Marzenie o autonomii
Po raz pierwszy wizja autonomicznego transportu drogowego na masową skalę pojawiła się… nie, nie w latach 80-tych, czy 90-tych ubiegłego wieku. Znacznie wcześniej. Co prawda nie użyto wtedy słów “autonomiczny samochód”, ale dostrzeżono wówczas zależność autonomii od możliwości nie tyle samego pojazdu, co otaczającej go infrastruktury. Śmiałą wizję przyszłego świata przedstawił koncern General Motors na zorganizowanej przez siebie wystawie o nazwie “Futurama”, zaprezentowanej na światowych targach World Fair w… 1939 roku! Poniżej film prezentujący tę wizję. Kwestia dotycząca samochodów i transportu jest w nim poruszona jedynie fragmentarycznie, ale cały 23 minutowy film jest bardzo ciekawym materiałem, pokazującym wyobrażenia ludzi z czasów poprzedzających II Wojnę Światową na temat przyszłości świata.
Najpierw był autopilot
Dowodem na to, że budowa środka transportu zdolnego w pewnym stopniu do samosterowalności nie wymaga w ogóle użycia komputerów jest branża lotnicza. Jest to o tyle ciekawe, że lotnictwo stało się faktem później niż motoryzacja, ale pierwszy autopilot, czyli system zdolny do samodzielnego kierowania lotem, powstał znacznie wcześniej, nim w motoryzacji w ogóle ktokolwiek choćby pomyślał o autonomii. Bracia Wright, pionierzy lotnictwa wznieśli swój pierwszy samolot – Wright Flyer – w grudniu 1903 roku. Tę datę zna każdy fan lotnictwa, ale już znacznie mniej osób pamięta, że pierwszy lotniczy autopilot świata powstał zaledwie 9 lat po sukcesie braci Wright, 105 lat temu!
Wynalazcą pierwszego rozwiązania był amerykański pilot i konstruktor Lawrence Sperry. Sperry miał dobrych nauczycieli, jego ojciec – Elmer Ambrose Sperry – był uznanym wynalazcą, posiadaczem ponad 400 patentów. Kluczowym wynalazkiem, który pomógł Sperry’emu opracować pierwszego w historii autopilota lotniczego był wynaleziony przez jego ojca w 1910 roku kompas żyroskopowy, a także autopilot żyroskopowy wykorzystywany w transporcie morskim.
Nic dziwnego zatem, że Lawrence Sperry miał ułatwione zadanie. Ponieważ był od zawsze zafascynowany lotnictwem, już w wieku 19 lat pracował nad systemem, który miał zrewolucjonizować lotnictwo. Dopiął swego prezentując w 1912 roku pierwszy lotniczy system automatycznego pilotażu w sposób bardzo widowiskowy: wychodząc w trakcie lotu na skrzydło swojego aeroplanu i pozwalając skonstruowanemu przez siebie autopilotowi kontynuować lot. Sperry umiał zrobić wrażenie. Opracowany przez niego mechanizm był stosunkowo prosty: połączył on żyroskopowy kompas zbudowany przez swojego ojca z kontrolowanymi hydraulicznie lotkami i sterami samolotu. Ten jak najbardziej analogowy system zdał egzamin i przez długie lata w zmienionej formie funkcjonował w branży lotniczej. Jednak dziś, gdy mówimy o autonomii w transporcie, najczęściej samochodowym, to nawet nie próbujemy wyobrażać sobie jakiegokolwiek rozwiązania stworzonego w oderwaniu od komputerów i technologii cyfrowych. Porzućmy zatem fascynujące historie z przeszłości na rzecz teraźniejszości. Co to znaczy, ze samochód jest autonomiczny?
Poziomy automatyzacji
Zacznijmy od tego, jak w ogóle różnicowana jest automatyzacja pojazdów? Firmy zajmujące się badaniami, projektowaniem i produkowaniem jakichkolwiek systemów mających cokolwiek wspólnego z autonomicznymi pojazdami, definiują poziom autonomii w oparciu o tzw. SAE International standard J3016. Spójrzmy na poniższy wykres.
