设计防碰自驾车辆

自主车辆保持撞上东西,即使ADAS技术有望使驾驶更安全,因为机器可以思考和反应速度比人类司机。

人类依靠视听评估驾驶条件。当司机检测物体前面的车辆,自动反应踩刹车或转向避开它们。通常司机不能足够快的反应。反应到其他司机的鲁莽的或错误的方式驾驶也会来不及避免事故发生。

根据2014年消费者报告,人为错误引起的交通事故,导致事故的90%。美国国家公路交通安全管理局(NHTSA)报道,超过42795起致命事故发生在2022年。人为错误是一个主要因素。NHSTA提出使用驾驶员辅助技术帮助减少交通事故的数量。自主车辆的潜在好处包括增加安全通过减少交通堵塞和事故,缓解拥堵,减少空气污染,降低驾驶疲劳,和带来流动性无法推动传统汽车。

随着V2X的成熟,车辆能够相互通信,并将慢下来时自动有一个事故或前方道路危险,无需人工干预。

然而,全国公共广播电台(npr)的一份报告显示,在不到一年的时间在2021/2022的时间内,近400崩溃(包括273年涉及特斯拉),发生于车辆配备自动驾驶员辅助技术。

“国家公路交通安全管理局发布定期报告ADAS-related崩溃自主驾驶2级和3级5辆,“蒂埃里Kouthon指出,安全IP技术产品经理Rambus。“报告给事故统计数据,涉及哪些制造商,和后果。仍然很难指出的实际原因崩溃,因为所需的专业知识和数据全面调查和决心。这个行业仍处于起步阶段。”

oem厂商的数据来自事故报告国家公路交通安全管理局的要求站一般秩序第一次在2021年,2023年4月更新。oem厂商必须报告任何事故发生的车辆配备了2级到5级NHTSA在24小时内自动驾驶功能。2022年6月,国家公路交通安全管理局发布了一个夏天的崩溃报告的总结报告2级和级别3 - 5第一次。然而,初始数据最低各种事故之间的相关性从oem厂商,不确定。

今天我们仍然知之甚少为什么和如何自主车辆坠毁。

图1:oem要求国家公路交通安全管理局报告事故涉及车辆配备二级自动驾驶系统(ADS) 2021年开始。(要求等级2到5事故发表在不同的报告)。来源:国家公路交通安全管理局在2022年6月发布的报告

为什么自动车辆保持崩溃?
召唤一个无人驾驶出租车使用移动应用(robotaxi)承诺一个交通便利的新时代,但现实有很大的不同。例证:2022年6月,旗下robotaxi巡航与丰田普锐斯相撞。根据旧金山警察局的发言人,由于事故,乘客robotaxi需要就医。

然后,在2023年3月,无人驾驶巡航雪佛兰螺栓后结束了旧金山市政公共汽车。自主车辆(AV),没有乘客在里面,几乎没有损害中轻微受损市政公共汽车。由于这个事故,巡航召回了300 robotaxis和发布了一个软件更新。

根据巡航首席执行官凯尔·沃格特在一份公开声明,造成的事故是对总线的软件错误的预测行为,导致刹车应用太迟了。沃格特进一步说,克鲁斯自驾车辆行驶超过100万英里的无碰撞与这个特定的问题。

克鲁斯的事件是孤立的。多个碰撞发生与特斯拉在“自动模式”和其他robotaxis。

“关于事故的原因,它通常是各方面的组合,”Frank Schirrmeister说,解决方案和业务发展副总裁Arteris IP。”许多专家所指出的,关键是要安装层检查,允许一定程度的优雅降级。如果AI信心的对象检测水平低于特定水平,由于糟糕的视觉条件或特定情况还没有训练了,需要更新的控制。行业必须找到一种方法来捕捉和模型驱动的经验和使用常识来确定安全控制方面。”

有一件事似乎是显而易见的。事故发生由于判断失误和错误的预测,以及不准确的人工智能计算。克鲁斯的碰撞的事件在2023年旧金山,市政公共汽车只有10英里每小时。AV应该直接检测到真正的对象在它的面前。如果这样做,就不会有足够的时间来激活紧急制动系统(EBS)。

