Industrielle Fertigung
Industrielles Internet der Dinge | Industrielle Materialien | Gerätewartung und Reparatur | Industrielle Programmierung |
home  MfgRobots >> Industrielle Fertigung >  >> Manufacturing Technology >> Industrietechnik

Die Technologie autonomer Fahrzeuge

Mit so vielen Parteien an Bord ist das Selbstfahren näher als Sie denken

In unserem letzten Blog haben wir über einige der Hauptakteure autonomer Fahrzeuge gesprochen und wie schnell sich die Technologie weiterentwickelt. Wir wussten nicht, dass es nur wenige Tage nach unserem Post eine große Aufregung geben würde, bei der es um eine sehr prominente Anwendung für selbstfahrende Autos ging. Kurz nach der Einführung des selbstfahrenden Taxidienstes von Uber am 14. Dezember 2016 in San Francisco, Kalifornien, tauchte ein Video auf, das eines der autonom fahrenden Fahrzeuge zeigt, das eine rote Ampel überfährt. Obwohl Uber sagte, dass das Auto zu diesem Zeitpunkt von einem menschlichen Fahrer gefahren wurde und keine Passagiere an Bord hatte, waren die Auswirkungen schnell:Nur eine Woche nach dem Start zog Uber seine selbstfahrenden Autos von der Straße, als der Bundesstaat Kalifornien dies widerrief Autozulassungen.

Natürlich wird es auf dem Weg von der großartigen Idee zum selbstfahrenden Auto für alle einige Umwege geben. Aber was wir mit Sicherheit sagen können, ist, dass sich die Technologie hinter autonomen Fahrzeugen trotz gelegentlicher Rückschläge weiter weiterentwickelt und uns dazu antreibt, die Maschinen, die uns von Punkt A nach Punkt B bringen, drastisch zu überdenken.

Wo sind autonome Autos heute – und wohin gehen sie?

Der grundlegende Unterschied zwischen der Automatisierung in den Autos, die wir heute täglich fahren, und der in den autonom fahrenden Fahrzeugen der nicht allzu fernen Zukunft, hat in erster Linie mit dem Grad der Fahrerbeteiligung zu tun. Viele neuere Fahrzeuge verfügen heute bereits über eine Reihe von Steuerungen, die bestimmte Aspekte des Fahrens automatisch für uns erledigen, wie z. B. unterstütztes Bremsen und adaptive Geschwindigkeitsregelung – Dinge, die als Stufe 1 der Automatisierung gelten

Die derzeit im Handel erhältlichen autonomen Autos bewegen sich in etwa auf Stufe 2 der Automatisierung; Ein gutes Beispiel sind die halbautonomen Fahrerassistenzfunktionen („Autopilot“) von Tesla, über die wir in unserem letzten Blog über autonome Fahrzeuge gesprochen haben. Die meisten der getesteten Prototypen befinden sich auf Stufe 3, wo der Fahrer in bestimmten Situationen sicher keine Aufmerksamkeit schenken kann, oder Stufe 4, wo der Fahrer nicht eingeschaltet werden muss, es sei denn, es gibt Unwetter oder unerwartete Straßenbedingungen. Wie die Forschung jedoch gezeigt hat, kann ein menschlicher „Fahrer“, der Texte liest oder eindöst, einfach nicht wieder genug Aufmerksamkeit und Konzentration erlangen, um richtig zu reagieren, und schnell genug, um die Kontrolle wiederzuerlangen und in einer drohenden Notsituation wirksame Maßnahmen zu ergreifen. Daher kommen viele Hersteller zu dem Schluss, dass die Stufen 3 und 4 einfach nicht funktionieren werden, weil das Sicherheitssystem – der Mensch – nicht in der Lage ist, schnell genug zu reagieren, um eine Gefährdung für sich selbst oder andere zu vermeiden.

Der ultimative Automatisierungsgrad ist Level 5, bei dem ein Fahrer überhaupt nicht anwesend sein muss. Das ist die Technologie, die für den vollen Fahrgemeinschafts-Futurismus erforderlich ist. Das ist das angedachte Szenario, in dem niemand Autos besitzt; Stattdessen rufen Sie einfach ein Fahrzeug herbei und es kommt, um Sie abzuholen. Die autonomen Fahrzeugkonzepte von Google und Mercedes sind Stufe 5 und verwenden außer dem gewünschten Ziel keine menschliche Eingabe.

Was treibt die Automatisierung an?

