Mobil uji kapal pesiar yang meluncur dari jalur produksi GM dilengkapi dengan sensor (bertanda merah).
Industri otomotif masih mencari teknologi pengenalan andal yang akan bekerja di segala kondisi - malam, kabut, hujan, salju, es, dll.
Kesimpulan dari AutoSens 2019 di sini minggu lalu adalah bahwa tidak ada kekurangan inovasi teknologi. Pengembang teknologi, Tier-1 dan OEM masih mengejar tujuan untuk menciptakan teknologi pengenalan yang "andal" yang dapat bekerja di semua kondisi jalan - termasuk di malam hari, dalam kabut, hujan, salju, di atas es, di jalan dengan tumpahan minyak. dll.
Terlepas dari kenyataan bahwa masih belum ada peluru perak di pasar otomotif yang dapat menyelesaikan semua masalah sekaligus, sejumlah perusahaan mempresentasikan teknologi pengenalan dan konsep produk baru mereka.
Pertunjukan AutoSens tahun ini di Brussel lebih berfokus pada sistem bantuan pengemudi (ADAS) daripada mobil tanpa pengemudi.
Komunitas teknik telah mencapai konsensus tertentu. Banyak yang menyadari bahwa ada kesenjangan yang lebar antara apa yang mungkin saat ini dan prospek kendaraan komersial otonom dengan kecerdasan buatan yang tidak memerlukan pengemudi manusia.
Untuk lebih jelasnya, tidak ada yang mengatakan bahwa kendaraan tanpa awak itu mustahil. Namun, Phil Magney, pendiri dan direktur VSI Labs, percaya bahwa “Mobil self-driving Level 4 akan bekerja di area desain operasional (ODD) yang sangat terbatas. Desain mesin ini akan dikembangkan berdasarkan persyaratan keselamatan yang komprehensif dan terperinci "
Magny menjelaskan bahwa yang dimaksud dengan" area terlarang "adalah pembatasan dalam hal pemilihan jalan dan jalur, waktu pengoperasian, kondisi cuaca, waktu hari, titik keluar dan berhenti, dan sebagainya. Lebih lanjut.
Bart Selman, seorang profesor ilmu komputer di Cornell University yang berspesialisasi dalam AI, ditanya apakah mobil yang digerakkan oleh AI dapat bernalar dengan "akal sehat" (menyadari proses mengemudi dan memahami konteksnya)? Selman menjawab pada penutupan konferensi: "Kami akan mencapai ini setidaknya dalam 10 tahun ... dan mungkin dalam 20-30 tahun."
Sementara itu, pengembang sistem ADAS dan kendaraan yang sangat otomatis berlomba-lomba mengembangkan sistem vision untuk kendaraan.
Fung Kupopman, CTO di Edge Case Research dan profesor di Universitas Carnegie Mellon, percaya bahwa dasar dari setiap kendaraan yang sangat otomatis adalah sistem "penginderaan" yang dapat menentukan posisi berbagai objek di sekitar kendaraan. Dia mengklarifikasi bahwa kelemahan kendaraan tak berawak terletak pada ketidakmampuan untuk memprediksi - untuk memahami konteks dan memprediksi kemana objek yang ditangkap ini atau itu mungkin akan bergerak.
Promosi sistem pintar
Tren baru yang muncul pada konferensi tersebut adalah munculnya sejumlah sistem cerdas. Banyak pabrikan menambahkan sistem AI ke produk mereka dengan menggabungkannya ke dalam kombinasi sensor mereka (kamera RGB + NIR; RGB + SWIR; RGB + lidar; RGB + radar).
Namun, belum ada konsensus di antara para pelaku industri untuk mencapai tujuan industri tersebut. Beberapa percaya bahwa jalan menuju sukses adalah melalui kombinasi sensor, sementara yang lain (seperti Waymo) mengandalkan pemrosesan data sensor pada prosesor pusat.
