Niezamierzoną konsekwencją wyposażania samochodów w wiele rodzajów czujników wspomagających kierowcę lub jazdę autonomiczną jest to, że producenci samochodów będą musieli dodawać kolejne podsystemy mające zapewnić tym pierwszym działanie bez przeszkód. O co dokładniej chodzi?
Branża motoryzacyjna zdaje sobie sprawę z sytuacji, ale niewielu producentów samochodów zdecydowało się póki co na realne rozwiązanie tego problemu. Podczas gdy zablokowany czujnik może potencjalnie sparaliżować pojazd autonomiczny (AV), kierowcy będący ludźmi często doświadczają podobnego problemu, ale objawiającego się jedynie jako niewygodne zakłócenie jednej z funkcji wspomagania jazdy (ADAS). Wszystkie nowoczesne pojazdy mają jakąś wersję komunikatu o błędzie informującym, że funkcja wspomaganego kierowania autem nie jest w tej chwili dostępna. Chodzić może tutaj o wiele subsystemów, które z różnych przyczyn mogą w danej chwili nie działać - kamery cofania, sensory martwego pola, radary czy wspomagane parkowanie. Każda z tych funkcji może mieć "gorszy dzień".
W przypadku nieautonomicznych systemów ADAS możliwe jest, że samo posiadanie dostępnych wielu typów, redundantnych czujników rozwiąże problem w krótkim okresie. Niedawno portal EETimes rozmawiał o tym temacie z Willardem Tu, starszym dyrektorem działu Automotive Business Unit w firmie Xilinx. W dalszej części artykułu przedstawimy najciekawsze obserwacje i uwagi Tu dotyczące systemów motoryzacyjnych.
Chociaż w pełni autonomicznych pojazdów pasażerskich prawdopodobnie w najbliższej przyszłości będzie niewiele, to na pewno jakieś pojawią się na rynku komercyjnym. Do tego dochodzi rosnąca liczba pojazdów dostawczych i towarowych, dronów i innych systemów autonomicznych, więc problem należy rozwiązać raczej wcześniej niż później. Niezależnie od jego rozwiązania, należy liczyć się z tym, że zwiększy to ogólny koszt pojazdu. Być może pod względem większej ilości sprzętu, być może z powodu konieczności przeprojektowania pojazdów, aby zrobić miejsce na dodatkowe podsystemy, być może wymagać będzie wyższej mocy obliczeniowej - na pewno jednak będzie on droższy pod względem finalnej ceny zakupu.
Na jednym krańcu opinii jest to, że czujniki muszą pozostać bez skazy. Pogląd ten jest widoczny wśród dostawców części samochodowych, którzy opracowali np. dedykowane urządzenia do czyszczenia czujników. Drugą skrajność zajmują niektórzy inżynierowie zajmujący się systemami radarowymi i lidarowymi, którzy zasadniczo odrzucają problem częściowo zakrytych czujników jako coś, z czym sztuczna inteligencja w końcu musi sobie poradzić - i to z łatwością, ale oczywiście po odpowiednim przeszkoleniu.
No właśnie - po odpowiednim przeszkoleniu. Należy pamiętać, że większość firm testujących technologie ADAS i systemy autonomiczne rejestruje większość swoich rzeczywistych kilometrów testowych na obszarach miejskich czy podmiejskich w miejscach takich jak Arizona i Kalifornia. Wiedzą, że żyją w fantastycznym świecie, w którym prawie każdy dzień jest jasny słoneczny, a rzadko spotyka się coś, co mogłoby przesłaniać ich czujniki.
Oczywistym mechanizmem czyszczenia jest ten, który producenci samochodów stosują już od dziesięcioleci, aby utrzymać przednie szyby w czystości: dozowanie roztworów czyszczących przez dysze spryskujące, a następnie wykorzystanie wycieraczek, aby zmieść płyn czyszczący wraz z brudem z szyby. Na przykład firma Waymo wykorzystała to podejście do swoich kopuł czujnikowych. Jednak dodawanie piór wycieraczek staje się coraz bardziej niepraktyczne, ponieważ zwiększa się liczba czujników (lub grup czujników), które należałoby wyczyścić.
Korzystanie z prostego mechanizmu płukania bez wycieraczek jest z kolei dosyć problematyczne, ponieważ krople płynu czyszczącego mogą być podobnym problemem jak usuwany brud, zwłaszcza w przypadku kamer czy sensorów optycznych. Niektórzy dostawcy części samochodowych (m.in. dlhBowles i Kendrion) są już zdania, że mechanizm czyszczący będzie musiał połączyć rozpylacz cieczy z komponentem osuszającym strumieniem powietrza. Jedną z propozycji jest zaprojektowanie karoserii pojazdów w taki sposób, aby przepływ powietrza w naturalny sposób utrzymywał kurz i brud z dala od czujników przez większość czasu. "Przez większość czasu", co oczywiście oznacza, że niektóre czujniki czasu nieuchronnie się zabrudzą — co wtedy? Jeszcze inną badaną opcją jest zastosowanie czyszczenia ultradźwiękowego.
