductie.