超越汽车的自主权

自治的承诺

在需要阅读本文的时间里,全球20人将死于车祸。自动驾驶汽车(AV)可以消除大屠杀。但是安全仅仅是开始。抢劫者可以驾驶高效编队,节省能源,并更好地利用当今的拼车车道。

因为我们不需要将车辆存放在驾驶员附近,所以我们可以将城市停车场变成公园,将车库变成生活空间。自治将使数以百万计的广泛旅行成为现实。抢劫将为那些不会开车的人带来机动性和自由。它可以通过多种方式使生活更美好,更高效。

我迫不及待地想要一辆自动驾驶汽车在家里接我,并在与所有其他车辆合作以消除交通拥挤的情况下打我工作。这是一个引人注目的且看似近距离的愿景。所有的炒作都有充分的理由。我们需要自治,我们很快就会需要。

但是,那是现实。驾车者能做的所有事情的劫掠者仍需要数年甚至数十年的时间。在许多环境中,我们都取得了巨大的进步。但是现实世界中有太多“拐角事件”,以至于真正的自主操作仍然遥不可及。

但这并不意味着我们必须等待数年。关键是放弃完美的替代人驱动程序的目标。如果我们添加了非车载协助,则可以解决最棘手的问题。现在该采取在许多其他行业中得到证明的系统方法并开始发展了。

新汽车竞赛

自治并不是影响运输业的唯一破坏。电动汽车(EV)的性能优于汽油发动机,且污染程度较低,同时使新进入者的屏障要低得多。未来十年将提供通勤飞行。

5G连接性和快速嵌入式处理器可从顶部和底部访问大量计算。拼车应用程序和出租的踏板车已经在取代公共交通。智慧城市的交通,交通控制和超级环路指日可待。在行业中,从来没有任何事物能达到这种破坏水平。变革的步伐和广度使上世纪的马车过渡显得古朴。

所有这些变化将深刻地重塑汽车竞争格局。几十年来,传统的OEM在驾驶员体验,发动机性能和造型方面一直处于竞争状态。在没有驾驶员,没有发动机,也没有汽车拥有权的世界中,这些因素都不重要。

更糟糕的是,传统的OEM优势也无所谓。正式的“ 1-2-3层”供应链没有降低成本,而是努力协调软件接口,从而减缓了开发速度。对引擎专业技术的依赖阻碍了电动汽车的创新。能力和流程,甚至经过数十年磨练的品牌都不再有用。

新的竞争基础越来越清晰:软件和连接性。先进的自治软件将很快成为必需的功能。它需要在线。连接性将通过“空中下载”(OTA)更新来加速新功能,提供持续的产品数据,并启用新的共享车业务模型。从现在开始,连接最好的软件将获胜。

没有什么变化比自治更深刻。发展自主权的任何因素都比向其他行业学习更为重要。尽管这是我们的道路上的新事物,但自主技术已在无人机,机器人技术,水下车辆和军事系统中发展了很多年。

这些系统带来了LIDAR等传感器,快速分布式软件设计以及丰富的远程操作经验。自微处理器问世以来,外部开发的技术将首次成为汽车竞争的主要推动力。

实际自治需要远程操作

Telsa的“自动驾驶”模式减轻了驾驶员的许多职责,使通勤更加轻松,并提高了安全性。很好,但是并不能从根本上改变经济。取消停车或启用共享机械手轴可带来巨大的财务收益。汽车中有人时的自动驾驶可减轻压力。无人驾驶汽车可以节省金钱,这改变了游戏规则。

但是,多年来,有些情况是AV无法理解的。安全并不完美,但很快就会比人类更好(见方框)。但是,无论何时在无法进行导航的施工区域或事故现场,我们都不会卡住AV车辆来阻塞交通。

因此,我们需要一种方法来营救他们。公司越来越意识到,抢救车辆的最佳方法是通过远程控制或“远程操作”为车辆提供帮助。当机器人被卡住时,它将通知控制中心。在那里,操作员可以访问传感器和摄像机,分析情况并提供帮助。