Pierwsze trzy poziomy oznaczają pojazd nieautonomiczny. Nawet wtedy, gdy pojazd (np. spełniający kryteria poziomu 2) ma wbudowane pewne systemy wspomagające pracę kierowcy. Jednak kluczowe jest to, że dla poziomów 0, 1 i 2 to kierowca – człowiek – odpowiada za monitorowanie otoczenia, a więc dany pojazd nie może być uznany nawet za częściowo autonomiczny. Na wyższych poziomach (3, 4 i 5) otoczenie jest monitorowane przez komputerowy system pokładowy, wspomagany przez zespół różnego typu sensorów, kamer i czujników.
Powyższa tabela przedstawia dokładniejsze wyjaśnienie, jak interpretowane są poszczególne poziomy autonomii określone w standardzie SAE J3016. Organizacja SAE ustalając poziomy automatyzacji posługuje się pewnymi terminami – takimi jak np. dynamic driving task, driving mode czy request to intervene. Jak je rozumieć?
Dynamic driving task, czyli “zadanie dynamicznego kierowania pojazdem”, to pojęcie zawierające w sobie szereg czynności operacyjnych i taktycznych wykonywanych przez kierowcę. Brzmi groźnie, ale za czynności operacyjne kierowcy uważa się po prostu: sterowanie, hamowanie, przyspieszanie, obserwowanie drogi, jej bezpośredniego otoczenia, a także monitorowanie parametrów pracy pojazdu (prędkość, obroty silnika, biegi, temperatura itp.). Natomiast czynności taktyczne to np. reagowanie na wydarzenia na drodze, podejmowanie decyzji, czy i kiedy zmienić pas, skręcanie, używanie sygnalizacji dźwiękowej i świetlnej itd. SAE podkreśla, że “zadanie dynamicznego kierowania pojazdem” nie obejmuje czynności strategicznych, takich jak np. określanie lokalizacji i trasy do celu. Wszak w wielu samochodach korzystamy z nawigacji samochodowych, ale ich obecność w żadnym stopniu nie podnosi autonomii pojazdu, bo to wciąż kierowca decyduje praktycznie o wszystkim.
Termin driving mode (czyli “tryb jazdy”) w rozumieniu SAE to po prostu określony scenariusz jazdy zawierający specyficzne dla niego czynności (np. szybka jazda autostradą, wolna jazda w miejskim korku itp.). Z kolei request to intervene jest pojęciem już ściśle związanym z autonomicznymi pojazdami i oznacza specyficzny typ powiadomień generowanych przez system komputerowy pojazdu, zawierających żądanie reakcji. Tego typu powiadomienia to cecha pojazdów częściowo autonomicznych.
W praktyce poziom 0 oznacza po prostu brak autonomii, poziomy 1 i 2 to systemy wspomagające kierowcę, ale ten wciąż powinien mieć cały czas ręce na kierownicy. Dziś są już na rynku auta dysponujące autonomią na poziomie 3, kiedy samochód jest wyposażony w funkcję “autopilota” (vide modele marki Tesla – patrz powyższy film), ale od kierowcy wciąż wymaga się reakcji na powiadomienia. Coraz więcej firm pracuje jednak nad bardziej zaawansowanymi samochodami autonomicznymi, które można byłoby zaliczyć do poziomu 4, kiedy “kierowca” może w trakcie podróży nie tylko zdjąć ręce z kierownicy, ale wręcz uciąć sobie drzemkę. I nie chodzi nam tu o pojazdy Google. Tym razem przyjrzymy się Intelowi.
Intel buduje flotę
Intel to firma, która kojarzy się raczej z procesorami i generalnie komponentami sprzętowymi komputerów odpowiedzialnymi za ich moc obliczeniową. Jednak procesorowy gigant z Santa Clara już dawno zauważył potencjał rozwojowy w branży autonomicznych pojazdów. Nie on jeden. Różne źródła zajmujące się analizami tego rynku wieszczą, że już w 2020 roku na drogach świata będzie poruszać się 10 milionów autonomicznych aut. Brytyjski IHS Markit idzie jeszcze dalej prognozując sprzedaż autonomicznych pojazdów na poziomie 21 milionów sztuk rocznie już w 2035 roku. Wróćmy jednak do Intela i jego działań na polu autonomii w transporcie drogowym.
Szczególnie istotnym krokiem Intela na drodze do budowania własnego działu zajmującego się autonomicznymi samochodami jest niedawno zakończone (w sierpniu br.) przejęcie przez Intela firmy Mobileye, za 15 miliardów dolarów. Wyłożenie tak olbrzymiej sumy na Mobileye to najlepszy dowód, że Intel poważnie myśli o swoim udziale w rynku autonomicznych pojazdów.