其他人质疑其他类型的传感器,如雷达传感器会检测到一个真正的对象前面,让汽车停止,或者AI是罪魁祸首。

挑战设计耐撞的自主车辆
高级驾驶员辅助系统(ADAS)应该解决这些问题,在紧急情况下帮助人类反应更快。ADAS依靠传感器来收集数据,对人工智能算法,和ecu来处理数据和激活EBS在必要的时候。如果一切按计划工作,ADAS应该比人类做得更好的司机没有事故。

一个常见的因素发生的所有AV崩溃是AVs太快旅行相对于制动距离。由于高速,AV和对象之间的距离太近,前面的车辆没有足够的时间停止。在几乎所有情况下,人工智能软件认为一切都是“正常”的时候。

两件事需要防止自动车辆发生崩溃。一个是检测和决心的艰苦与AV对象发生冲突。第二个是实时EBS激活。

由于AI算法包含了很多的变量——包括移动的距离和速度的计算车辆/对象前面的AV -如果对象移动,该算法之前必须确定时间会流逝的AV碰撞对象如果AV没有慢下来。我们还需要考虑天气和路况。这是很容易处理的车辆在一个阳光明媚的一天比在一个下雪的天,黑冰。

更具挑战性的算法必须考虑前面的对象是否移动车辆,行人、动物或其他随机移动的物体。在恶劣天气条件下,尤其是在黑冰,AVs足够聪明来确定距离是需要阻止车辆碰撞对象在前面?

更具挑战性AV的培训是否在不同的场景中,算法会知道该做什么在一个交通信号的情况下,警察或其他必须指挥交通。会发生什么如果车辆传感器提供了相互矛盾的数据?如果一个传感器说,交通灯是绿色的,但警察说停止,车辆下一步做什么?

新的OEM挑战
自主驾驶是非常复杂的。AI只会做它。有很多组件一起工作,包括人工智能、ADAS, ecu、芯片和高速通信。这些组件负责车辆安全,包括耐撞的操作?因为所有这些组件都是相互联系的,即使单个组件完美运作,oem厂商如何确保网际网路和组件之间的接口工作正常没有事件,如延迟和错误吗?oem厂商需要解决所有这些问题。

“各个组件之间的交互是安全的关键,“Schirrmeister说。”的讨论可伸缩性和分层FMEDA从一个IP供应商的角度是迫在眉睫的。我们看到他们支持特定network-on-chip (NoC)功能插座平价/ ECC支持控制和数据等,以满足ISO 26262的要求。问题是类似于约束随机测试在芯片设计的功能验证,现在同样适用于创建特定的场景对于交通情况,需要验证。就像在处理器IP的面积,“系统认证做好准备,”等方面开创了手臂最初用于服务器的设计,可能成为考虑更高层次的子系统的复杂性和汽车集成芯片。”

怎能硬物体被发现前的顺位投票制,并停止时间的车吗?可以安装传感器,如雷达、持续监控的AV。一旦检测到一个对象,在确定这是在碰撞的过程中,紧急制动系统可以应用于停止车辆。这对于AVs在设计得当AI是至关重要的。

葆拉·琼斯,车辆自动化和底盘主任英飞凌科技解释道,“雷达技术对自主驾驶设计至关重要。它可以穿透大雨和浓雾。前面有一个坚实的物体时,雷达肯定会探测,目标检测雷达的成像能力随着时间的推移继续改善。此外,与SAE L1 / L2 / L2 +的增长需求,雷达系统的数量预计将以每年24%的速度增长。”

