Einführung

Selbstfahrende Autos sind, wie der Name schon sagt, Autos, die selbstständig und ohne Fahrer fahren (besser wäre es zu sagen ohne menschlichen Fahrer).

Bevor wir uns mit diesem Thema befassen und die Oberfläche dieser erstaunlichen Technologie beleuchten, die uns seit Jahrzehnten fasziniert, lesen wir eine formale Definition aus Wikipedia vor.

„Ein selbstfahrendes Auto , auch bekannt als autonomes Auto , fahrerloses Auto oder Roboterauto ( Robo-Auto ), ist ein Auto, das ohne menschliches Zutun fahren kann.“

Es wäre angemessener, das Wort autonom zu verwenden und die Autos in drei Hauptkategorien einzuteilen:

· Nicht autonomes Auto

· Halbautonomes Auto

· Vollständig autonome/selbstfahrende Autos.

Die Aufgabe, ein Auto zu fahren, erfordert Intelligenz und im Auto wird die Intelligenz durch KI (künstliche Intelligenz) erreicht. In der Abbildung wird diese Intelligenz durch einen Roboter dargestellt

Nicht autonomes Auto: Das traditionelle Auto, bei dem wir keine zusätzliche Unterstützung durch Roboter/KI erhalten. Der Mensch übernimmt alle Aufgaben (Beschleunigen, Bremsen, Fahren usw.). Dies ist in Abb. a dargestellt.

Teilautonomes Auto: Der menschliche Fahrer muss immer noch auf den Rädern sitzen; Sie erhalten jedoch Unterstützung durch KI/Roboter. Beispielsweise kann das Auto seine Umgebung verstehen und bei verschiedenen Aufgaben helfen, die meisten Entscheidungen liegen jedoch immer noch in der Hand des Menschen. Es kann bei Aufgaben wie Parken, selbstständigem Fahren in einer bestimmten Region, selbstständiges Erkennen und Wechseln der Fahrspur helfen. Es kann sich selbstständig auf einer Fahrspur befinden, den Fahrer warnen, wenn er nicht aufmerksam ist usw. In der Abbildung stelle ich diese Unterstützung dar durch einen Roboter, der Ihnen gern hilft. Dies wird durch Abb. b dargestellt.

Autonomes Auto: Hier sitzt der Fahrer nicht am Steuer und das Auto erledigt alle Aufgaben selbstständig. Die Figur wird durch die auf dem Rad sitzenden Roboter dargestellt. Dies wird durch Abb. c dargestellt. Die tatsächliche Darstellung selbstfahrender Autos ist Abb. d.

Technologien ermöglichen

Ganz gleich, ob es sich um ein selbstfahrendes Auto oder einen Menschen handelt, die grundlegende Funktionsweise jedes Systems bleibt dieselbe: Sie erfasst Eingaben oder wird von der Umgebung stimuliert, verarbeitet die Eingaben, um Wissen/Informationen zu produzieren, und handelt dann auf der Grundlage dieses Wissens durch Ausführen einer Aktion in der Umgebung.

Menschliches System

Beginnen wir damit, uns selbst vorzustellen und zu sehen, wie wir in dieser Welt funktionieren

Erfassung von Eingaben (Sensoren): Um Eingaben aus der Umgebung zu erfassen, benötigen wir einige Sensoren, die die Informationen in unser System übertragen. Dieser Sensor sind für uns unsere berühmten fünf: Augen, Ohren, Nase, Zunge und Haut.

Verarbeitung von Eingaben (Gehirn): Die Eingaben verschiedener Sinne entweder in Form von Sehen, Geräuschen, Berührungen, Gerüchen, Gefühlen oder einer Kombination davon erreichen unser Gehirn, das sie weiter verarbeitet und eine geeignete Aktion auslöst.

Maßnahmen ergreifen (Aktoren): Basierend auf der Entscheidung Ihres Gehirns ergreifen Sie eine bestimmte Aktion, die körperlich, verbal oder durch Ausdrücke erfolgen kann.