To właśnie Mobileye, już w nowej roli jako spółka stanowiąca własność Intela, będzie budować flotę autonomicznych samochodów Jak bardzo autonomicznych? Zgodnie z danymi Intela, jeszcze w tym roku ma być gotowych 100 testowych samochodów o autonomii na poziomie 4 wg standardu SAE, które następnie będą testowane na drogach Stanów Zjednoczonych, w Europie i w Izraelu. Oczywiście nie będą to auta zbudowane od podstaw, lecz zmodyfikowane pojazdy wielu różnych marek. Celem jest zbudowanie kompletnego systemu typu “car-to-cloud”, w którym autonomiczny pojazd będzie mógł wymieniać informacje z chmurą danych i czerpać z niej dodatkowe dane na temat otoczenia. Dzięki takiemu rozwiązaniu samochód będzie “wiedział” i “widział” więcej, niż człowiek-kierowca kiedykolwiek będzie mógł.
Po co Intelowi tak duża flota autonomicznych pojazdów? Wyjaśnia to profesor Amnon Shashua z Uniwersytetu Hebrajskiego w Jerozolimie, współzałożyciel Mobileye, a obecnie jeden z wiceprezesów Intela: “budowa samochodów i testowanie ich w rzeczywistych warunkach zapewni natychmiastowe informacje zwrotne i przyśpieszy dostarczanie rozwiązań i technologii dla całkowicie autonomicznych pojazdów”. Shashua wyjaśnia również czemu firma zdecydowała się na przeprowadzanie testów w różnych częściach świata, mówiąc: “Różnorodność geograficzna jest bardzo ważna, ponieważ różne rejony mają zróżnicowane style jazdy, różne warunki drogowe i oznakowanie”. Celem Intela jest opracowanie technologii autonomicznych pojazdów, z której można byłoby korzystać gdziekolwiek na świecie. To oznacza, że testy, a także uczenie algorytmów wbudowanych w pojazdy autonomiczne trzeba przeprowadzać w różnych lokalizacjach przy uwzględnieniu zróżnicowanych warunków drogowych.
Gigabajt na sekundę
Opracowanie samochodu, który poradzi sobie w każdych warunkach drogowych, wymaga zarówno wydajnego systemu łączności, dużej mocy obliczeniowej, sprawnych i wytrzymałych sensorów dostarczających informacji o otoczeniu. Każdy z elementów systemu autonomicznego pojazdu przetwarza i generuje spore ilości danych. Jest ich tyle, że zdaniem Intela autonomiczne pojazdy będą musiały dysponować mocą obliczeniową pozwalającą przetwarzać 1 GB danych w ciągu sekundy. Zachowanie rygoru czasu rzeczywistego nie powinno dziwić – mówimy przecież o samochodach znajdujących się w ruchu i przewożących ludzi. Jakiekolwiek opóźnienia w przetwarzaniu informacji, czy błędy mogą mieć poważne konsekwencje.
Sama szybkość przetwarzania danych to jednak nie wszystko. Problem polega na tym, że praktyczna realizacja pojazdów autonomicznych oznacza generowanie i gromadzenie przez nie olbrzymich ilości danych (zdaniem Intela nawet 4000 GB dziennie). I to zarówno z sensorów wbudowanych w auto, jak i otrzymywanych z zewnątrz. Oznacza to, że oprócz wydajnego przetwarzania wewnętrznego konieczna jest jeszcze superwydajna sieć. Nie jest jednak możliwe przesyłanie wszystkiego do chmury, przetwarzanie tego w czasie rzeczywistym, a następnie odsyłanie do przemieszczającego się samochodu. Dane muszą być przetwarzane na miejscu – w samym pojeździe.
Jack Weast, szef inżynierów Intela pracujących w dziale autonomicznych systemów, stwierdza wprost: “Długo czekaliśmy na to, by dotrzeć do punktu, w którym nauka stojąca za systemami autonomicznymi okaże się na tyle dojrzała, że będziemy w stanie wprowadzić tę wizję (w pełni autonomicznych samochodów – przyp. red.) w rzeczywistość”. Co prawda jeszcze tego nie osiągnęliśmy, ale – jak twierdzi Weast – jesteśmy naprawdę blisko.
