الأدوات الصحيحة مهمة لجعل السيارات ذاتية القيادة ذكية وآمنة

تتقدم المركبات ذاتية القيادة من الأحلام المتطورة إلى الواقع الحالي ، ومع تطور الابتكار ، ستتغير وسائل النقل الشخصية والعامة إلى الأبد. على المدى الطويل ، ستقوم المركبات ذاتية القيادة بإبعاد السائقين البشر عن الحالة ، وإبعاد السائقين الذين يعانون من النعاس والضعف والمشتت عن الشوارع. توفي ما يقرب من 40 ألف شخص في الولايات المتحدة في الشوارع في عام 2017 ، ووفقًا للإدارة الوطنية لسلامة المرور على الطرق السريعة (NHTSA) ، فإن حوالي 90 ٪ من هذه الحوادث كانت بسبب خطأ بشري.

تعتمد السيارات المستقلة على أجهزة الاستشعار والمحركات والخوارزميات المعقدة وأطر ML والمعالجات الرائدة لتنفيذ البرمجة.

أجهزة الاستشعار مرتبة 

تصنع المركبات المستقلة وتحتفظ بخريطة لعواملها البيئية التي تعتمد على مجموعة متنوعة من أجهزة الاستشعار مرتبة في أجزاء مختلفة من السيارة. تقوم مستشعرات الرادار بفحص حالة القرب من المركبات. تتعرف كاميرات الفيديو على إشارات المرور وقراءة لافتات الشوارع وتتبع المركبات المختلفة والبحث عن المشاة. تقوم مستشعرات Lidar (الكشف عن الضوء وتحديد المدى) بتخطي نبضات الضوء من العوامل البيئية للسيارة لقياس المسافات وتمييز حواف الشوارع والتعرف على علامات المسار. تتعرف المستشعرات فوق الصوتية الموجودة في العجلات على الحواجز والمركبات المختلفة عند ركن السيارة.

ثم تعالج البرمجة الحديثة هذه المعلومات الحسية ، وتخطط بعيدًا ، وترسل إرشادات إلى مشغلات السيارة ، التي تتحكم في التسارع ، والإبطاء ، والتوجيه. تساعد القواعد المشفرة وخوارزميات تجنب العقبات والنمذجة التنبؤية والتعرف على الكائنات البرنامج على الالتزام بقواعد المرور وتجاوز العوائق.

إجراء قدر كبير من التدريب لنظام الذكاء الاصطناعي

لكي تكون السيارة مجهزة بشكل حقيقي للقيادة دون تحكم المستخدم ، يجب في البداية محاولة إجراء قدر كبير من التدريب لنظام الذكاء الاصطناعي (AI) لمعرفة كيفية رؤية وفهم ما تراه واتخاذ القرارات الصحيحة في أي منها. حالة مرورية محتملة في ساعة الذروة. أداء الحوسبة للسيارة ذاتية القيادة يمكن مقارنته بأفضل المنصات المطلقة التي لم تكن ممكنة إلا قبل عامين فقط.

من المتوقع أن تحتوي السيارة المستقلة على عدد كبير من أسطر التعليمات البرمجية أكثر من بعض الأنظمة الأساسية للبرامج الأخرى التي تم إنشاؤها حتى الآن. بحلول عام 2020 ، يتم الاعتماد على السيارة العادية لاحتواء أكثر من 300 مليون سطر من التعليمات البرمجية وستحتوي على أكثر من 1 تيرابايت (تيرابايت) من التخزين وستتطلب عرض نطاق ذاكرة يزيد عن 1 تيرابايت لكل ثانية للمساعدة في حساب الأداء اللازم لـ منصات القيادة المستقلة.

