Teknologi Kendaraan Otonom

Dengan Begitu Banyak Pihak, Mengemudi Sendiri Lebih Dekat Dari yang Anda Pikirkan

Di blog terakhir kami, kami berbicara tentang beberapa pemain utama dalam kendaraan otonom dan seberapa cepat teknologi berkembang. Sedikit yang kami tahu bahwa, hanya beberapa hari setelah posting kami, akan ada gangguan besar yang melibatkan satu aplikasi mobil self-driving yang sangat menonjol. Tak lama setelah 14 Desember 2016, peluncuran layanan taksi swakemudi Uber di San Francisco, CA, muncul video yang menunjukkan salah satu kendaraan mengemudi otonom menerobos lampu merah. Meskipun Uber mengatakan mobil itu sedang dioperasikan oleh pengemudi manusia pada saat itu dan tidak ada penumpang di dalamnya, dampaknya cepat:Hanya seminggu setelah diluncurkan, Uber menarik mobil self-driving-nya dari jalan ketika negara bagian California mencabutnya. pendaftaran mobil.

Jelas, akan ada beberapa jalan memutar dalam perjalanan dari ide bagus ke mobil self-driving untuk semua. Namun yang dapat kami katakan dengan pasti adalah, bahkan dengan kemunduran sesekali, teknologi di balik kendaraan otonom terus bergerak maju, mendorong kami untuk secara drastis memikirkan kembali mesin yang membawa kami dari titik A ke titik B.

Di Mana Mobil Otonom Sekarang — dan Ke Mana Mereka Akan Pergi?

Perbedaan mendasar antara otomatisasi pada mobil yang saat ini kita kendarai sehari-hari dan pada kendaraan mengemudi otonom di masa depan yang tidak terlalu jauh berkaitan terutama dengan tingkat keterlibatan pengemudi. Banyak kendaraan baru saat ini sudah menyertakan berbagai kontrol yang secara otomatis menangani aspek tertentu dalam berkendara untuk kami, seperti pengereman berbantuan dan kontrol jelajah adaptif — hal-hal yang dianggap sebagai otomatisasi level 1.

Mobil otonom yang tersedia secara komersial saat ini berada di sekitar level 2 otomatisasi; contoh yang baik adalah kemampuan bantuan pengemudi semi-otonom ("autopilot") Tesla yang kami bicarakan di blog terakhir kami tentang kendaraan otonom. Sebagian besar prototipe yang diuji berada di level 3, di mana pengemudi aman untuk tidak memperhatikan dalam situasi tertentu, atau level 4, di mana pengemudi tidak perlu terlibat kecuali ada cuaca buruk atau kondisi jalan yang tidak terduga. Namun, seperti yang ditunjukkan oleh penelitian, "pengemudi" manusia yang memeriksa teks atau tertidur tidak dapat memperoleh kembali perhatian dan fokus dengan cukup cepat untuk bereaksi dengan benar dan cukup cepat untuk mendapatkan kembali kendali dan mengambil tindakan efektif dalam situasi darurat yang akan segera terjadi. Oleh karena itu, banyak produsen menyimpulkan bahwa level 3 dan 4 tidak akan berfungsi, karena fail-safe — manusia — tidak mampu merespons dengan cukup cepat untuk menghindari bahaya bagi diri mereka sendiri atau orang lain.

Tingkat otomatisasi tertinggi adalah level 5, di mana pengemudi tidak perlu hadir sama sekali. Ini adalah teknologi yang dibutuhkan untuk futurisme ride-sharing penuh. Itulah skenario yang dibayangkan di mana tidak ada yang memiliki mobil; sebaliknya, Anda hanya memanggil kendaraan dan datang untuk menjemput Anda. Konsep kendaraan otonom dari Google dan Mercedes adalah level 5, menggunakan nol masukan manusia kecuali tujuan yang diinginkan.

Apa Kekuatan Otomasi?