Jednak zdaniem Intela, zastosowanie nawet najbardziej wydajnej i wyrafinowanej elektroniki to wciąż za mało. Moc obliczeniowa zdolna do przetworzenia dużych ilości danych w czasie rzeczywistym to warunek konieczny do budowy prawdziwie autonomicznego samochodu. Konieczny, a i tak niewystarczający. Pojazd zdolny do samodzielnego podjęcia decyzji podczas ruchu na drodze, powinien wiedzieć o swoim otoczeniu jak najwięcej, a dane te powinien gromadzić nie tylko za pomocą sensorów, ale także odbierać od innych pojazdów i aktywnych systemów stanowiących element infrastruktury drogowej przyszłości.
Platforma Intel Go – bo samochód musi “wiedzieć”
Autonomiczny pojazd to urządzenie naszpikowane różnego typu sensorami. Nie wystarczą same kamery, gdyż zarejestrują co prawda np. pasy ruchu, znaki drogowe, inne pojazdy czy pieszych, ale nie odróżnią faktycznych obiektów od np. “osoby” wyciętej z kartonu. Do tego potrzebne są czujniki radarowe, analizujące głębię, odległość. Sensory ultradźwiękowe pomagają pojazdowi “odnaleźć” się w ruchu w stosunku do innych jego uczestników. Jednak nawet najbardziej rozbudowany zestaw czujników będzie pozbawiony sensu bez odpowiedniej mocy obliczeniowej. Intel ma jednak na to odpowiedź: opracowaną przez siebie platformę sprzętowo-programistyczną Intel Go.
Jak widać na powyższej infografice, Intel założył, że ekosystem cyfrowy autonomicznego pojazdu winien składać się z czterech kluczowych obszarów: centrum danych, centrum obliczeniowego, odpowiednio wydajnej łączności i efektywnego interfejsu człowiek-maszyna. Przyjrzyjmy się im bliżej.
Centrum danych oznacza w tym przypadku po prostu centrum (serwerownię) gromadzące dane pochodzące od możliwie jak największej liczby autonomicznych i semi-automatycznych pojazdów. Takie centrum, przetwarzając otrzymywane informacje, dysponować będzie zbiorami danych, pozwalającymi opracowywać skuteczne algorytmy głębokiego uczenia maszynowego, a także umożliwiałoby precyzyjne zarządzanie całymi flotami. Intel twierdzi, że tylko on jest w stanie dostarczyć technologię centrum danych spełniającą wymagania autonomicznego transportu.
Centrum obliczeniowe autonomicznego pojazdu
Centrum obliczeniowe to komputer pokładowy o wysokiej mocy obliczeniowej, niezbędnej do tego, by autonomiczny pojazd podejmował decyzje w czasie rzeczywistym. Co ważne, Intel zwraca uwagę nie tylko na wydajność, ale również na bezpieczeństwo danych, które zdaniem potentata z Santa Clara jest kluczową kwestią w świecie IoT i autonomicznych urządzeń połączonych.
Intel proponuje dwa rodzaje platform sprzętowych dla autonomicznych samochodów. Pierwsza z dwóch platform Intel Go, to rozwiązanie oparte na procesorze Intel Atom C3000. Można dyskutować czy Atom może być uznany za “superwydajny” układ, jednak jest to opcja dedykowana rozwiązaniom, w których kluczową kwestią jest niski pobór energii. A gdy przeliczymy moc obliczeniową w przeliczeniu na pojedynczy wat energii, Atom wypada nadspodziewanie dobrze.
Intel Go w wersji opartej na układzie Intel Atom ma zapewniać wystarczającą moc dla samochodów o częściowej autonomii (poziom 3 wg skali SAE International), na “czwórkę” potrzeba czegoś więcej.
Gdy kluczową kwestią jest przede wszystkim moc obliczeniowa, a nie efektywność energetyczna, Intel proponuje jednostkę zbudowaną w oparciu o najbardziej wydajne w swoim portfolio układy Intel Xeon. Intel Go z procesorami Xeon ma zapewnić moc obliczeniową wystarczającą do uzyskania przez pojazd autonomii na poziomie 4 oraz 5 wg skali SAE. Oznacza to praktycznie w pełni autonomiczne pojazdy (przypomnijmy – poziom piąty zakłada w ogóle brak stanowiska kierowcy w pojeździe).