Während sich Autohersteller und andere Akteure davor hüten, zu viele Details preiszugeben, gibt es einige grundlegende Technologiekomponenten, von denen wir wissen, dass sie ein wesentlicher Bestandteil des Designs autonomer Fahrzeuge sind. Beispielsweise werden verschiedene Arten von Sensoren verwendet, um den visuellen Input zu sammeln, der für ein selbstfahrendes Auto erforderlich ist, um erfolgreich und sicher auf Straßen zu navigieren. Kameras sind eine relativ kostengünstige Art von Sensoren, die die grundlegenden visuellen Informationen liefern können, die ein Mensch beim Fahren sammeln würde; Mehrere Kameras werden verwendet, um die Schärfentiefe bereitzustellen. Radar wird bereits für bestimmte Fahrzeugsteuerungen der Stufe 1 verwendet; Der Nachteil ist, dass Radar nur im Nahbereich gut ist.

LIDAR (Light Detection and Ranging) ist ein Onboard-Lasersystem, das die Umgebung eines sich bewegenden Autos abbildet. Sie kennen LIDAR wahrscheinlich als die große sich drehende Einheit, die auf den meisten Testfahrzeugen von Google zu finden ist; Festkörper-LIDAR erfordert kein Drehen und wird auch in einigen autonomen Fahrzeugen verwendet, die derzeit entwickelt werden. Obwohl LIDAR eine hochgenaue 3D-Kartierung erstellt, hat es Nachteile; Die Technologie ist nicht nur sehr teuer, sondern wird auch durch das Wetter beeinflusst, da ihr Signal von Regen oder Schnee reflektiert wird.

In den heutigen, bereits stark computerisierten Autos erfolgt ein Großteil der Übertragung von Sensorinformationen über ein Controller Area Network (CAN-Bus), ein Protokoll, das es Mikrocontrollern und Geräten ermöglicht, ohne einen Host-Computer miteinander zu kommunizieren. Wirklich autonome Autos benötigen jedoch eine robustere Datenkonnektivität sowie die Rechenleistung und Software, um alle visuellen Eingaben und anderen gesammelten Daten aufzunehmen, zu organisieren, zu interpretieren und in umsetzbares Fahren umzuwandeln – alles in Echtzeit. Dies wiederum erfordert:

* Eine beträchtliche (man könnte sagen, enorme) Menge an Rechenleistung
* Zusammenführen von Daten von verschiedenen Sensoren („Sensorfusion“), um etwas mehr zu berechnen, als von einem Sensor allein bestimmt werden könnte

Aus diesem Grund ist maschinelles Lernen – eine Art künstliche Intelligenz (KI), die Computern die Fähigkeit verleiht, im Grunde „selbst“ zu lernen, wenn sie neuen Daten ausgesetzt werden – ein kritischer und sich schnell entwickelnder Aspekt des autonomen Fahrdesigns. Noch einen Schritt weiter geht die Art des maschinellen Lernens, die als *Deep Learning* bezeichnet wird und versucht, die Art und Weise nachzuahmen, wie Menschen neues Wissen erwerben. Durch die Automatisierung von Predictive Analytics könnte Deep Learning es einem Auto ermöglichen, bei jeder Fahrt intelligenter zu werden und sogar von anderen Fahrern und anderen Autos zu lernen.

Aus Sicherheitsgründen muss ein autonomes Fahrzeug natürlich von Anfang an sehr schlau sein! Aber egal, ob das Fahrzeug dafür ausgelegt ist, sensorische Eingaben zu interpretieren und dann aus einer Reihe fest codierter Fahrentscheidungen auszuwählen, ODER ob es verwendet wird, um Eingaben (von Sensoren und anderen Quellen) direkt der Fahrausgabe von Ende zu Ende zuzuordnen, maschinelles Lernen ist sicherlich ein Teil jedes Autos auf dem Reißbrett oder auf der Straße.

Was sind die Auswirkungen über das Fahren hinaus?

Überall dort, wo es Computertechnologie gibt, ist natürlich die Informationssicherheit ein wichtiges Anliegen, und autonome Fahrzeuge sind da keine Ausnahme. Tatsächlich sind die Auswirkungen von Hacking in selbstfahrenden Autos enorm. Wer in einem tonnenschweren Fahrzeug mit hoher Geschwindigkeit unterwegs ist, will sicher nicht befürchten müssen, dass das Fahrzeug von einem Dritten übernommen und ferngesteuert werden könnte.

Im Jahr 2015 rief Chrysler mehr als eine Million Fahrzeuge zurück, als zwei Sicherheitsforscher (glücklicherweise keine bösen Jungs) eine Software-Schwachstelle entdeckten, die es ihnen ermöglichte, einen Jeep drahtlos zu hacken und dessen Armaturenbrettfunktionen, Lenkung, Getriebe und Bremsen zu übernehmen. Chrysler stellte den Fahrzeugbesitzern ein USB-basiertes Software-Update zur Verfügung und unternahm Schritte auf Netzwerkebene, um Hackerangriffe über die Mobilfunknetzverbindung des Fahrzeugs zu erkennen und zu blockieren. Dann, im Jahr 2016, demonstrierte ein Sicherheitslabor einen Hack eines Tesla Model S, bei dem über den CAN-Bus des Autos und einen böswilligen WLAN-Hotspot sowohl im Park- als auch im Fahrmodus auf das Fahrzeug zugegriffen und es ferngesteuert wurde. Innerhalb weniger Tage stellte Tesla ein Over-the-Air-Software-Update bereit, um die potenziellen Sicherheitsprobleme zu beheben.