AutoSens juga memiliki banyak sistem pemantauan baru yang akan dikembangkan untuk memenuhi Euro NCAP, serangkaian persyaratan untuk sistem pemantauan pengemudi dan standar keselamatan utama pada tahun 2020. Secara khusus, kita berbicara tentang sistem yang memantau tidak hanya pengemudi, tetapi juga penumpang dan objek lain di dalam mobil.
Contohnya adalah sensor RGB-IR baru On Semiconductor, dilengkapi dengan chip pemrosesan video RGB-IR Ambarella dan perangkat lunak pengenalan pemandangan Eyeris.
NIR vs SWIR
Kebutuhan untuk melihat dalam gelap (baik di dalam maupun di luar kendaraan) menunjukkan perlunya IR.
Sementara sensor gambar RGB-IR On Semiconductor bekerja dengan radiasi near-infrared (NIR), Trieye, yang juga menghadiri acara tersebut, melangkah lebih jauh dengan memperkenalkan kamera SWIR (short-wave infrared). ).
Diantara kelebihan kamera SWIR adalah kemampuannya untuk melihat objek dalam segala cuaca / kondisi cahaya. Lebih penting lagi, SWIR dapat secara proaktif mengidentifikasi bahaya di jalan raya (seperti es) dengan mendeteksi respons spektral yang unik berdasarkan karakteristik kimia dan fisik setiap bahan.
Namun, penggunaan kamera SWIR terbatas pada aplikasi militer, ilmiah, dan ruang angkasa karena biaya indium gallium arsenide (InGaAs) yang sangat tinggi yang digunakan dalam teknologi ini. Trieye mengklaim telah menemukan cara membuat kamera SWIR menggunakan teknologi CMOS. “Kami telah membuat terobosan. Seperti semikonduktor, kami telah menggunakan CMOS untuk produksi volume tinggi kamera SWIR sejak awal, ”kata Avi Bakal, CEO dan salah satu pendiri Trieye. Bacal mengatakan bahwa tidak seperti sensor Gallium Arsenide seharga $ 8.000, kamera Trieye akan ditawarkan "dengan harga puluhan dolar."
Kurangnya data berlabel
Salah satu tantangan terbesar dalam AI adalah kurangnya data untuk sampel pelatihan. Lebih tepatnya, "berlabel data latih," kata Magny. “Sebuah model hanya sebaik data dan cara pengumpulannya. Tentu saja, data pelatihan harus diberi tag dengan metadata, dan proses pemberian tag membutuhkan waktu yang sangat lama. "
Ada diskusi yang hidup di AutoSens tentang jaringan neural adversarial generatif (GAN). Di GAN, dua jaringan saraf bersaing untuk membuat data baru, kata Magny. Setelah menerima sampel pelatihan sebagai masukan, model semacam itu dilatih untuk menghasilkan data baru, yang indikator statistiknya akan sesuai dengan yang asli.
Drive.ai, misalnya, menggunakan pembelajaran mendalam untuk meningkatkan otomatisasi markup data, sehingga mempercepat proses markup yang membosankan.
Dalam kuliahnya di AutoSens, Koopman juga menyinggung masalah anotasi data secara akurat. Dia menduga banyak data yang belum diberi tag karena hanya perusahaan besar yang mampu melakukannya dengan benar.
Memang, para pemula AI di acara tersebut mengakui bahwa anotasi berbayar untuk data dari pihak ketiga sangat merugikan mereka.
Salah satu cara untuk mengatasi masalah tersebut adalah GAN. Edge Case Research menawarkan cara lain untuk mempercepat pengembangan perangkat lunak pengenalan aman tanpa menandai data. Perusahaan baru-baru ini mengumumkan Hologram, alat untuk sistem persepsi pengujian stres dan analisis risiko. Menurut Koopman, alih-alih menandai petabyte data, Anda cukup menjalankannya dua kali - Hologram akan memberikan informasi tentang bagian yang mencurigakan dari kumpulan data dan memberi tahu Anda apa yang terbaik untuk dilakukan - memperluas set pelatihan atau melatih ulang model Anda.