Wydajna łączność
Autonomiczny pojazd wymaga stałej łączności. Łączności, która nie tylko umożliwiałaby wymianę danych pomiędzy pokładowymi algorytmami sterującymi pojazdem a otoczeniem, ale również zapewniała by łączność pasażerów ze światem, wszak dobrze byłoby móc w trakcie podróży autonomicznym samochodem obejrzeć sobie strumieniowany odcinek ulubionego serialu, naturalnie w rozdzielczości 4K/Ultra HD. To narzuca olbrzymie wymagania pokładowemu systemowi łączności i w ogóle całej infrastrukturze komunikacyjnej. Odpowiedź co prawda istnieje: 5G, ale zanim jeszcze tego typu łączność będzie zapewniona na masową skalę, potrzebujemy jeszcze trochę czasu. Intel zaprezentował swoją własną platformę łączności 5G dla segmentu autonomicznego transportu już w lutym 2017 roku, dzięki czemu producenci samochodów czy operatorzy telekomunikacyjni mogą już testować odpowiednie rozwiązania.
System łączności opracowany przez Intela jest na tyle ciekawy, że warto mu się przyjrzeć. Moduł samochodowej łączności 5G zbudowano w oparciu o układy FPGA Intel Arria 10 i zaawansowane moduły RFIC. Zapewnia on łączność z wykorzystaniem wielowarstwowej transmisji MIMO w pasmach 6 GHz i 28 GHz (jednocześnie), kanał zwrotny umożliwia model Intel XMM 7360 LTE. Całość pozwala na osiągnięcie szybkości transmisji sięgającej 7 Gbit/s, tak – siedem gigabitów w ciągu sekundy.
Interfejs człowiek – maszyna
Ostatnim elementem platformy Intel Go jest interfejs umożliwiający porozumiewanie się człowieka z maszyną. Ten etap jest na razie bardziej konceptem niż komercyjnie gotowym rozwiązaniem, ale wiadomo, że autonomiczne pojazdy nie tylko będą wyposażone w liczne ekrany informacyjne, ale także pozwolą na wydawanie człowiekowi poleceń w języku naturalnym. W grę wchodzi również synchronizacja danych pomiędzy urządzeniami mobilnymi pasażera a pokładowymi systemami autonomicznego pojazdu. Nie można zapominać także o multimediach i rozrywce, przecież podróż autonomicznymi samochodami nie może być nudna.
Czy to ma sens? Jak najbardziej
Po co w ogóle autonomia w ruchu drogowym? Głównie dlatego, by chronić nas samych. W pełni autonomiczne samochody będące częścią zunifikowanego, zautomatyzowanego systemu transportowego, to pojazdy praktycznie całkowicie bezwypadkowe. Już dziś odnotowuje się – w przypadku samochodów częściowo autonomicznych (jak np. wyposażone w funkcje autopilota modele marki Tesla) – znaczący spadek liczby wypadków. Amerykańska agencja bezpieczeństwa drogowego potwierdziła skuteczność funkcji autopilota w Tesli ustalając, iż system ten odpowiada za zmniejszenie liczby wypadków o 40 procent. A pamiętajmy, że mowa o niepełnej autonomii w ruchu, w którym wciąż większość pojazdów jest kierowana przez ludzi, którzy w przeciwieństwie do maszyn, potrafią być nieobliczalni.
Obecnie, według danych ASIRT (Association for Safe International Road Travel) każdego roku na całym świecie w wypadkach drogowych ginie blisko 1,3 miliona ludzi, a dalsze ok. 20 milionów jest rannych lub zostaje kalekami. Ze względu na rozproszenie nasze umysły nie są w stanie wyobrazić sobie skali tragedii. To wyobraźcie sobie to: liczba ofiar wypadków drogowych każdego roku jest blisko 14-krotnie większa od liczby ofiar bomby atomowej zrzuconej w 1945 roku na Hiroshimę. Dzięki autonomicznym samochodom wprowadzonym na masową skalę mamy szansę zmniejszyć ją do wartości bliskiej zeru. Jest zatem o co walczyć.
Wszystkim, którzy chcieliby jeszcze bardziej pogłębić wiedzę dotyczącą opisywanych zagadnień polecamy lekturę źródeł, z których korzystano podczas opracowywania niniejszego materiału:
- The story of the world’s first autopilot
- SAE International – Automated Driving (dokument PDF)
- Autonomous Cars: The Road Ahead
- Intel kick-starts Mobileye integration with plans to build fleet of 100 L4 autonomous test cars
- Statystyki bezpieczeństwa ruchu drogowego (globalnie) wg ASIRT
| CHIP