Producenci samochodów wciąż badają i analizują wszystkie możliwe rozwiązania — nawet jeśli co roku dodają do swoich pojazdów coraz więcej czujników. Typowym uzasadnieniem dla konieczności wyposażenia pojazdów w kombinację różnych czujników jest to, że wiele strumieni danych z różnych czujników uzupełnia się wzajemnie, zapewniając razem lepszą wydajność systemów komputerowych niż jakikolwiek tryb pojedynczego czujnika. Ale jest jeszcze jeden powód, dla którego ważne jest dodawanie różnych rodzajów czujników do systemu. Gdy wydajność jednego typu czujnika jest pogorszona lub nawet całkowicie ograniczona przez np. deszcz, błoto, rozpryskiwane robaki czy inne zanieczyszczenia środowiskowe, bardzo ważne jest posiadanie zapasowego strumienia danych przychodzących z innego czujnika, który może być mniej uszkodzony lub może być bardziej odporny na dane warunki.
To jest jeden z powodów, dla których warto poświęcić więcej uwagi faktowi, że Tesla w maju zamierza zrezygnować całkowicie z radarów w swoich pojazdach i całkowicie polegać na kamerach i systemach wizyjnych w swoich pojazdach. Każdy, kto się nad tym zastanowi głębiej, od razu dojdzie do wniosku, że nieuchronnie nastąpią sytuacje, w których pojazdy Tesli zostaną ochlapane np. błotem i oślepną. Dlatego większość ekspertów motoryzacyjnych uważa, że decyzja o postawieniu wszystkiego na jedną kartę jest decyzją tymczasową.
Willard Tu z firmy Xilinx zapytany został o to, jak różne czujniki zachowują się z różnymi rodzajami przeszkód (systemy FPGA firmy Xilinx są wykorzystywane przez niektóre firmy motoryzacyjne do przetwarzania danych z tych czujników). Na przykład przewaga radaru nad systemami wizyjnymi polega na tym, że radar może bez problemu penetrować deszcz czy mgłę, nawet jeśli warunki te mogą ograniczać zasięg systemu radarowego. Tymczasem "błoto jest jednak wyjątkowe" - mówi Tu. Radar może łatwo penetrować wyschnięte błoto, "ale mokre błoto? Woda jest przewodnikiem i może poważnie zniekształcać sygnał" - podsumowuje Tu.
Na powyższym rysunku znajduje się schemat pokazujący, jak wiele kamer, radarów i lidarów może się nawzajem uzupełniać. Niektórzy producenci pojazdów badają wszystkie trzy, wielu próbuje ustalić, czy wystarczy implementacja dwóch z trzech systemów (i w jakiej kombinacji są one najbardziej niezawodne). Niewielu innych niż Tesla rozważa pojedynczy typ czujnika. "Ja? Uważam, że najlepiej jest użyć dwóch rodzajów" - komentuje Tu -"Lidar i radar dobrze sobie radzą z odległością. Kamera jest dobra do rozpoznawania koloru - lidar i radar nie mogą tego zrobić. Z drugiej strony lidar może czasami odczytać znak, jeśli jest na nim obecnych wystarczająco dużo krawędzi". Zawsze oczywiście istnieje pewien kompromis między kosztami a osiąganymi parametrami i niezawodnością. "Większość firm samochodowych chce mieć kamerę. To tanie i łatwe. Potem dopiero dodaje się może lidar albo radar..." Jednakże decyzja jest bardziej skomplikowana niż wybór czujnika lub jego kombinacji, jak twierdzi Tu.
Im więcej danych z czujników zbiera pojazd, tym większa jest wymagana moc do przetwarzania tych danych. Ale producenci samochodów mają dużą swobodę w równoważeniu ilości gromadzonych danych z mocą przetwarzania, którego potrzebują, z wyrafinowaniem swojej sztucznej inteligencji. "Kluczem jest dobra sztuczna inteligencja" - powiedział Tu. "Chodzi o to, że wyrafinowana sztuczna inteligencja może zrobić więcej, niż można by się spodziewać, przy minimalnych danych".
Do tego właśnie zmierzają inżynierowie korzystający z lidarów i radarów, gdy twierdzą, że sztuczną inteligencję można wykorzystać do kompensacji częściowo zasłoniętych czujników. Podobnie do sposobu, w jaki sztuczna inteligencja może funkcjonować ze stosunkowo niewielką ilością danych, sztuczna inteligencja może zostać wykorzystana do rozwiązania problemu uzyskiwania okresowo mniejszej ilości danych, przy odpowiednim przeszkoleniu.