Sementara pembuat mobil dan pemain lain berhati-hati untuk mengungkapkan terlalu banyak detail, ada beberapa komponen teknologi dasar yang kita tahu merupakan bagian integral dari desain kendaraan otonom. Misalnya, beberapa jenis sensor digunakan untuk mengumpulkan input visual yang diperlukan untuk mobil self-driving untuk menavigasi jalan raya dengan sukses dan aman. Kamera adalah jenis sensor yang relatif murah yang dapat memberikan informasi visual dasar yang akan dikumpulkan manusia saat dia mengemudi; beberapa kamera digunakan untuk memberikan kedalaman bidang. Radar sudah digunakan untuk kontrol kendaraan level 1 tertentu; kekurangannya adalah radar hanya bagus untuk jarak dekat.

LIDAR (deteksi dan jangkauan cahaya) adalah sistem laser onboard yang memetakan sekeliling mobil saat bergerak. Anda mungkin akrab dengan LIDAR sebagai unit pemintal besar yang ditemukan di bagian atas sebagian besar kendaraan uji Google; LIDAR solid-state tidak memerlukan pemintalan dan juga digunakan di beberapa kendaraan otonom yang sekarang sedang dikembangkan. Meskipun LIDAR menciptakan pemetaan 3D yang sangat akurat, ia memiliki kekurangan; selain sangat mahal, teknologi ini dipengaruhi oleh cuaca, dengan sinyal yang memantul dari hujan atau salju.

Pada mobil yang sudah sangat terkomputerisasi saat ini, sebagian besar transfer informasi sensor terjadi melalui Controller Area Network (CAN bus), sebuah protokol yang dirancang untuk memungkinkan pengontrol mikro dan perangkat untuk berkomunikasi satu sama lain tanpa komputer induk. Namun, mobil yang benar-benar otonom membutuhkan konektivitas data yang lebih kuat, serta daya komputasi dan perangkat lunak untuk mengambil semua input visual dan data lain yang dikumpulkan, mengaturnya, menafsirkannya, dan mengubahnya menjadi mengemudi yang dapat ditindaklanjuti — semuanya dalam waktu nyata. Hal ini pada gilirannya membutuhkan:

* Daya pemrosesan yang signifikan (bisa dikatakan, sangat besar)
* Menggabungkan data dari berbagai sensor (“sensor fusion”) untuk menghitung sesuatu yang lebih dari yang dapat ditentukan oleh satu sensor saja

Itulah sebabnya pembelajaran mesin — sejenis kecerdasan buatan (AI) yang memberi komputer kemampuan untuk, pada dasarnya, belajar “sendiri” ketika terpapar data baru — adalah aspek penting dan berkembang pesat dari desain mengemudi otonom. Selangkah lebih maju, jenis pembelajaran mesin yang disebut *pembelajaran mendalam* berupaya meniru cara manusia memperoleh pengetahuan baru. Dengan mengotomatiskan analitik prediktif, pembelajaran mendalam dapat memungkinkan mobil menjadi lebih pintar setiap kali dikendarai dan bahkan belajar dari pengemudi lain dan mobil lain.

Secara alami, untuk keselamatan, kendaraan otonom harus sangat pintar untuk memulai! Tetapi apakah kendaraan dirancang untuk menginterpretasikan input sensorik dan kemudian memilih dari serangkaian keputusan mengemudi yang dikodekan atau digunakan untuk memetakan input secara langsung (dari sensor dan sumber lain) ke output mengemudi dari ujung ke ujung, pembelajaran mesin pasti bagian dari setiap mobil di papan gambar atau di jalan.

Apa Implikasinya Selain Mengemudi?

Tentu saja, di mana pun ada teknologi komputer, keamanan informasi menjadi perhatian penting, dan kendaraan otonom tidak terkecuali. Faktanya, implikasi peretasan pada mobil self-driving sangat besar. Seseorang yang bepergian dengan kendaraan multi-ton dengan kecepatan tinggi tentu tidak ingin khawatir kendaraannya akan diambil alih dan dikendalikan dari jarak jauh oleh pihak ketiga.