Diese Fälle haben den Automobilherstellern und ihren Partnern gezeigt, dass eine erhöhte Sicherheit von entscheidender Bedeutung ist, um sicherzustellen, dass weiterhin strengere Sicherheitsvorkehrungen getroffen werden. Da jedoch jedes autonome Auto einen Computer und eine Netzwerkverbindung zum Fahren benötigt, ist es möglicherweise nur eine Frage der Zeit, bis jemand ein selbstfahrendes Fahrzeug hackt, während es verwendet wird.

In diesem Zusammenhang ist auch der Datenschutz ein zunehmend herausfordernder Bereich für Autos und Fahrer. Heute könnte jemand auf der Flucht das GPS in seinem Auto ausschalten und eine Karte aufklappen. Aber mit der angeborenen Funktionalität eines autonomen Autos, das eine nahezu ständige Verwendung von GPS erfordert, muss dieses Fahrzeug praktisch ständig verfolgt werden. Darüber hinaus dienen Kameras zwar wichtigen Sensorfunktionen und liefern Input für maschinelles Lernen, sind aber auch Überwachungswerkzeuge. Es besteht also die Möglichkeit, dass jeder Zentimeter des Straßenraums nahezu ständig fotografiert und untersucht wird, sobald selbstfahrende Autos (und ihr System von Kamerasensoren) vollständig eingeführt sind.

Und auf einer menschlicheren Ebene:Während das Aufkommen zuverlässiger und vollständig autonom fahrender Fahrzeuge Arbeitsplätze in der Fertigung und verwandten Bereichen schaffen wird, bedeutet dies auf einer gewissen Ebene auch den Verlust einiger Arbeitsplätze. Mobility-on-Demand- und Ride-Sharing-Anwendungen werden Taxi- und Busfahrer obsolet machen. Selbstfahrende Fahrzeuge auf dem Bauernhof werden die Anzahl der erforderlichen menschlichen Arbeitskräfte zunehmend reduzieren. LKW-Fahrer werden weiterhin benötigt, um ihre Bohrgeräte zu warten, aber sie werden sie nicht fahren, und daher werden weniger erforderlich sein, um eine LKW-Flotte für den automatisierten Einsatz zu warten. Und Ende 2016 startete ein Online-Imbissunternehmen (Take-Away) in London die robotergestützte Essenslieferung. Also, vom Paketzusteller bis zum Kind, das Pizza zu Ihnen nach Hause fährt, diese Arbeiter werden möglicherweise durch, wenn nicht autonome Fahrzeuge, dann durch eine verwandte Technologie in Form von Lieferbots ersetzt.

Warum spricht die Metallzerspanung darüber?

Metal Cutting bietet kundenspezifischen Metallschneideservice für Spezialprodukte und Präzisions-Kleinmetallteile für eine Vielzahl von Branchen, einschließlich Automobilunternehmen und deren Technologiepartner – und bietet Teiletrennen, Bearbeitung, Endbearbeitung und andere Techniken, die für Anwendungen erforderlich sind, die enge Toleranzen erfordern , spezifische Oberflächenveredelungen und hochgradig kundenspezifische Enden, Verjüngungen und Durchmesser.

Möchten Sie herausfinden, ob Metal Cutting der beste Partner für *Ihre* Autoteile oder andere Anwendungen ist? Laden Sie den kostenlosen Leitfaden „7 Geheimnisse zur Auswahl eines neuen Vertragspartners:Technischer Leitfaden zum Outsourcing Ihrer Präzisionsmetallfertigung“ herunter.


Industrietechnik

  1. Der zunehmende Einsatz von Technologie in der Fertigungsindustrie
  2. Durchbrechen des Kreislaufs der technologischen Verschuldung in der Lieferkette
  3. Autonome Lieferketten sind in Sicht
  4. Technologievorsprung im New-Work-Szenario
  5. Automobil am Rande
  6. Die Rolle der KI-Technologie bei der Verbesserung des Sektors für erneuerbare Energien
  7. Autonome Fahrzeuge auf Erfolgskurs halten
  8. Hounslows erster Schritt in Richtung autonomer Lieferfahrzeuge
  9. Die Bedeutung der von Startups entwickelten Technologie
  10. Was sind die 7 Arten von Technologien?