Źródło: https://www.eetimes.com/adas-sensors-create-a-cleaning-nightmare/
Branża motoryzacyjna zdaje sobie sprawę z sytuacji, ale niewielu producentów samochodów zdecydowało się póki co na realne rozwiązanie tego problemu. Podczas gdy zablokowany czujnik może potencjalnie sparaliżować pojazd autonomiczny (AV), kierowcy będący ludźmi często doświadczają podobnego problemu, ale objawiającego się jedynie jako niewygodne zakłócenie jednej z funkcji wspomagania jazdy (ADAS). Wszystkie nowoczesne pojazdy mają jakąś wersję komunikatu o błędzie informującym, że funkcja wspomaganego kierowania autem nie jest w tej chwili dostępna. Chodzić może tutaj o wiele subsystemów, które z różnych przyczyn mogą w danej chwili nie działać - kamery cofania, sensory martwego pola, radary czy wspomagane parkowanie. Każda z tych funkcji może mieć "gorszy dzień".
W przypadku nieautonomicznych systemów ADAS możliwe jest, że samo posiadanie dostępnych wielu typów, redundantnych czujników rozwiąże problem w krótkim okresie. Niedawno portal EETimes rozmawiał o tym temacie z Willardem Tu, starszym dyrektorem działu Automotive Business Unit w firmie Xilinx. W dalszej części artykułu przedstawimy najciekawsze obserwacje i uwagi Tu dotyczące systemów motoryzacyjnych.
Chociaż w pełni autonomicznych pojazdów pasażerskich prawdopodobnie w najbliższej przyszłości będzie niewiele, to na pewno jakieś pojawią się na rynku komercyjnym. Do tego dochodzi rosnąca liczba pojazdów dostawczych i towarowych, dronów i innych systemów autonomicznych, więc problem należy rozwiązać raczej wcześniej niż później. Niezależnie od jego rozwiązania, należy liczyć się z tym, że zwiększy to ogólny koszt pojazdu. Być może pod względem większej ilości sprzętu, być może z powodu konieczności przeprojektowania pojazdów, aby zrobić miejsce na dodatkowe podsystemy, być może wymagać będzie wyższej mocy obliczeniowej - na pewno jednak będzie on droższy pod względem finalnej ceny zakupu.
Na jednym krańcu opinii jest to, że czujniki muszą pozostać bez skazy. Pogląd ten jest widoczny wśród dostawców części samochodowych, którzy opracowali np. dedykowane urządzenia do czyszczenia czujników. Drugą skrajność zajmują niektórzy inżynierowie zajmujący się systemami radarowymi i lidarowymi, którzy zasadniczo odrzucają problem częściowo zakrytych czujników jako coś, z czym sztuczna inteligencja w końcu musi sobie poradzić - i to z łatwością, ale oczywiście po odpowiednim przeszkoleniu.
No właśnie - po odpowiednim przeszkoleniu. Należy pamiętać, że większość firm testujących technologie ADAS i systemy autonomiczne rejestruje większość swoich rzeczywistych kilometrów testowych na obszarach miejskich czy podmiejskich w miejscach takich jak Arizona i Kalifornia. Wiedzą, że żyją w fantastycznym świecie, w którym prawie każdy dzień jest jasny słoneczny, a rzadko spotyka się coś, co mogłoby przesłaniać ich czujniki.
Oczywistym mechanizmem czyszczenia jest ten, który producenci samochodów stosują już od dziesięcioleci, aby utrzymać przednie szyby w czystości: dozowanie roztworów czyszczących przez dysze spryskujące, a następnie wykorzystanie wycieraczek, aby zmieść płyn czyszczący wraz z brudem z szyby. Na przykład firma Waymo wykorzystała to podejście do swoich kopuł czujnikowych. Jednak dodawanie piór wycieraczek staje się coraz bardziej niepraktyczne, ponieważ zwiększa się liczba czujników (lub grup czujników), które należałoby wyczyścić.
Korzystanie z prostego mechanizmu płukania bez wycieraczek jest z kolei dosyć problematyczne, ponieważ krople płynu czyszczącego mogą być podobnym problemem jak usuwany brud, zwłaszcza w przypadku kamer czy sensorów optycznych. Niektórzy dostawcy części samochodowych (m.in. dlhBowles i Kendrion) są już zdania, że mechanizm czyszczący będzie musiał połączyć rozpylacz cieczy z komponentem osuszającym strumieniem powietrza. Jedną z propozycji jest zaprojektowanie karoserii pojazdów w taki sposób, aby przepływ powietrza w naturalny sposób utrzymywał kurz i brud z dala od czujników przez większość czasu. "Przez większość czasu", co oczywiście oznacza, że niektóre czujniki czasu nieuchronnie się zabrudzą — co wtedy? Jeszcze inną badaną opcją jest zastosowanie czyszczenia ultradźwiękowego.
