Hvad er selvkørende biler, og hvordan fungerer de?

Nøgle takeaways

• Selvkørende biler bruger en kombination af sensorer og kameraer til at skabe et 3D-billede af verden omkring dem, hvilket gør dem i stand til at køre sikkert uden megen indblanding fra føreren.
• Selvkørende biler falder ind under forskellige automatiseringsniveauer, lige fra biler, der kræver et menneske til at udføre enhver køreopgave, til biler, der kan køre på offentlig vej uden menneskelig indgriben.
• Selvkørende bilsoftware er stærkt afhængig af AI og maskinlæringsalgoritmer til at træffe beslutninger baseret på variabler i miljøet, og disse algoritmer forbedres med mere tid brugt på vejen.

Idealet til at skabe den perfekte selvkørende bil har været populært siden bilernes meget tidlige dage. Efter over et århundrede med innovation og teknologiske gennembrud er du tættere end nogensinde på at have en bil, der kan køre sig selv, med flere virksomheder, der arbejder på projekter, der allerede er på offentlige veje.

Men hvordan fungerer selvkørende biler? Og hvor tæt er du på at nå dine robo-chauffør-drømme?

Hvad er selvkørende biler?

Som navnet antyder, er selvkørende (også kaldet autonome) køretøjer biler, der kører sig selv. Mest moderne selvkørende biler kræve, at en chauffør er til stede for at tage over i nødstilfælde. Uden for nødsituationer eller situationer, hvor bilen begynder at agere uregelmæssigt, er det meningen, at den skal klare det meste af kørslen uden nogen form for førerindblanding.

Hvordan fungerer selvkørende biler?

Selvkørende biler bruger en kombination af sensorer og kameraer til at skabe et 3D-billede af verden omkring dem. Avanceret software bruges derefter til at opdage biler, mennesker og forhindringer på vejen, hvilket gør det muligt for køretøjet at køre sig selv sikkert, mens det følger færdselsreglerne.

Mange virksomheder arbejder på denne teknologi, og det betyder, at der er flere forskellige tilgange til at lave en selvkørende bil. Der er også tildelt forskellige niveauer til selvkørende biler med forskellige funktioner.

Booking og spring ind i en Waymo selvkørende taxa er en af ​​de nemmeste måder at prøve en selvkørende bil på, men du bliver nødt til at være i Arizona på din første Waymo-tur.

Selvkørende bilniveauer forklaret

De fleste af verdens selvkørende biler er ikke fuldt selvkørende modeller, og de falder ind under seks forskellige automatiseringsniveauer, der hver tilbyder bedre automatisering end de sidste.

• Niveau 0-biler har ingen automatisering og kræver et menneske til at udføre enhver køreopgave.
• Biler på niveau 1 har førerassistentfunktioner som fartpilot, men der kræves et menneske til at køre køretøjet.
• Niveau 2 biler har delvis automatisering. Det betyder, at de kan styre ting som at styre, men stadig kræver et menneske til at køre.
• Niveau 3 biler har betinget automatisering, der gør dem i stand til at reagere på omgivelserne for at udføre køreopgaver.
• Niveau 4 biler har høj automatisering, hvilket gør det muligt for bilen at køre sig selv fuldt ud inden for geofencerede områder.
• Niveau 5 biler har fuld automatisering og kan køre på offentlig vej uden menneskelig indgriben.

De første tre niveauer kræver alle et menneske til at styre køretøjet, mens det kører, mens de resterende tre kræver begrænset eller ingen menneskelig interaktion. Hvert niveau af køretøjsautomatisering er en milepæl, men niveau fem er det mest spændende og er det, mange virksomheder arbejder hårdt på at opnå.

Hardwaren bag selvkørende biler

Overraskende nok er hardwarebegrænsninger ikke et stort problem i det selvkørende bilrum. I teorien er de eneste sensorer, du skal bruge, for at en selvkørende bil kan fungere, almindelige kameraer, hvor softwarebehandling udfører det tunge løft. Selvfølgelig er det dog meget sikrere at bruge en række forskellige sensorer for at give softwaren så mange data som muligt.

Hvordan virker LiDAR i selvkørende biler?

Lysdetektion og rækkevidde, eller LiDAR, sensorer måler dybden for at producere en nøjagtig 3D-model af et selvkørende køretøjs omgivelser. Dette opnås ved at udsende millioner af laserimpulser hvert sekund og måle den tid, det tager for hver impuls at reflektere. Jo længere reflektionstiden er, jo længere er et objekt fra sensoren.

Dette hjælper en selvkørende bil med at forstå sit miljø og de omkringliggende genstande. Dette omfatter bygninger, mennesker og dyr, samt alt andet, køretøjet kører forbi. På en klar dag er LiDAR alt, hvad en bil behøver for at navigere i travle bymiljøer. Dens ydeevne falder dog gennem regn eller tåge, og det er derfor, selvkørende biler ikke kan stole på LiDAR som deres eneste sensortype.

Hvordan virker radar i selvkørende biler?

Radar udfører en lignende rolle som LiDAR på automatiserede køretøjer. I stedet for at udsende lasere, udsender den radiobølger og måler refleksioner fra genstande omkring dig. Målet er dog stadig at forstå miljøet omkring bilen.