图2:高分辨率雷达改善角和分类有助于AV与距离和速度检测。来源:英飞凌科技

人工智能是一个关键的组件在AV,尤其是在编程方面人工智能学习得更快,变得更聪明,犯更少的错误。

“训练集自动驾驶功能非常重要,”大卫·弗里茨说,混合动力和虚拟系统的副总裁西门子数字行业软件。“以一个16岁的年轻司机为例,他或她首先需要学习者的许可证,然后参加驾驶课程,然后通过驾驶考试之前一个合法的驾照。为什么我们要对自驾车辆有什么不同的?相反,汽车制造商正试图急于成为第一个5自主平台提供一个负担得起的水平。因此,我们看到缺乏监管,导致不必要的事故。我们需要的是自主车辆通过类似的阶段性的过程,或者里程碑,在路上被允许操作在一个繁忙的城市。我们与监管机构强调对话的重要性和可能性将自动车辆通过一系列的虚拟驾驶测试,使用技术,如数字双,赢得他们的学习者的许可证。的人工智能模型车,传感和驱动,应该部署在一些控制场景证明正确的操作的法律下适当的地区。”

然后,相关数字双物理车辆的行为是一个关键的下一步在这个过程中,增加信心,物理车辆将执行数字双一样的情况下,对身体太困难或太危险的车辆。

“事故发生,应该包括简单的数字双插装在车里,收集到的数据可以重播在数字双诊断事故或错误的决定由物理车辆,”弗里茨说。“高保真数字双胞胎让你观察数字双和AI引擎内部看到发生的一切,并确定为什么某些决策。我们称之为数字配合后期制作。你可以做一个诊断水平不可能在大多数物理车辆。这是常见的做法至关重要的国防和军事项目。”

增加安全与基于ai相机
部署AI是昂贵的,消耗了大量的能量。不一定是这样推理片,尤其是一旦训练算法。

“汽车应用程序,如处理高分辨率摄像机的图像,由于创新变得更加实用,使成本和功率降低,“说杰夫•泰特的首席执行官Flex Logix。“例如InferX AI的IP,可以同时运行多个人工智能模型,包括Yolov5L6 30帧/秒的1280 x 1280像素。现在100%的可重构GPU性能。”

不过,据说,ADAS将继续进化为更好的车辆结构改善。例如,网际网路与平台的所有组件在自动车辆- ecu,不同的传感器监测车辆的内部和外部环境,信息娱乐系统,远程信息技术支持5 g和V2X,在线旅行社和安全问题,将使汽车设计更为复杂。

新的、高度计算机化汽车架构软件定义车辆(关闭阀)等切断了ecu硬件和软件之间的关系。

“换句话说,ecu不再紧凑、物理电子元件直接连接到传感器和致动器,“Rambus Kouthon说。“他们是在服务器上运行的应用程序平台,直接连接到传感器和致动器。这种分离之间的传感器/致动器和ECU软件/应用程序创建的机会“下载”新的ECU车辆与安装。更重要的是,它能够模拟车辆操作使用数字双胞胎——软件复制品的车辆,通常运行在一个远程服务器在云环境中。运行完全相同的复制品ADAS软件真正的车辆,可以用来执行任意数量的模拟,包括崩溃。数字的准确性双胞胎在模拟实际车辆的行为将是一个必要的原始设备制造商和制造商要求。”

另一个挑战在于oem厂商,因为大多数不同部门,建立不同的模型。每个部门都有自己的盈亏责任对整个模型/产品线。这将是不寻常的一个部门分享其知识与另一个部门,因此,除非企业控制了知识的共享,这可能是所有的模型很难ADAS安全特性相同。

“今天oem厂商面临的一个挑战在安全方面和安全是缺乏一个统一的测试环境中自主驾驶支持所有不同的模型汽车,”克里斯•克拉克观察汽车集团的高级经理Synopsys对此。“一个模型比另一个模型不应该或多或少的安全来自同一个OEM。一个统一的数据集用于ADAS需要提供给所有车辆模型。换句话说,你不能有一个ADAS设计比其他人更好的推论能力。自主驾驶提供了伟大的特性和功能。虽然它非常安全,司机仍然是控制车辆的最后一点”。

结论
尽管AVs和ADAS可能有好处,已经观察到在测试阶段,许多AV事故发生。如何防止AVs造成损害的人,其他车辆,oem和属性仍然是一个挑战,而不是依靠人工智能预测和推论,实时检测对象,紧急制动系统激活和数字双技术需要使用。