De Toekomst van Autonome Voertuigen: Technologie, Uitdagingen en Innovaties

Met Zoveel Partijen aan Boord, Is Zelfrijden Dichterbij Dan U Denkt

In onze vorige blog spraken we over enkele van de grote spelers in autonome voertuigen en hoe snel de technologie evolueert. We hadden niet verwacht dat, slechts dagen na onze post, er een grote opschudding zou zijn met één zeer prominente zelfrijdende auto-applicatie. Kort na de lancering op 14 december 2016 van Uber's zelfrijdende taxidienst in San Francisco, CA, duikte video op die een van de autonome rijvoertuigen een rood licht liet negeren. Hoewel Uber zei dat de auto door een menselijke bestuurder werd bediend op dat moment en geen passagiers aan boord had, waren de gevolgen snel: Net een week na de lancering haalde Uber de zelfrijdende auto's van de weg toen de staat Californië de registraties van de auto's introk.

Duidelijk is dat er wel wat omwegen zullen zijn in de reis van geweldig idee naar zelfrijdende auto's voor iedereen. Maar wat we zeker kunnen zeggen is dat, zelfs met de occasionele terugslagen, de technologie achter autonome voertuigen door gaat met vooruitgaan, en ons dwingt om de machines die ons van punt A naar punt B brengen, drastisch te heroverwegen.

Waar Staan Autonome Auto's Nu — en Waar Gaan Ze Heen?

Het basisverschil tussen de automatisering in de auto's die we dagelijks nu rijden en die in de autonome rijvoertuigen van de niet-verre toekomst heeft voornamelijk te maken met het niveau van bestuurdersbetrokkenheid. Veel nieuwere voertuigen vandaag bevatten al een reeks besturingen die bepaalde aspecten van rijden automatisch voor ons afhandelen, zoals ondersteunde remmen en adaptieve cruise control — dingen die worden beschouwd als automatiseringsniveau 1.

De autonomo auto's die nu commercieel beschikbaar zijn, liggen rond automatiseringsniveau 2; een goed voorbeeld is Tesla's semi-autonome bestuurdersassistentie ("autopilot") mogelijkheden waar we in onze vorige blog over autonome voertuigen over spraken. De meeste prototypes die getest worden, liggen op niveau 3, waar de bestuurder veilig geen aandacht hoeft te schenken in bepaalde situaties, of niveau 4, waar de bestuurder niet hoeft betrokken te zijn tenzij er zwaar weer of onverwachte wegomstandigheden zijn. Echter, zoals onderzoek heeft laten zien, kan een menselijke "bestuurder" die sms't of indoot, simpelweg niet snel genoeg aandacht en focus terugwinnen om correct en snel genoeg te reageren om de controle te herwinnen en effectieve actie te ondernemen in een dreigende noodsituatie. Daarom concluderen veel fabricanten dat niveaus 3 en 4 simpelweg niet gaan werken, omdat de fail-safe — de mens — niet in staat is om snel genoeg te reageren om een gevaar voor zichzelf of anderen te vermijden.

De ultieme graad van automatisering is niveau 5, waar een bestuurder helemaal niet hoeft aanwezig te zijn. Dit is de technologie die nodig is voor volledige ride-sharing futurisme. Dat is het geplande scenario waar niemand auto's bezit; in plaats daarvan roept u gewoon een voertuig op en het komt u ophalen. De autonome voertuigconcepten van zowel Google als Mercedes zijn niveau 5, met nul menselijke input behalve de gewenste bestemming.

Wat Drijft De Automatisering?

Terwijl automakers en andere spelers terughoudend zijn over het onthullen van te veel details, zijn er enkele basistechnologiecomponenten die we weten integraal zijn voor het ontwerp van autonome voertuigen. Bijvoorbeeld, verschillende typen sensoren worden gebruikt om de visuele input te verzamelen die nodig is voor een zelfrijdende auto om wegen succesvol en veilig te navigeren. Camera's zijn een relatief goedkope type sensor die de basale visuele informatie kan leveren die een mens zou verzamelen tijdens het rijden; meerdere camera's worden gebruikt om diepgang te bieden. Radar wordt al gebruikt voor bepaalde niveau 1 voertuigbesturingen; het nadeel is dat radar alleen goed is op korte afstand.

LIDAR (light detection and ranging) is een boordlasersysteem dat de omgeving van een auto in kaart brengt terwijl het beweegt. U bent waarschijnlijk bekend met LIDAR als de grote draaiende eenheid die op de top van de meeste testvoertuigen van Google zit; solid-state LIDAR vereist geen draaien en wordt ook gebruikt in sommige autonome voertuigen die nu in ontwikkeling zijn. Hoewel LIDAR zeer nauwkeurige 3D-mapping creëert, heeft het nadelen; naast het heel duur zijn, wordt de technologie beïnvloed door weer, met zijn signaal dat afkaatst op regen of sneeuw.