Stellen Sie sich vor, Sie fahren ein Auto, Sie sehen die Szene mit Ihren Augen (der Sensor empfängt Informationen aus der Umgebung), und wenn die Ampel auf Rot schaltet, verarbeitet Ihr Gehirn diese Informationen und weist Sie dann an, anzuhalten. Dies geschieht langsam, indem Sie die Bremsen durch Ihre Beine betätigen (Aktion, die in der Umgebung ausgeführt wird).

Nehmen wir diese Erklärung und ziehen wir eine Analogie zum selbstfahrenden Auto

Selbstfahrende Autos

Eingang (Sensoren)

Zahlreiche Sensoren im Auto helfen dabei, den physikalischen Input aus der Umgebung zu erfassen. Unten ist ein Diagramm dargestellt, das verschiedene Sensoren darstellt. Die Positionen, Typen und Anzahl dieser Sensoren können jedoch je nach Design des Automobilherstellers variieren.

Die drei wichtigsten Sensoren, die automatisiertes Fahren ermöglichen, sind Kamera, Lidar und Radar.

1. Kamera: Der Kamerasensor erfasst Bilder und Videos je nach verwendeter Kamera im sichtbaren Licht oder sogar im Infrarotbereich. Der Kamerasensor dient als Auge des Autos und hilft dabei, viele Informationen über die Umgebung zu erhalten, z. B. welche Objekte in der Szene vorhanden sind und wo sie sich befinden, damit entsprechende Entscheidungen getroffen werden können.
2. LiDAR: Lichterkennung und Entfernungsmessung werden häufig in selbstfahrenden Autos eingesetzt, da sie ein vollständiges 360-Grad-3D-Bild der Umgebung liefern. Dies funktioniert durch das Sammeln der von den Objekten reflektierten Laserstrahlen. Die emittierten Laserstrahlen sind sicher und für das menschliche Auge nicht sichtbar. Der Vorteil von LiDAR gegenüber einer Kamera besteht darin, dass es bei jedem Wetter funktionieren kann, da es über eine eigene Lichtquelle verfügt und nicht auf sichtbares Licht angewiesen ist.
3. RADAR: Der Funkerkennungs- und Entfernungssensor sendet den Impuls eines Hochfrequenzsignals aus, das vom Objekt zurück zum Sensor reflektiert wird. Der Zeitunterschied zwischen ausgesendetem und empfangenem Signal hilft dabei, die Entfernung und Position eines Objekts relativ zu anderen Fahrzeugen abzuschätzen. Dies ergänzt den Vision-Sensor bei schlechten Sichtverhältnissen wie Nachtfahrten oder schlechten Wetterbedingungen. Er ist zuverlässiger für die Entfernungs-, Geschwindigkeits- und Reichweitenmessung, selbst bei schlechten Wetterbedingungen.

Eine von Kamera und Lidar erfasste Beispielszene wird zusammen mit erkannten Objekten von einem KI-Algorithmus angezeigt

Verarbeitung (KI & Hardware):

KI (Künstliche Intelligenz)

Sobald die Daten erfasst sind, werden sie von KI-Algorithmen auf verschiedenen leistungsstarken Hardwarekomponenten verarbeitet. Obwohl es verschiedene KI-Algorithmen gibt, sind Deep-Learning-Algorithmen in letzter Zeit der beliebteste KI-Algorithmus, der das Feld beschleunigt hat.

Deep-Learning-Algorithmen sind künstliche neuronale Netze, die von biologischen Neuronen inspiriert sind und in der Lage sind, direkt aus den Daten zu lernen (dies funktioniert so, als würde man einem Baby beibringen, was eine Katze und ein Hund sind, indem man ihnen die Katzen und Hunde oder deren Bilder zeigt). . Diese Algorithmen funktionieren durch den intelligenten Einsatz verschiedener mathematischer Konzepte im Bereich der linearen Algebra, Wahrscheinlichkeit, Statistik und Analysis.