一种方法是允许远程操作员驾驶车辆,也就是“实时”遥控操作。这需要与操作员进行实时视频通信,并将低延迟的控制信号传回AV。这将需要一个非常快速,可靠,无延迟的网络。当5G真正可用时,这可能是可行的。今天,这将很难。

摘自《火星漫游者》手册(以及许多其他机器人学研究人员,包括作者)的页面是更实际的:与提供实时反馈相比,通过给出方向进行远程控制要容易得多。在这种情况下,这意味着看着现场并指明要遵循的路径(“战略”远程操作)。这样可以以更低的带宽和更高的延迟工作。毕竟,这是尽管有30分钟的延迟,但NASA仍可以在火星上驱动机器人的方法。

建筑

因此,战略性远动将使首批实用AV成为可能。这既需要车载控制又需要远程监督。大多数体系结构都没有考虑紧密连接这些系统的含义。但它们不应独立设计。影音将需要用于车辆,控制中心和云的一致架构。

车载设计

AV通过将传感器连接到高性能处理器,然后从那里控制算法来引导车辆来工作(请参见典型的车载软件图)。Waymo和Tesla的早期参与者从零开始构建了一切。最近,生态系统正在发展以创造技术堆栈。最著名的是:

  • ROS,机器人操作系统。ROS在研究界非常流行。有许多工具,驱动程序和服务可用,包括传感器模型,车辆模拟器和用于开发自主性的可视化器。ROS及其组件已被成千上万的机器人研究人员使用。ROS是一种研究工具。最新版本ROS2取代了弱通信代理,但整个系统不适用于量产车。
  • AUTOSAR。与ROS相比,AUTOSAR的目标是生产。AUTOSAR演变为OEM向其供应商指​​定零件的实用方法。AUTOSAR所指定的范围远远超过软件体系结构。它定义了从供应商处获得类似零件的多报价所需要的大部分内容。AUTOSAR“经典”版本早于智能控制,并且对于处理诸如自治之类的高级软件而言过于严格。它的新版本AUTOSAR Adaptive提高了灵活性。有几家公司提供AUTOSAR开发套件和工具。

尽管它们在功能和最终用途方面存在很大差异,但它们主要是车载技术。他们努力帮助用户连接和理解传感器组,算法和控制。

AUTOSAR经典

典型的车载软件

系统必须融合感测,意识和计划以确定行动。然后,它通过硬件平台界面控制车辆。最近的设计结合了多个生态系统的组成部分,其中包括ROS和Apollo等开源技术以及AUTOSAR等行业标准。

控制中心设计

控制中心也在挑战软件环境。一些系统支持数百人监视具有数十万个组件和变量的大型系统。

许多系统是动态变化的,因此数据流必须能够快速重新配置。在某些中心,每个操作员站都有其独特的作用。在许多其他站点中,站点会在工作到达时进行交接,从而根据需要更改功能。控制中心需要可靠,灵活,快速地访问大量数据集。

视听车队的控制中心将需要监视数千辆车辆。当需要注意时,它将分配给操作员。操作员可以请求实时传感器进给,历史信息以及车辆状态和路线。因此,每个站点都需要访问整个系统中的几乎所有数据,而无法预先预测需要哪些特定信息。

其他站点将监视整体系统状态和车队部署。虽然视听机队的情况将面临独特的挑战,但这些类型的控制中心需求是许多系统的典型要求。

那么云呢?

云计算彻底改变了企业软件。它提供了看似无限的存储空间,并且计算成本非常低。许多人自然地认为许多或大多数AV功能都应在云中运行。

但是,云在自治中的作用通常被夸大了。依靠云连接来实现控制或安全功能将需要将所有传感器信息发送到云,进行处理,然后以足够快的速度将其返回车辆,以应对外部事件。即使云设施可用,这也需要延迟保证和预留的计算带宽,而这些带宽远远超出了可能的功能。

这毫无意义。没有充分的理由将数TB的传感​​器数据流传输到云。其中大部分是无趣的场景的视频和雷达。此外,车辆所需的处理大部分是数值计算,最好在具有多个内核的类似GPU的芯片中完成。云在中心位置,弹性通用计算和存储方面的优势在AV中根本没有价值。