Producenci samochodów wciąż badają i analizują wszystkie możliwe rozwiązania — nawet jeśli co roku dodają do swoich pojazdów coraz więcej czujników. Typowym uzasadnieniem dla konieczności wyposażenia pojazdów w kombinację różnych czujników jest to, że wiele strumieni danych z różnych czujników uzupełnia się wzajemnie, zapewniając razem lepszą wydajność systemów komputerowych niż jakikolwiek tryb pojedynczego czujnika. Ale jest jeszcze jeden powód, dla którego ważne jest dodawanie różnych rodzajów czujników do systemu. Gdy wydajność jednego typu czujnika jest pogorszona lub nawet całkowicie ograniczona przez np. deszcz, błoto, rozpryskiwane robaki czy inne zanieczyszczenia środowiskowe, bardzo ważne jest posiadanie zapasowego strumienia danych przychodzących z innego czujnika, który może być mniej uszkodzony lub może być bardziej odporny na dane warunki.
To jest jeden z powodów, dla których warto poświęcić więcej uwagi faktowi, że Tesla w maju zamierza zrezygnować całkowicie z radarów w swoich pojazdach i całkowicie polegać na kamerach i systemach wizyjnych w swoich pojazdach. Każdy, kto się nad tym zastanowi głębiej, od razu dojdzie do wniosku, że nieuchronnie nastąpią sytuacje, w których pojazdy Tesli zostaną ochlapane np. błotem i oślepną. Dlatego większość ekspertów motoryzacyjnych uważa, że decyzja o postawieniu wszystkiego na jedną kartę jest decyzją tymczasową.
Willard Tu z firmy Xilinx zapytany został o to, jak różne czujniki zachowują się z różnymi rodzajami przeszkód (systemy FPGA firmy Xilinx są wykorzystywane przez niektóre firmy motoryzacyjne do przetwarzania danych z tych czujników). Na przykład przewaga radaru nad systemami wizyjnymi polega na tym, że radar może bez problemu penetrować deszcz czy mgłę, nawet jeśli warunki te mogą ograniczać zasięg systemu radarowego. Tymczasem "błoto jest jednak wyjątkowe" - mówi Tu. Radar może łatwo penetrować wyschnięte błoto, "ale mokre błoto? Woda jest przewodnikiem i może poważnie zniekształcać sygnał" - podsumowuje Tu.
Na powyższym rysunku znajduje się schemat pokazujący, jak wiele kamer, radarów i lidarów może się nawzajem uzupełniać. Niektórzy producenci pojazdów badają wszystkie trzy, wielu próbuje ustalić, czy wystarczy implementacja dwóch z trzech systemów (i w jakiej kombinacji są one najbardziej niezawodne). Niewielu innych niż Tesla rozważa pojedynczy typ czujnika. "Ja? Uważam, że najlepiej jest użyć dwóch rodzajów" - komentuje Tu -"Lidar i radar dobrze sobie radzą z odległością. Kamera jest dobra do rozpoznawania koloru - lidar i radar nie mogą tego zrobić. Z drugiej strony lidar może czasami odczytać znak, jeśli jest na nim obecnych wystarczająco dużo krawędzi". Zawsze oczywiście istnieje pewien kompromis między kosztami a osiąganymi parametrami i niezawodnością. "Większość firm samochodowych chce mieć kamerę. To tanie i łatwe. Potem dopiero dodaje się może lidar albo radar..." Jednakże decyzja jest bardziej skomplikowana niż wybór czujnika lub jego kombinacji, jak twierdzi Tu.
Im więcej danych z czujników zbiera pojazd, tym większa jest wymagana moc do przetwarzania tych danych. Ale producenci samochodów mają dużą swobodę w równoważeniu ilości gromadzonych danych z mocą przetwarzania, którego potrzebują, z wyrafinowaniem swojej sztucznej inteligencji. "Kluczem jest dobra sztuczna inteligencja" - powiedział Tu. "Chodzi o to, że wyrafinowana sztuczna inteligencja może zrobić więcej, niż można by się spodziewać, przy minimalnych danych".
Do tego właśnie zmierzają inżynierowie korzystający z lidarów i radarów, gdy twierdzą, że sztuczną inteligencję można wykorzystać do kompensacji częściowo zasłoniętych czujników. Podobnie do sposobu, w jaki sztuczna inteligencja może funkcjonować ze stosunkowo niewielką ilością danych, sztuczna inteligencja może zostać wykorzystana do rozwiązania problemu uzyskiwania okresowo mniejszej ilości danych, przy odpowiednim przeszkoleniu.
Źródło: https://www.eetimes.com/adas-sensors-create-a-cleaning-nightmare/
Cool? Ranking DIY