Ein Beispiel für neuronale Netze und was sie lernen, ist unten dargestellt

Die beliebtesten Deep-Learning-Algorithmen, die verwendet werden, sind:

· Mehrschichtiges Perzeptron (vollständig verbundene neuronale Netze).

· Faltungs-Neuronale Netze.

· Wiederkehrende neuronale Netze.

· Verstärkungslernen.

Hardware (GPUs)

Wir können kein Produkt herausbringen, wenn wir nicht über die richtige Hardware verfügen. Die Entwicklung leistungsstarker GPUs (Graphical Processing Units) für KI hat den Aufstieg solch komplexer Algorithmen katapultiert.

Die GPUs wurden bisher im Gaming zur Bildverarbeitung eingesetzt. Im Gegensatz zur CPU (Central Processing Unit) sind sie zur Parallelverarbeitung fähig, was dazu beiträgt, den Rechenbedarf komplexer KI-Algorithmen zu decken.

Sehen Sie sich diese erstaunliche Demo von CPU vs. GPU an

Eine der GPUs von Nvidia ist unten abgebildet

Aktuatoren

Bevor verschiedene Kontrollmaßnahmen ergriffen werden können, gibt es noch eine weitere Komponente namens Routenplanung, die die Route und Flugbahn des Fahrzeugs plant. Darüber diskutieren wir hier nicht.

Sobald das Wissen aus den Sensordaten gewonnen ist, lernen die KI-Algorithmen die Umgebung kennen und definieren die richtige Aktion, z. B. die richtige Beschleunigung, Bremse oder Lenkradrichtung.

Vorteile selbstfahrender Autos

Einige der Vorteile, die selbstfahrende Autos bieten könnten

· Die durch menschliches Versagen verursachten Unfälle (abgelenktes Fahren, Trunkenheit am Steuer usw.) werden gemildert.

· Es könnte älteren, kranken oder behinderten Menschen einen sicheren und zuverlässigen Weg zur Arbeit ermöglichen.

· Es wird eine bessere Verkehrsregulierung ermöglichen.

· Es wird den Energieverbrauch optimieren und Emissionen reduzieren.

· Es wird viel Fahrzeit sparen.

Herausforderungen

Dieser Vorteil eines selbstfahrenden Autos ist vielversprechend und aufregend, birgt jedoch eine Vielzahl von Herausforderungen, die gemeistert werden müssen, bevor wir vollständig autonome Autos auf den Straßen sehen können. Einige Herausforderungen sind unten aufgeführt

· Da die Technologie auf komplexen Algorithmen basiert, wird sie über zahlreiche Softwareprogramme und Millionen von Codes verfügen, was ein Sicherheitsrisiko für Hacker darstellt.

· Eine weitere große Herausforderung wird ethischer und philosophischer Natur sein. Wer wird zum Beispiel im Falle von Unfällen (obwohl es weniger sein wird, die Möglichkeit lässt sich nicht ausschließen) dafür verantwortlich gemacht?

· Es gibt verschiedene Verhaltensentscheidungen und Kommunikationsmöglichkeiten, die von Menschen während der Fahrt getroffen werden. Wird das selbstfahrende Auto diese Aspekte berücksichtigen?

· Darüber hinaus sind die Kosten dieser Technologie immer noch hoch.

· Verschiedene demografische Regionen werden unterschiedliche Herausforderungen haben. Beispielsweise ist das Fahrszenario in Indien und Amerika unterschiedlich.

· Die Entwicklung eines Ökosystems, in dem unzählige selbstfahrende Autos fahren und miteinander kommunizieren, und die Umwelt werden ebenfalls eine Herausforderung sein.

Abschluss

Dies war nur ein kurzer Überblick über diese magische Technologie, die auf erstaunlicher und interessanter Wissenschaft und Technik beruht. Es gibt viele reale Tests für halbautonome und vollständig autonome Fahrzeuge, die von mehreren Unternehmen durchgeführt werden, die entschlossen sind, sie auf die Straße zu bringen.

Wenn Sie meine Artikel hilfreich finden und sie unterstützen möchten, kaufen Sie mir einen Kaffee