另一方面,边缘系统非常适合该问题。实时反应需要专用的本地CPU和资源。边缘CPU迅速获得了处理所有传感器信息所需的功能。因此,在可预见的将来,核心AV算法将继续在车辆上运行。

尽管如此,云仍扮演着重要的辅助角色。例如,人工智能算法通过处理“训练集”来学习,训练集是时间段,其中有一些有趣的动作,例如困难的情况或事故。深度学习的工作原理(大致)是通过接受这些训练集,让人或其他系统确定在这种情况下要做什么,然后将其用作AI的“课程”。最好在离线状态下而不是实时地集中进行此培训。

因此,人工智能汽车不会自学。他们从中央来源获得训练有素的AI结果。如果AV遇到有趣的场景,它将成为训练集并影响AI。因此,每个AV都从其他AV的经验中学习。整个舰队从每次事件中学习。随着时间的流逝,整个舰队将不断改善。

云还可以访问所有车辆和控制中心。因此,这里是运行车队管理软件,收集和发布道路状况以及向车辆派遣现场人员的正确地方。

最重要的是,云是AV系统的关键部分。但这不是关键的启用技术。关键技术在汽车和控制中心。

5G可以提供帮助吗?

部署后,5G旨在提供5毫秒的延迟和极高的吞吐量。这是一种诱人的能力。尽管如此,5G倡导者仍在努力寻找引人注目的用例。提议的许多用途是在运输和自动驾驶汽车中,包括:

  • 在云中执行车辆控制。由于上述原因,这没有多大意义。与基于车辆的控制软件相比,云没有任何优势。
  • 不安全状况警告。车辆与基础设施之间的快速通信可能有助于避免某些类型的碰撞。例如,监督监视功能可以跟踪和警告汽车即将发生的不安全情况,例如交叉路口或前方流动的干扰。这些“超人”功能可以将安全性扩展到人类驾驶员在没有全局感知的情况下所能做到的范围。
  • 协调车辆。长期的5G通信为协调视音频提供了机会。例如,它可以用于允许配备完善的AV进入特殊车道(当今拼车车道系统的未来可能),在这里可以对其进行外部控制以使其以更高的速度或更近的间距行驶。
    •  即使没有专用车道,策略性地控制交通也可以大大提高高速公路的吞吐量,从而减轻我们的交通噩梦。随着交叉路口变成自动穿线机,车辆与车辆和基础设施的通信甚至有一天甚至可以消除对交通信号灯的需求。这些令人着迷的未来功能。但是我们首先需要基本操作。
  • 实时远程操作。此功能确实需要真正的5G功能。不幸的是,市场时机可能无法解决。视音频需要在未来几年进行遥操作。广泛,可靠的5G才刚刚开始部署。因此,短期内依靠5G来管理您的AV车队是有风险的。

从这些潜在用途来看,5G似乎并不是影音设备的关键技术。短期内,任何车辆都不可能依靠车外系统进行控制和安全。这仅仅是因为连接和远程处理系统不够可靠。

更大的因素是车载系统越来越有能力处理这些功能,并且车辆设计者拥有完全的控制权。在本地感应失败的情况下,5G可以增强安全性。车辆需要首先学习处理当地问题。因此,与当前的基础架构相比,应该将5G视为未来的“好去处”。

不断发展的架构

那么,我们如何才能将它们整合到一个可扩展的“面向未来的”架构中呢?