In de vandaag al hooggecomputeriseerde auto's, vindt veel van de overdracht van sensorinformatie plaats via een Controller Area Network (CAN bus), een protocol ontworpen om microcontrollers en apparaten te laten communiceren zonder een hostcomputer. Echter, werkelijk autonome auto's vereisen robuustere dataconnectiviteit, alsook de rekenkracht en software om alle visuele input en andere verzamelde data te organiseren, te interpreteren en om te zetten in actionable rijgedrag — allemaal in realtime. Dit vereist op zijn beurt:

* Een significante (men zou wel massaal kunnen zeggen) hoeveelheid verwerkingskracht
* Data samenbrengen van verschillende sensoren ("sensor fusion") om iets meer te berekenen dan wat door één sensor alleen bepaald kon worden

Daarom is machine learning — een type kunstmatige intelligentie (AI) die computers de mogelijkheid geeft om, eigenlijk, "op eigen houtje" te leren wanneer ze blootgesteld worden aan nieuwe data — een kritiek en snel ontwikkelend aspect van autonomen rijontwerp. Een stap verder, het type machine learning genaamd diep leren probeert de manier na te bootsen waarop mensen nieuwe kennis verwerven. Door voorspellende analyses te automatiseren, kan diep leren een auto in staat stellen om slimmer te worden elke keer dat het wordt gereden en zelfs te leren van andere bestuurders en andere auto's.

Naturelijk moet een autonomo voertuig voor veiligheid al heel slim zijn! Maar of het voertuig nu ontworpen is om sensorische input te interpreteren en dan te selecteren uit een reeks hard-gecodeerde rijbeslissingen OF het gebruikt wordt om input (van sensoren en andere bronnen) direct af te beelden op rij-uitvoer van begin tot eind, machine learning is zeker onderdeel van elke auto op het tekenbord of op de weg.

Wat Zijn De Implicaties Buiten Het Rijden?

Natuurlijk, waar er computertechnologie is, is informatiebeveiliging een belangrijk probleem, en autonome voertuigen vormen geen uitzondering. Feitelijk, de implicaties van hacken in zelfrijdende auto's zijn enorm. Iemand die reist in een meertonnen voertuig met hoge snelheid, wil zeker niet hoeven te worryen dat het voertuig overgenomen kan worden en op afstand wordt bestuurd door een derde partij.

In 2015 herroep Chrysler meer dan een miljoen voertuigen toen twee beveiligingsonderzoekers (gelukkig geen slechte jongens) een softwarekwetsbaarheid ontdekten die hen toestond om draadloos een Jeep te hacken en de dashboardfuncties, sturing, transmissie en remmen over te nemen. Chrysler verschafte voertuigeigenaren een USB-stick-gebaseerde software-update en nam netwerk-niveau maatregelen om hacken via de cellulairenetwerkverbinding van de voertuigen te detecteren en te blokkeren. Toen in 2016 demonstreerde een beveiligingslab een hack van een Tesla Model S, op afstand toegang verkrijgend en het voertuig in zowel park- als rijmodus besturend via de CAN-bus van de auto en een kwaadwillende WiFi-hotspot. Binnen dagen implementeerde Tesla een over-the-air software-update om de potentiële beveiligingskwesties aan te pakken.

Deze gevallen toonden automakers en hun partners dat opgewarde beveiliging vitaal is, wat ervoor zorgt dat sterkere beveiligingen blijven worden geplaatst. Echter, met elke autonomo auto die een computer en netwerkconnectiviteit vereist voor het rijden, is het misschien slechts een kwestie van tijd voordat iemand een zelfrijdend voertuig hackt terwijl het in gebruik is.

Op een gerelateerde noot, privacy is ook een steeds uitdagender gebied voor auto's en bestuurders. Vandaag kan iemand op de vlucht de GPS in hun auto uitschakelen en een kaart uitvouwen. Maar met de inherent functionaliteit van een autonomo auto die near-constant gebruik van GPS vereist, moet dat voertuig vrijwel altijd getrackt worden. Bovendien, hoewel camera's belangrijke sensorfuncties vervullen en input zullen leveren voor machine learning, zijn ze ook surveillancetools. Dus, er is de potentie voor elke centimeter wegruimte om gefotografeerd en onder de loep genomen te worden op een near-constant basis zodra zelfrijdende auto's (en hun systeem van camera-sensoren) volledig uitgerold zijn.

En op een meer menselijke noot, terwijl het avontuur van betrouwbare en volledig autonome rijvoertuigen banen zal creëren in productie en gerelateerde velden, zal het op een bepaald niveau ook verlies van sommige banen betekenen. Mobility-on-demand en ride-sharing applicaties zullen taxichauffeurs en buschauffeurs obsoleet maken. Zelfrijdende voertuigen op de boerderij zullen het aantal benodigde menselijke werknemers steeds meer reduceren. Vrachtauto-chauffeurs zullen nog steeds nodig zijn om hun voertuigen te onderhouden, maar ze zullen ze niet besturen en dus zullen er minder nodig zijn om een vloot vrachtwagens voor geautomatiseerde inzet te onderhouden. En in late 2016 lanceerde een online afhaalbedrijf robotische voedselbezorging in Londen. Dus, van de pakketbehandelaar tot de jongen die pizza aan uw deur rijdt, deze werknemers kunnen uiteindelijk vervangen worden door, als niet autonome voertuigen, dan een gerelateerde technologie in de vorm van bezorgbots.

Waarom Metal Cutting Erover Praat?

Metal Cutting biedt aangepaste metaalsnijddiensten voor specialiteitsproducten en precisie, kleine metaalonderdelen voor een brede reeks industrieën, waaronder autofabrikanten en hun technologiepartners — leverende onderdelen snijden, bewerken, afwerken en andere technieken die nodig zijn voor toepassingen die strakke toleranties, specifieke oppervlakteafwerkingen en hoog aangepaste einden, tapers en diameters vereisen.

Wilt u verkennen of Metal Cutting de beste partner is voor uw auto-onderdelen of andere toepassingen? Download de gratis gids, 7 Geheimen om een Nieuwe Contractpartner te Kiezen: Technische Gids voor het Outsourcen van Uw Precisie Metaalfabricage.