Yang juga dibahas dalam konferensi tersebut adalah masalah kumpulan data yang diberi tag - bagaimana jika OEM mobil mengganti kamera dan sensor yang digunakan untuk pelatihan dan manipulasi data?
David Tokich, VP Pemasaran dan Kemitraan Strategis di Algolux, mengatakan kepada EE Times bahwa para insinyur yang mengerjakan ADAS dan kendaraan tak berawak prihatin tentang dua hal: 1) keandalan sistem pengenalan dalam berbagai kondisi dan 2) pengembangan solusi yang akurat dan terukur untuk Tugas visi komputer Sistem
kamera yang digunakan di ADAS dan kendaraan tak berawak dapat berbeda secara signifikan satu sama lain. Semuanya memiliki parameter yang berbeda tergantung pada lensa (lensa yang berbeda memberikan sudut pandang yang berbeda), sensor, dan teknologi pemrosesan sinyal. Sebuah perusahaan teknologi memilih salah satu sistem kamera, mengumpulkan kumpulan data besar, menandainya, dan melatih modelnya agar disetel untuk digunakan dengan sistem tertentu.
Namun apa yang terjadi jika OEM mengganti kamera yang digunakan dengan kumpulan data tertentu? Perubahan ini dapat memengaruhi akurasi persepsi karena model pembelajaran mesin yang disetel ke kamera tertentu sekarang harus berurusan dengan sekumpulan data mentah baru.
Apakah ini mengharuskan OEM untuk melatih model mereka berulang kali pada kumpulan data baru?
Tesla, Waymo, GM / Cruise menggunakan berbagai kamera di kendaraan self-driving mereka.
Ketika ditanya tentang kemungkinan mengganti sensor gambar, Magny dari VSI Labs berkata: "Saya rasa ini tidak akan berhasil - kecuali spesifikasinya tetap sama." Dia juga menambahkan: “Di VSI, kami melatih jaringan saraf untuk bekerja dengan kamera pencitraan termal FLIR, dan karakteristik gambar di set pelatihan cocok dengan karakteristik kamera yang melatih jaringan saraf tersebut. Kemudian kami mengganti sensornya, tetapi spesifikasi teknisnya tetap sama. "
Algolux, bagaimanapun, mengklaim bahwa teknologi baru untuk menerjemahkan set data yang dibuat sebelumnya akan tersedia "dalam beberapa hari." Menurut Tokić, Atlas Camera Optimization Suite memecahkan masalah ini dengan mengambil "data dasar" (karakteristik kamera dan sensor) - dan menerapkannya ke lapisan pengenalan. “Tantangan kami adalah mendemokratisasi pilihan kamera” untuk OEM, kata Tokić.
Perangkat keras AI
Selama beberapa tahun terakhir, ada banyak startup yang didedikasikan untuk prosesor AI. Ini menciptakan momentum yang mendorong beberapa orang mengumumkan kebangkitan pasar perangkat keras. Banyak startup yang mengembangkan chip untuk AI mengutip pasar untuk kendaraan otonom dan ADAS sebagai target pasar mereka.
Ceva, secara khusus, meluncurkan di konferensi AutoSens inti baru untuk AI dan 'Undang API' - produk yang ditujukan untuk pasar akselerator untuk sistem cerdas.
Anehnya, generasi baru mobil multifungsi ini belum mengimplementasikan chip AI modern - dengan pengecualian chip dari Nvidia dan Intel / Mobileye, serta chip autopilot penuh yang dikembangkan oleh Tesla untuk penggunaan internal.
Di sisi lain, On Semiconductor mengumumkan pada konferensi AutoSens bahwa timnya (dan tim Eyeris) akan menggunakan sistem Ambarella pada sebuah chip sebagai prosesor AI untuk memantau berbagai metrik dalam kendaraan.
Modar Alawi, CEO Eyeris, mengatakan: “Kami tidak dapat menemukan satu chip AI yang dapat menangani 10 jaringan saraf, mengkonsumsi kurang dari 5 watt, dan merekam video pada 30 frame per detik menggunakan hingga enam kamera yang terletak di dalam mobil ".