在汽车内部,行业正在迁移以采用一种称为数据分发服务(DDS;请参见框)的通用连接标准。例如,最新版本的ROS(ROS2)和AUTOSAR Adaptive(自18.03起)都使用DDS。他们之所以选择DDS,是因为它具有灵活性,性能和可靠的操作。

DDS端到端连接DDS端到端连接

DDS在车载和控制室用例中都得到了充分证明。DDS在整个系统中提供一致的数据模型。级别之间的数据路由有助于构建可靠的大规模基础架构。

DDS也被数百种自动驾驶汽车设计所采用。DDS专门针对自主系统而发展,首先是高端飞行系统,然后是陆上,太空和水下车辆。它具有自治系统所需的许多功能,包括实时交付,对交付服务质量(QoS),网络和位置透明性以及可伸缩性的广泛控制。它会自动发现数据的来源和需求,直接对等发送所有信息以提高速度,并支持数百个平台。DDS周围的整合意味着它是新设计风险最小的选择。

DDS还是许多运营控制中心的主要通信体系结构。例如,大多数海军舰艇的战斗管理作战中心,大多数无人机地面控制系统,NASA KSC的发射控制射击室以及大型水电站的电力监控控制室。在运输中,DDS监视和控制火车系统,地铁,空中交通管制和机场地面系统。

DDS的定位非常合适,可以承担自治系统的远程操作用例。它可以处理控制中心和车辆箱。

以数据为中心意味着,即使IP地址发生变化,车辆也可以在城市中行驶而不会影响操作或代码。当汽车或操作员检测到有趣的情况时,深度传感器信息可以轻松地作为训练集传输到云中进行学习。新的车辆,算法,操作员和其他参与者可以随时来去。以数据为中心还有助于提高容错能力,可用性,扩展性和安全性。

超越汽车的自主权

自治指日可待。有一个陷阱:传统汽车架构无法做到这一点。关于自治的炒作认为这只是一个车内问题。兴奋停滞了;除非AI的能力更强,否则自动驾驶汽车将需要远程协助。

因此,自治是一个分布式系统问题,至少包括车辆,云和控制中心。由于系统是由它们如何共享信息来定义的,因此成功需要一种可以将所有部分联系在一起的架构。

幸运的是,汽车自治可以借鉴许多行业的经验,这些行业已经建立了多年的自治系统。在车辆内,重点在于高速连接,可靠性和AI集成。控制中心需要一致的数据模型,对多种类型数据的动态访问以及快速响应。

DDS标准起源于自治系统,是车载框架和控制中心的明确领导者。它的最大优势是可伸缩性,实时性能和软件集成。通过提供一致的系统范围的数据模型,它可以在汽车之外构建自治的分布式系统。

侧杆

方框:数据分发服务(DDS)标准

尽管DDS可以传输信息,但它不像其他连接技术。所有其他组件,包括面向消息的中间件(MOM),面向服务的体系结构(SOA)和远程过程调用(PRC),都直接连接活动实体。在每种情况下,应用程序都相互交互。使用这些架构的架构强调了活动实体及其交互方式。大型分布式系统很快变得难以管理。

DDS是一个连接框架,并且具有协议。但是,更重要的是,DDS是一种以数据为中心的体系结构。它实现了一个简单的概念:共享的“全局数据空间”。这仅表示所有数据似乎都位于本地内存中的每个设备和算法中。当然,这是一种幻想。所有数据都不可能无处不在。DDS的工作方式是跟踪哪个应用程序需要什么数据,知道何时需要该数据,然后进行交付。

因此,尽管并非所有数据都无处不在,但可以保证任何应用程序所需的任何数据都可以按时显示在本地内存中。应用程序仅与自己的本地内存数据空间通信,而不与对方通信。这就是以数据为中心的本质:每个设备,每个算法,在任何级别,以任何方式,随时“即时”对任何事物进行本地“即时”访问。这是一个优雅而强大的概念。

数据分发服务(DDS)标准

数据分发服务(DDS)标准

DDS是定义虚拟分布式共享内存或以数据为中心的分布式体系结构的标准。DDS了解数据类型并控制往返每个数据对象的流。从概念上讲,所有系统数据实际上都位于系统中每个应用程序的“内部”,从而易于共享信息。

DDS使用“服务质量”(QoS)参数控制往返于此存储器的流量。这些指定了所有必需的与数据的交互,包括流速,延迟和可靠性。没有服务器或对象或特殊位置。由于DDS应用程序仅与共享的分布式内存进行交互,因此它们与其他应用程序的编写方式,使用的处理器,语言或操作系统,运行的位置或执行的时间无关。结果是一个简单的,自然并行的软件体系结构,具有共享系统信息的统一数据模型。