LiDAR-sensorer har en opløsning, der er 10 gange større end radar, men radaren påvirkes ikke af dårlige vejrforhold. Radarsensorer er også billigere end LiDAR-sensorer.

Hvordan fungerer visuelle kameraer i selvkørende biler?

Virksomheder som Googles Waymo bruger en blanding af LiDAR, radar og almindelige kameraer til deres vigtigste sensorarrays. Tesla har på den anden side valgt at investere fuldt ud i almindelige kameraer og avanceret software til at navigere på veje autonomt.

Ansigtsgenkendelsesteknologi har eksisteret i lang tid, selvom den mest er blevet brugt på smartphones og avancerede sikkerhedsløsninger. Med selvkørende biler er målet at tage dette til næste niveau, med maskinlæringsdrevet objektgenkendelse, detektering af bygninger, biler, mennesker og alt andet omkring dit køretøj.

Andre selvkørende bilsensorer

Radar, LiDAR og almindelige kameraer er ofte hovedsensorerne i en selvkørende bil, men nogle køretøjer har flere. Yderligere hardware, såsom ultralydssensorer, giver bilen en endnu større forståelse af omgivelserne. Dette gør det muligt for selvkørende biler at reagere på ikke-visuelle signaler, som lyden af ​​en ambulances sirener.

Selvkørende bil "Hjerner"

Uanset om det er Tesla, Waymo eller et hvilket som helst andet selvkørende bilsystem, har alle disse køretøjer brug for en central computer eller "hjerne", til at behandle dataene fra deres sensorer. Nvidias Drive AGX-platform er et førende eksempel på dette, men nogle bilproducenter vælger at udvikle denne type teknologi internt.

Softwaren bag selvkørende biler

At bygge funktionel software til selvkørende biler er en af ​​de største udfordringer, som producenterne står over for. Det er relativt nemt at lave et program, der bruger vejmarkeringer og lokaliseringsdata til at følge moderne veje. Men hvad sker der, hvis en anden bil skærer dig af, eller et dyr løber ud på vejen?

Veje er ikke forudsigelige steder. Software til selvkørende biler skal være i stand til at reagere på en lang række forskellige situationer, hvoraf mange er umulige at forprogrammere.

AI og maskinlæring i selvkørende biler

AI er kernen i den selvkørende bilindustri. I bund og grund sigter autonome køretøjer som dette på at efterligne den menneskelige hjerne, mens de kører, hvilket betyder, at de skal være i stand til at træffe beslutninger baseret på en lang række variabler. Dette inkluderer vejkryds og vejskilte, der er en del af vejen, sammen med køretøjer, mennesker og andre forhindringer, som en almindelig bilist normalt ville være opmærksom på.

Det ville være alt for tidskrævende for mennesker at skabe databaser og algoritmer, der perfekt genkender alt på vejen. I stedet bruger producenter som Tesla maskinlæring til at træne deres algoritmer og forbedre dem.

De maskinlæringsalgoritmer, der findes i selvkørende biler, skal starte med nogle grundlæggende data, men en stor del af deres læring foregår på vejen. Det er det, der gør det så afgørende, at virksomheder kan teste deres biler på rigtige veje, men det betyder også, at selvkørende biler kun bliver bedre, jo mere de kører.

En fodgænger, der træder ud på vejen, er en god testcase for selvkørende bil maskinlæring. Bilen har flere muligheder i dette scenarie; den kan forsøge at svinge rundt om fodgængeren, slå bremserne i og forsøge at stoppe, eller bruge hornet til at advare fodgængeren. De fleste selvkørende biler vil tage en aktiv tilgang til forhindringer som denne og udelukke den sidste mulighed.

Herfra skal den beslutte, om det er bedst at svinge eller bremse, idet ting som hastighed, distance, vejrforhold og en række andre miljøfaktorer indregnes. Hvis en svingning ville bringe bilen ind på vejen for modkørende, for eksempel, vil den sandsynligvis vælge at bruge bremserne.

At undlade at reagere ordentligt og at reagere ordentligt hjælper begge en selvkørende bil til at lære at tackle lignende problemer i fremtiden. Ideelt set deles disse data mellem selvkørende biler for at sikre, at de kan forbedre sig sammen.

Ved siden af ​​AI er der en masse anden software bag kulisserne i en selvkørende bil. GPS-kortlægningssystemer hjælper bilen med at navigere præcist på vejene, mens førerovervågningssystemer sikrer, at personen bag rattet er fokuseret, selv i selvkørende tilstand.

Hvert selvkørende bilfirma har en forskellig tilgang til software, og det betyder, at det er sjældent, at de er åbne om, hvordan deres værktøjer fungerer.

Er selvkørende biler sikre?

Det er rimeligt at stille spørgsmålstegn ved sikkerheden af ​​moderne selvkørende biler, især med den voksende liste over dødsfald og kvæstelser forbundet med autonom kørsel. Som du kan se fra udbredelsen af ​​overvågningssystemer for førerbevidsthed i mange selvkørende biler, ved selv deres producenter, at de ikke er perfekte endnu.

Men det er ikke meningen. Selvkørende biler har stadig lang vej igen. Det betyder, at autonome bilfans skal vente lidt længere for at få fingrene i et AI-styret køretøj, der kører sig selv og måske endda kan tage sig selv tilbage.