Diakui Allawi, Ambarella bukanlah produsen chip AI terkenal (lebih dikenal membuat chip untuk kompresi video dan computer vision). Namun, sistem CV2AQ Ambarella memenuhi semua persyaratan mereka, katanya, mengungguli semua akselerator lainnya.
Allawi berharap perangkat lunak AI perusahaannya akan dikirim ke tiga platform perangkat keras lainnya untuk Consumer Electronics Show di Las Vegas pada Januari 2020.
Di Semi, Ambarella dan Eyeris mendemonstrasikan sistem pemantauan dalam kabin yang baru menggunakan tiga kamera RGB-IR.
Pada saat yang sama, On Semi menekankan bahwa sistem pemantauan pengemudi dan penumpang membutuhkan "kemampuan untuk menangkap gambar dalam berbagai kondisi pencahayaan, dari sinar matahari langsung hingga kegelapan." Perusahaan mengklaim bahwa berkat waktu respons inframerah-dekat yang baik, "Teknologi RGB-IR dalam sensor gambar CMOS menghasilkan keluaran gambar Full HD 1080p menggunakan HDR 3-eksposur dan cahaya latar (BSI) pada 3,0 μm." Sensor yang sensitif terhadap pencahayaan RGB dan IR dapat menangkap gambar berwarna di siang hari dan gambar IR monokrom dengan spektrum inframerah dekat yang diterangi.
Melampaui sistem pemantauan pengemudi
Alawi bangga karena software AI Eyeris dapat melakukan analisis tubuh dan wajah yang komprehensif, pemantauan aktivitas penumpang, dan deteksi objek. Selain mengamati pengemudi, "kami memantau semua yang ada di dalam mobil, termasuk permukaan jok dan setir," tambahnya, menekankan bahwa startup tidak lagi hanya "mencari mobil di video stream".
Laurent Emmerich, direktur solusi pelanggan Eropa di Seeing Machines, bagaimanapun, memohon untuk tidak berhenti di situ. “Melampaui mengamati pengemudi dan melacak banyak objek adalah evolusi alami,” katanya. "Kami juga ingin berkembang."
Dibandingkan dengan start-up, keunggulan Seeing Machines terletak pada "landasan yang kokoh dalam visi komputer dan pengalaman AI yang diperoleh selama 20 tahun terakhir," tambahnya. Sistem pemantauan pengemudi perusahaan saat ini digunakan oleh "enam produsen mobil dan dipecah menjadi sembilan . program "
Selain itu, Seeing Machines mencatat bahwa ia juga telah mengembangkan chipnya sendiri untuk memantau pengemudi -. Fovio bertanya apakah chip tersebut juga dapat berfungsi untuk sistem pemantauan mobil masa depan, Emmerich menjelaskan bahwa chip mereka akan digunakan dalam platform perangkat keras yang dapat dikonfigurasi. ...
Reservasi
Menggabungkan berbagai sensor dan memasangnya di dalam mobil diperlukan tidak hanya untuk meningkatkan persepsi, tetapi juga menambahkan redundansi yang sangat dibutuhkan untuk keselamatan.
Kotak Outsight ditampilkan di AutoSens.
Outsight, sebuah startup yang didirikan bersama oleh mantan CEO Whitings Cedric Hutchings, memamerkan sistem multi-sensor baru yang sangat terintegrasi di AutoSens. Dia menjelaskan bahwa unit sensor Outsight dirancang untuk "memberikan pengenalan yang berarti dan lokalisasi objek dengan pemahaman tentang konteks lingkungan - termasuk salju, es, dan minyak di jalan." Dia juga menambahkan: "Kami bahkan dapat mengklasifikasikan bahan di jalan menggunakan penginderaan hiperspektral aktif."
Saat ditanya sensor siapa yang digunakan dalam Outsight Box, dia menahan diri untuk tidak berkomentar. "Kami tidak mengumumkan mitra utama kami saat ini, karena kami masih mengerjakan spesifikasi dan aplikasi."