Pada tahun 2015, Chrysler menarik lebih dari satu juta kendaraan ketika dua peneliti keamanan (untungnya bukan orang jahat) menemukan kerentanan perangkat lunak yang memungkinkan mereka meretas Jeep secara nirkabel dan mengambil alih fungsi dasbor, kemudi, transmisi, dan remnya. Chrysler memberi pemilik kendaraan pembaruan perangkat lunak berbasis drive USB dan mengambil langkah-langkah tingkat jaringan untuk mendeteksi dan memblokir peretasan melalui koneksi jaringan seluler kendaraan. Kemudian pada tahun 2016, sebuah lab keamanan mendemonstrasikan peretasan Tesla Model S, mengakses dan mengendalikan kendaraan dari jarak jauh dalam mode parkir dan mengemudi melalui bus CAN mobil dan hotspot WiFi berbahaya. Dalam beberapa hari, Tesla menerapkan pembaruan perangkat lunak over-the-air untuk mengatasi potensi masalah keamanan.

Kasus-kasus ini menunjukkan kepada pembuat mobil dan mitra mereka bahwa peningkatan keamanan sangat penting, memastikan bahwa perlindungan yang lebih kuat akan terus diterapkan. Namun, dengan setiap mobil otonom yang memerlukan komputer dan konektivitas jaringan untuk mengemudi, mungkin hanya masalah waktu sebelum seseorang meretas kendaraan yang mengemudi sendiri saat sedang digunakan.

Pada catatan terkait, privasi juga merupakan area yang semakin menantang bagi mobil dan pengemudi. Hari ini, seseorang di lam bisa mematikan GPS di mobil mereka dan membuka peta. Tetapi dengan fungsi bawaan mobil otonom yang membutuhkan penggunaan GPS yang hampir konstan, kendaraan itu harus dilacak hampir setiap saat. Selain itu, meskipun kamera memiliki fungsi sensor yang penting dan akan memberikan masukan untuk pembelajaran mesin, kamera juga merupakan alat pengawasan. Jadi, ada potensi setiap inci ruang jalan untuk difoto dan diteliti hampir secara konstan setelah mobil self-driving (dan sistem sensor kameranya) diluncurkan sepenuhnya.

Dan pada catatan yang lebih manusiawi, sementara munculnya kendaraan mengemudi yang andal dan sepenuhnya otonom akan menciptakan lapangan kerja di bidang manufaktur dan bidang terkait, pada tingkat tertentu itu juga akan berarti hilangnya beberapa pekerjaan. Aplikasi mobilitas sesuai permintaan dan berbagi tumpangan akan membuat pengemudi taksi dan bus ketinggalan zaman. Kendaraan swakemudi di pertanian akan semakin mengurangi jumlah pekerja manusia yang dibutuhkan. Pengemudi truk masih akan dibutuhkan untuk memelihara rig mereka, tetapi mereka tidak akan mengemudikannya sehingga lebih sedikit yang akan diperlukan untuk memelihara armada truk untuk penyebaran otomatis. Dan pada akhir 2016, sebuah perusahaan takeaway (bawa pulang) online meluncurkan pengiriman makanan robot di London. Jadi, dari penangan paket hingga anak yang mengemudikan pizza ke pintu Anda, para pekerja ini pada akhirnya dapat digantikan oleh, jika bukan kendaraan otonom, kemudian teknologi terkait dalam bentuk bot pengiriman.

Mengapa Pemotongan Logam Membicarakannya?

Metal Cutting menawarkan layanan pemotongan logam khusus untuk produk dan presisi khusus, suku cadang logam kecil untuk beragam industri, termasuk perusahaan otomotif dan mitra teknologinya — menyediakan pemotongan suku cadang, permesinan, penyelesaian akhir, dan teknik lain yang diperlukan untuk aplikasi yang memerlukan toleransi ketat , permukaan akhir tertentu, dan ujung, lancip, dan diameter yang sangat disesuaikan.

Ingin mencari tahu apakah Metal Cutting adalah mitra terbaik untuk suku cadang otomotif *Anda* atau aplikasi lainnya? Unduh panduan gratis, 7 Rahasia Memilih Mitra Kontrak Baru:Panduan Teknis untuk Mengalihdayakan Fabrikasi Logam Presisi Anda.