Navigacija prema budućnosti autonomnih vozila

Automobili bez vozača kruže u vijestima. Kako tehnologija napreduje, postoje šanse da ćemo ih uskoro vidjeti na cestama. Iako su automobili bez vozača postigli izuzetne rezultate u simulacijskim testovima i ispitivanjima, još uvijek je izazov ponoviti uspjeh u scenarijima stvarnog svijeta gdje moraju komunicirati s nepredvidivim situacijama koje proizlaze iz drugih vozila, pješaka i raznih drugih varijabli u njihovoj okolini. A navigacija kroz njih neprimjetno i sigurno i dalje ostaje problem. Takvi su scenariji vrlo mogući kada naiđete na više traka i raskrižja, pa postaje još teže sigurno se kretati.
Stoga se na mnogim mjestima u svijetu bilježi agresivno istraživanje i razvoj za rješavanje takvih problema. 

Jedan od nedavnih razvoja Sveučilišta Stanford izgleda prilično obećavajuće 

LUCIDGames Sveučilišta Stanford nedavno je stvorio algoritam koji može predvidjeti i planirati prilagodljive putanje za autonomna vozila. Ova tehnika koristi algoritam temeljen na teoriji igara i metodi procjene. LUCIDGames može brzo identificirati ciljeve i automobila i pješaka u njihovoj blizini. To im omogućuje predviđanje što će ti različiti elementi učiniti u budućnosti, čak i u složenim situacijama.

Kada su u pitanju autonomna vozila, postoje određene razine koje definiraju opseg automatizacije, a razina 0 su tradicionalni automobili na koje smo svi do sada navikli. Ovu taksonomiju daje SAE international i evo što ona znači: 

Razine tehnologije autonomnih vozila

Razina 1
Tempomat ili adaptivni nadzor primjer je razine 1 gdje automobil i vozač dijele kontrolu. Vozač se brine za upravljanje dok autonomni sustav upravlja gasom i kočenjem pri unaprijed određenoj brzini. Pomoć pri parkiranju i pomoć pri održavanju trake primjeri su razine 1.

Razina 2 
Automatizirani sustav može u potpunosti upravljati upravljanjem, ubrzanjem i kočenjem, iako bi vozač trebao biti u stanju pripravnosti u slučaju da sustav zakaže. Postoje senzori za praćenje pozornosti vozača praćenjem pokreta očiju.

Razina 3
U razini 3 automatizacije automobil može sam voziti u većini scenarija i vozač ne mora obraćati pažnju na vožnju. Postoje određeni postavljeni uvjeti za prikaz kamere, vrijeme, GPS itd. kojih se treba pridržavati da bi automobil radio u potpuno automatiziranom načinu rada. Vozač bi ipak trebao intervenirati u slučaju da neki od ovih uvjeta nije ispunjen. 

Razina 4
Razina 4 automatizacije uključuje inteligentne sustave koji možda čak i nemaju upravljač, gdje se od vozača ne mora zahtijevati da bude budan ili da može ponovno preuzeti kontrolu. Ova bi se razina uglavnom odnosila na robotizirane taksije ili sustave dostave u određenim područjima gdje su ispunjeni unaprijed određeni optimalni uvjeti.

Razina 5
S automatizacijom razine 5 automobilu ne bi bio potreban ljudski nadzor. Mogao bi se kretati kroz sve površine, vremenske prilike i situacije. Dok se razina 4 već istražuje, automatizacija razine 5 još je uvijek presložena za implementaciju.

Dakle, kakav je status kada se radi o složenim razinama, odnosno razini 3 i nakon toga?
Pa, pokazalo se da se u ovom prostoru zapravo događa dosta razvoja. 

Baidu Apollo integrirani AI sustav omogućuje vozilima da rade bez vozača unutar vozila. Koristi 5G omogućenu teleoperaciju u svojim vozilima kako bi osigurao da nema neželjenih incidenata.
Cruise, tvrtka za samovozeće automobile povezana s GM-om i Hondom, u San Franciscu testira automobile bez vozača bez sigurnog vozača za upravljačem. Ovo je jedan od rijetkih primjera testiranja automobila bez vozača u složenom okruženju užurbanog grada.

Cruise je tek nedavno pokazao svoje mogućnosti razine 4, dok je Google (Waymo) najavio da će svoju taksi uslugu razine 4 učiniti dostupnom korisnicima. Cruise je prvotno planirao lansiranje svojih komercijalnih taksija bez vozača 2019., ali to nije uspjelo.

Međutim, usprkos takvom naprednom razvoju, sigurnost je i dalje glavna briga za potrošačku prihvatljivost automobila bez vozača. 
Vozila se opremaju složenom tehnologijom kako bi se izbjegle nesreće. Višestruki LIDAR-i raspoređeni su po površini vozila zajedno s nekoliko kamera i radara kako bi imali preklapajuća senzorska polja. Ovo služi ne samo za povećanje vidljivosti prepreka na putu vozila, već i za izbjegavanje mrtvih kutova.

Uz toliko toga što se događa u domeni automobila bez vozača, očito je da bi i IP trendovi mogli svjedočiti velikoj aktivnosti. Očekuje se da će i mnogi startupi iskoristiti ovaj prostor. Nadalje, domena je svjedok mnogih međuindustrijskih aktivnosti i suradnji.

U 2020. Ford je bio najaktivniji podnositelj zahtjeva za navigaciju i upravljačke sustave vozila, a slijede ga Toyota Motor Corp. & LG Electronics Inc. Intel planira dodati radar i LIDAR, laserski sustav za 3D pogled na cestu kako bi poboljšao svoju tehnologiju samovožnje do 2025.

Oxbotica – jedan od pionira autonomne tehnologije sada je prikupio 47 milijuna dolara u financiranju serije B od BP-a, BGF-a, Halme, Tencenta, Venture Sciencea i drugih. Oxbotica nastoji iskoristiti prilike u industrijskim tvrtkama za sektore poput rudarstva, lučke logistike i off-road primjene. Softver za autonomna vozila može se priključiti na industrijska vozila za upravljanje voznim parkom, navigaciju i percepciju.

Qualcommova Snapdragon Automotive 5G Platforma i Snapdragon Automotive Cockpit Platforma treće generacije bit će ugrađeni u NIO-ov vodeći sedan. NIO koji je lansirao EP3 – jedan od najbržih električnih automobila na svijetu, sada koristi Qualcommovu stručnost u računalstvu i povezivosti kako bi poboljšao svoju tehnologiju pametne mobilnosti.

Velodyne Lidar potpisao je višegodišnji ugovor s tvrtkom Motional – zajedničkim pothvatom Hyundai & Aptiv Autonomous Driving za Alpha Prime senzore za pružanje dalekometne vizije za vozila autonomne razine 4. Velodyneova patentirana tehnologija percepcije od 360 stupnjeva omogućuje autonomnu vožnju po kiši, snijegu, susnježici kao iu složenim urbanim okruženjima. 

Budućnost navigacije autonomnih vozila

Sigurnost je i dalje najveća briga za proizvođače i potrošače automobila. Fokus je na rješavanju manje uobičajenih cestovnih scenarija koji se razlikuju od normalnih uvjeta na cesti. Postojeći skup senzora na AV-u još uvijek je nedovoljan za rješavanje svake mogućnosti. Istraživači istražuju tehnologije kao što su termalno snimanje, dugovalne IR kamere osim naprednih LIDAR, ultrazvučnih ili radarskih senzora. Višestruki FIR senzori pokazat će se korisnima dok radimo na potpuno autonomnim automobilima u budućnosti.