EE Times berbicara dengan Trieye bahwa Outsight akan menggunakan kamera Trieye SWIR. Outsight sedang mempromosikan blok sensornya yang akan dirilis untuk pengujian pada Q1 2020. Kotak Outsight dimaksudkan sebagai sistem otonom pelengkap yang menyediakan data "yang tidak terkait dengan sensor lain" untuk keamanan dan "redundansi yang sebenarnya," jelas Hutchings.
Outsight Box tidak menggunakan teknologi pembelajaran mesin, dan oleh karena itu hasil kerjanya dapat diprediksi, dan sistem itu sendiri dapat "disertifikasi"
Untuk pasar UAV dan ADAS, Aeye juga mengembangkan iDAR, lidar MEMS solid-state yang digabungkan dengan kamera definisi tinggi. Dengan menggabungkan dua sensor dan AI yang disematkan, sistem real-time dapat "memecahkan sejumlah masalah tepi," kata Aravind Ratnam, wakil presiden manajemen produk di AEye.
Sistem iDAR dirancang untuk menggabungkan "piksel" (RGB) kamera 2D dan data "voxels" (XYZ) 3D lidar untuk menghasilkan jenis data baru secara real time. Perusahaan menjelaskan bahwa tipe data baru ini harus memberikan akurasi yang lebih besar, jangkauan, dan datanya sendiri harus lebih dapat dipahami untuk sistem perutean yang digunakan pada kendaraan tak berawak.
Fitur Produk AEye AE110 versus tolok ukur dan kemampuan industri.
Dalam paparannya, Ratnam menyampaikan bahwa AEye sedang menjajaki berbagai aplikasi. “Kami melihat 300 skenario, memilih 56 skenario yang sesuai, dan mempersempitnya menjadi 20,” di mana perpaduan kamera, lidar, dan kecerdasan buatan masuk akal.
Ratnam memperlihatkan sebuah adegan di mana seorang anak kecil entah dari mana sedang mengemudikan bola ke jalan - tepat di depan mobil. Sistem kamera lidar bekerja lebih cepat, mengurangi waktu respons kendaraan. Ratnam berkomentar, "Platform iDAR kami dapat menyediakan komputasi berkecepatan sangat tinggi."
Ketika ditanya tentang manfaat menggabungkan sensor, seorang insinyur Waymo mengatakan kepada EE Times di konferensi bahwa dia tidak yakin itu akan membuat perbedaan besar. Dia bertanya, “Perbedaannya adalah mikrodetik? Saya tidak yakin ".
AEye yakin akan manfaat yang dapat diberikan oleh iDAR mereka. Ratnam dari AEye mencatat kerja sama erat dengan Hella dan LG dan menekankan, “Kami telah berhasil mengurangi biaya iDAR. Sekarang kami menawarkan lidar 3D dengan harga ADAS. "
Dalam 3-6 bulan ke depan, AEye akan menyelesaikan pengerjaan sistem kelas otomotif yang menggabungkan algoritme RGB, lidar, dan AI. Ratnam mengklaim solusi mereka akan menelan biaya kurang dari $ 1.000.
Penjualan sistem lidar untuk industri otomotif (Sumber: IHS Markit)
Dexin Chen, Analis Senior untuk Semikonduktor dan Sensor Otomotif di IHS Markit, mengatakan kepada peserta konferensi bahwa vendor lidar "berada di depan pasar dan berjanji terlalu banyak." Dia mencatat bahwa di masa depan, karakteristik fisik lidar (yang merupakan keunggulan mereka) dapat memengaruhi pasar, tetapi komersialisasi mereka akan menentukan segalanya. Pasar sangat membutuhkan "standardisasi, aliansi dan kemitraan, serta manajemen rantai pasokan dan kemitraan AI."
Berlangganan saluran:
@TeslaHackers - komunitas peretas Tesla Rusia, pelatihan persewaan dan drift di Tesla
@AutomotiveRu - berita industri otomotif, perangkat keras, dan psikologi mengemudi
Tentang ITELMA
Baca lebih banyak artikel bermanfaat: