(Это будущее, но нам еще предстоит кое-что выяснить)

С момента появления автомобиля характер транспорта постоянно менялся и развивался. Несмотря на все изменения, которые мы наблюдали за десятилетия, одно всегда оставалось неизменным: машинам нужен водитель. Если верить нынешним прогнозам, через 10 лет этого не произойдет.

Даже самые скромные прогнозы предсказывают, что к 2020 году на дорогах будет 10 миллионов беспилотных автомобилей. Присоединяйтесь к нам, чтобы посмотреть на аппаратное и программное обеспечение беспилотных автомобилей, а также на то, как новые решения готовы решить многие из текущих проблем с технологиями.

Начнем с датчиков

Идея отказа от контроля над нашими автомобилями пугает многих людей. Автомобильные аварии случаются каждый день в результате человеческой ошибки, поэтому не было бы безопаснее, если бы у нас за рулем были передовые технологии?

В 2016 году Tesla Model S попала в аварию со смертельным исходом, когда был задействован автопилот. Причина аварии была раскрыта в сообщении в блоге Tesla.

Короче говоря, проблема возникла из-за того, что система не распознала белую сторону тягача с прицепом на фоне ярко освещенного неба. В результате тормоза не сработали. Сценарии, подобные этому, показывают важность датчиков, которые могут различать мелкие детали.

Именно здесь LiDAR может решить множество проблем. Фундаментальная концепция этой технологии аналогична радару, за исключением того, что вместо радиоволн используется инфракрасный свет.

Посылая световые импульсы и измеряя время, необходимое для их отражения, эта технология позволяет создавать подробные трехмерные точечные «облака», которые затем используются для определения объемной и векторной информации.

Все эти данные используются для расчета транспортных средств, положения, скорости и направления относительно других объектов. Типичная система LiDAR использует четыре компонента:

  • Лазеры: обычно с длиной волны 1550 нм, что делает их безопасными для человеческого глаза.
  • Сканеры и оптика. Инструменты сканирования используются для интерпретации данных и построения точечной карты. Они определяют разрешение и диапазон системы.
  • Фотодетектор и приемники: это устройство считывает и записывает сигнал, когда он возвращается в систему. Существует два основных типа: твердотельные детекторы и фотоумножители.
  • Системы навигации и позиционирования. Когда LiDAR установлен на транспортном средстве, для получения полезных данных требуется абсолютная ориентация датчика. Системы глобального позиционирования (GPS) могут предоставить точную информацию и инерциальный измерительный блок (IMU).

Система LiDAR не так точна в таких сценариях, как движение от бампера к бамперу. В этих ситуациях радары используются в переднем и заднем бамперах, а также по бокам автомобиля.

Чтобы поместить все технологии, необходимые радару, в маленькое пространство, существует высокоинтегрированная конструкция. Частью этой схемы является использование печатной платы подсистемы в качестве антенны.

Компоненты обработки активного приемника (например, AD8283 от Analog Devices) оптимизируют работу радиолокационной системы. Приемник включает в себя мультиплексор перед АЦП для автоматического переключения между каждым активным каналом при получении отсчетов АЦП.

Существует тщательный баланс, когда речь идет о таких датчиках, как радар и LiDAR. Несмотря на то, что технология широко доступна в течение некоторого времени, она все еще слишком слабо развита для использования в дороге.

Это все еще довольно дорого — самый дешевый датчик LiDAR на рынке — это шайба Velodyne, которая стоит 4000 долларов. Технология также должна найти способ выдержать испытание временем в широком диапазоне условий вождения.

LiDAR в сочетании с радаром для вождения в ближнем бою кажется лучшим подходом. Концепция надежна, но технология должна наверстать упущенное, прежде чем ее можно будет широко внедрить.

Управление питанием и автономная работа

В то время как основное внимание уделяется навигационным датчикам и технологиям, основная проблема возникает, когда мы смотрим на управление питанием. При разработке беспилотного автомобиля добавляются новые печатные платы и подсистемы для достижения цели автономной работы.

Возможность измерять и управлять требованиями к мощности для потребления и рассеивания тепла имеет первостепенное значение. Изолированное измерение часто используется для контроля тока и напряжения батарей, но не является требованием для низковольтных печатных плат.

Наиболее распространенным способом определения тока является использование токоизмерительного резистора в миллиомах верхнего плеча, известного как шунт, в сочетании с дифференциальным усилителем. INA250 от Texas Instruments сочетает в себе чувствительный резистор и дифференциальный усилитель в одном продукте. Это экономит место за счет меньшего размера, сводит к минимуму ошибки и упрощает спецификацию материалов (BOM) при заказе деталей.

Решения, подобные этому, помогут нам решить проблемы с управлением питанием таким образом, чтобы оптимизировать пространство, а также снизить общую сложность решения.

Программная сторона дела

Как только мы решим текущие проблемы с датчиками, управлением питанием и навигацией, нам понадобится стандартизированное программное обеспечение, чтобы все это заработало. Алгоритмы машинного обучения используются для интерпретации данных от внешних датчиков и соответствующих действий.

Они классифицируются как контролируемые и неконтролируемые алгоритмы, разница заключается в том, как они обучаются. Контролируемые используют набор обучающих данных для обучения, пока не достигнут минимальной вероятности ошибки.

Неконтролируемые алгоритмы стремятся извлечь выгоду из доступных данных. Он обнаруживает закономерности или делит данные на подгруппы. Для беспилотных автомобилей эти алгоритмы используются для непрерывной визуализации окружающей среды и прогнозирования возможных изменений.

Это включает в себя обнаружение объектов, их идентификацию и прогнозирование их движения. Этот тип программного обеспечения может различаться между брендами, что приводит к множеству подходов к одной и той же проблеме.

По соображениям безопасности беспилотные автомобили должны иметь возможность общаться друг с другом, чтобы снизить вероятность столкновения. В идеале правительство потребовало бы от компаний обнародовать свое программное обеспечение и протоколы для беспилотных автомобилей, чтобы различные бренды могли общаться. Однако это не идеальное решение, так как стандарта пока нет. Тем не менее, подобное правило предотвратило бы монополизацию программного обеспечения, используемого в беспилотных автомобилях.

К вам

Ожидается, что беспилотные автомобили станут новой нормой в течение следующих десяти лет. Основные проблемы связаны с аппаратным обеспечением, но необходимо решение и для программного обеспечения, прежде чем эта технология сможет действительно распространиться.

Вы инженер или дизайнер, работающий над технологиями беспилотных автомобилей? Над какими проблемами вы работаете? Дайте нам знать об этом в комментариях!