由于每个应用程序实际上只与它的内存通信,因此DDS会在时间,空间和流之间分离。时间解耦意味着不依赖于启动或连接顺序。空间解耦意味着数据可以来自任何物理位置,因此生产者和消费者可以透明地驻留在ECU,车载中央处理器或云中。流解耦意味着每个应用程序可以通过任何网络以任何语言以任何更新速率以相同或不同的方式请求相同或不同的数据,并且具有或不具有可靠性保证。

行驶中的车辆在更改连接时甚至可以透明地切换IP地址。DDS会检查所有这些因素,并确定是否可以传递数据。如果不是,则标记错误。但是,如果是这样,则DDS会将数据直接透明地传递到应用程序的本地内存。结果是在不依赖物理实现的情况下实现了优雅的全系统数据共享

方框:现实安全

我的第一份工作是汽车防撞保护。在发生事故时保护乘客是一项崇高的追求,我们已经取得了长足的进步。现代汽车具有多级安全气囊,侧面碰撞保护,碰撞吸收结构,儿童座椅和安全带预紧器。这些东西有帮助,但是汽车并没有那么安全。以35英里/小时的速度撞墙,更不用说以70英里/小时的速度撞墙,只会向汽车及其乘客倾倒过多的能量。在撞车事故中保护脆弱的身体部位就像是试图跳出建筑物而不漏洒酒杯托盘一样。崩溃保护是错误的路径。

高级驾驶员辅助系统(ADAS)试图使驾驶员变得更好。较新的车辆可以自动刹车,将您带入车道,并警告您注意盲点。但是人们发短信,喝酒,争论,入睡,打电话,开灯,把握机会,加快速度,并以惊人的规律性驶过停车标志。关于人类驾驶员的唯一可靠的事情是他们不可靠。结果,人们造成了94%的致命碰撞。在控制人员的情况下,没有更好的安全性的明显途径。

因此,如果ADAS无法使驾驶员足够出色,人们是否可以使自动驾驶汽车成为更好的驾驶员?特斯拉采用这种方法,是让汽车自动控制,但希望有可选的人工控制。这与ADAS相反,并且很有意义。机器人车可以捕捉所有常见情况,而驾驶员只能处理极端情况。这当然不是理想的,因为当汽车大部分时间都在处理所有事情时,人的反应可能会变慢。也就是说,特斯拉在Autopilot中的安全记录已经比其他车辆好40%,这是一个巨大的胜利!不幸的是,这并不能使空车运营获得巨大的经济利益。所以,这不是一个完整的解决方案

这就引出了一个显而易见的问题:我们能否使AV足够安全?即使总体安全记录更好,每一次AV崩溃也是几天来的头版新闻。对于任何“新”而言,这都是不可避免的。但这确实凸显了一个真实的观点:不切实际的期望可能比不成熟的技术更大的问题。是的,自动驾驶汽车会犯人们永远不会犯的错误。目标不能是开发不会将卡车误认为是桥立交桥或撞到没有人穿越的自行车的自动驾驶汽车。

人们还会犯很多机器人永远不会犯的错误。“足够好”的标准应该仅仅是保持比人类更好的事故发生率。毕竟,如果您的机器人车的安全性是出租车的两倍,那么您宁愿选择哪一种呢?对自动驾驶的不信任主要是对我们驾驶能力的傲慢评估:85%的驾驶员认为他们高于平均水平。现实情况是,驾驶员不是很安全。尽管存在错误,但Robocars在统计学上很快将比人类更好。

底线,让我们根据结果来判断,而不是偏见。我们应该放弃对机器人必须是完美的,甚至它们不会犯明显错误的期望。该指标应“优于人类”。不幸的是,这是一个相当低的标准。当汽车中有驾驶员时,我们可以允许超车来增加安全性。我们可以将每一次事故作为所有车辆的新学习方法。但是,请关闭令人讨厌的新闻图像:当没有驾驶员的自动驾驶汽车与有驾驶员的自动驾驶汽车一样好时,就足够了。

为您推荐

发表评论