بطبيعة الحال ، يعتبر الأمن هو الشاغل الأكبر للمركبات ذاتية القيادة. يعمل الاعتبار المتعلق بالسلامة بطريقة جيدة بعد عمليات التكرار المخطط لها في أنظمة الأجهزة للحد من الخيارات المنحرفة وتضمين أساسًا ذا صلة لتمكين المركبات من التحدث مع بعضها البعض ومع البيئة المحيطة بها. يتم إدارة هذا النظام الفرعي للحوسبة المترابط لاسلكيًا مع وجود فائض في الأجهزة عن طريق التشريع المتوقع أن يفرض درجة الأمان المطلوبة في الارتباط المباشر بمستوى الاستقلالية.

المركبات المختلفة لها أنماط استخدام مميزة وتعمل في مواقف مختلفة. على سبيل المثال ، السيارات العائلية وشاحنات النقل لديها سائقون مختلفون ، وساعات عمل وطرق مختلفة. علاوة على ذلك ، تحتوي المركبات المختلفة على ميزات أو أجهزة استشعار متنوعة وتدمجها. تختلف متطلبات أمان السيارة أيضًا. بهذه الطريقة ، يتطلب كل نوع من المركبات شريحة ذكاء اصطناعي معدلة بشكل صريح يمكنها جمع المعلومات بشكل مناسب ودمجها من أجل التحليلات.

بعد دمج مكونات برامج وأجهزة نظام التحكم في السيارة ، يجب تجربتها بشكل أكبر والموافقة عليها من خلال المحاكاة. يأتي بعد ذلك تطبيق المحاكاة لتدريب برنامج النظام. يجب عليها إجراء التحليلات واتخاذ القرار بدقة ودقة عندما تكون السيارة ذاتية القيادة في الميدان. يمكن أن تساعد المحاكاة أيضًا في تبسيط تآزر الأجهزة والبرامج.

لكي تتمكن مركبة مستقلة من التنقل بأمان ، فإنها تحتاج إلى الحصول على البيانات من بيئتها عن طريق أجهزة الاستشعار ، على سبيل المثال ، الكاميرات والرادار و LiDAR ، ومركبات مختلفة قريبة ، ونظام تحديد المواقع العالمي (GPS) ، والبنية التحتية المحيطة وخدمات الشبكة مثل خرائط Google وبروتوكول وقت الشبكة.

من الأساسي أيضًا إثبات استجابة السيارة المستقلة إذا توقفت مراسلاتها مع المركبات المختلفة ونظام تحديد المواقع العالمي والبنية التحتية للشبكة. تعد نمذجة هذه الاستجابات أمرًا حيويًا لضمان الهيكل الآمن وتحسين الأجزاء والأنظمة الفرعية والأطر.

تخضع المركبات ذاتية القيادة للاختبار في جيوب قليلة من العالم ، ومع ذلك لا يمكن الوصول إلى أي منها بعد من قبل عموم السكان. ما زلنا سنوات على ذلك. تتراوح التحديات من المبتكر والتشريعي إلى الطبيعي والفلسفي مثل المسؤولية عن الحوادث وظروف المرور والقوانين والرادار والرادار والذكاء العاطفي الاصطناعي.

ومع ذلك ، فإن مؤسسات مثل Xcelerator تقدم البرمجة من مقدمي خدمات القيادة لجعل هذا التحسين أكثر بساطة. تنضم إلى منصة الابتكار الرقمي من سيمنز مع MindSphere و Siemens Cloud Solutions و Mentor Solutions و Mendix لمراعاة التطوير السريع والبسيط وإدماج وتوسيع البيانات وأنظمة الشبكات الحالية.

يمكن للذكاء الاصطناعي أيضًا تغيير البنية التحتية للمدينة بترتيبات متقدمة. على سبيل المثال ، يمكن للذكاء الاصطناعي توقع أنماط حركة المرور التي تعتمد على بيانات الوقت الفعلي التي يتم جمعها على الطريق والبيانات التاريخية. علاوة على ذلك ، ستعمل ابتكارات 5G على تمكين الاتصال بشكل أسرع بين المركبات. يعني هذا التواصل المناسب أن تغيير دورات السفر للحد من الازدحام يصبح ممكنًا. يمكن الإشراف على مسارات المسافرين والبضائع على طول هذه الخطوط.