이 글은 고공 스마트 자동차, 고공 스마트 자동차의 원작자에서 전출되었다. 억유럽 자동차가 전재되어 업계의 참고용으로 쓰이다.
높은 수준의 자동운전은 반드시 고정밀 지도에 의존해야 합니까?
센서 및 소프트웨어와 마찬가지로 지도는 자동 운전 기술의 핵심 구성 요소입니다. 안전하게 운전하기 위해서는 자동운전차가 자신이 어디에 있는지뿐만 아니라 주변에 무엇이 있는지 알아야 한다.
지난 몇 년 동안 고정지도 트랙에서 초창기 기업의 수가 급증했다. 그들은 같은 일을 하는 것처럼 보이지만, 그 뒤에는 자본이 위험을' 확대' 하는 데 도움이 된다.
지난해 고정지도 분야에서 인지도가 높은 창업회사 lvl5 는 두 창업자가 다른 창업회사에 입사해 3 년 동안 누적된 크라우드 데이터를 다른 지도회사에 매각한 뒤 사망했다.
당시 lvl5 의 비즈니스 모델은 여러 자동차 제조업체와 협력하여 각 제조업체마다 설치 시스템의 초기 설치 비용을 지불하고 각 자동차에 대해 매월 지도 유지 관리 비용을 청구했습니다. 이 모델은 또한 많은 신생 기업들의 선택이다.
하지만 자동운전차가 보급되기 전에 이 업계는 두 가지 주요 도전, 즉 실제로 착지할 수 있는 기술과 돈을 벌 수 있는 비즈니스 모델을 극복해야 한다.
특히 기존의 고정밀 지도의 장단점도 똑같이 두드러진다.
한편, 정교한 지도를 그리려면 대량의 차량 투입과 방대한 크라우드 패턴이 필요하기 때문에 커버리지가 넓고 업데이트 빈도가 높다. (윌리엄 셰익스피어, 템플릿, 독서명언) (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마)
반면에, 상업고정지도는 여전히 지리적 울타리의 제한을 받는다. 예를 들어 캐딜락의 슈퍼 크루즈 시스템은 정확하게 그려지고 정기적으로 업데이트되는 도로에서만 자동 운전을 정상적으로 켤 수 있습니다.
최근 몇 년 동안 점점 더 많은 자동차 제조업체와 그래픽 판매상들이 정교한 지도를 기반으로 한 자동운전 기술에 베팅하고 있다는 점을 감안하면 고정지도가 필요한지 여부에 대한 논의에 명확한 답이 있는 것 같다.
그러나 자동운전의 매력은 기술노선의 다양화에 있다.
2 년 전, MIT 컴퓨터 과학 및 인공지능 연구소 (CSAIL) 의 연구진은 자동운전차가 값비싼 고정밀 지도 데이터베이스에 의존하지 않고 주변 환경을 "이해" 할 수 있는 방법을 개발했다.
그들의 솔루션은 MapLite 라고 하며 OpenStreetMap 의 기본 지형도를 사용하며 GPS, 라이더 및 관성 측정 단위 센서를 결합합니다.
이 프로젝트의 연구원들은 "차량 센서로만 탐색하는 시스템은 자동운전차의 잠재력을 보여주는데, 실제로 처리할 수 있는 도로 수가 현재 그려진 소수의 고정밀 지도의 마일리지를 초과한다" 고 말했다.
현재 공공도로에서 테스트된 대부분의 자동운전차에는 명확한 차선 표시가 필요하거나 차량의 예상 결과를 말할 수 있는 고정밀 지도 데이터 또는 둘 다에 의존해야 한다.
물론, CSAIL 팀이 고정밀 지도를 미리 제시하지 않고 자동 운전을 시도하는 유일한 팀은 아니다.
1 년 후, 20 19 CES 전시회에서 Imagry 라는 무인자동차 소프트웨어 개발자가 처음으로 최신 버전의 무지도 플랫폼을 선보였다.
이 솔루션은 또한 고정밀 지도나 클라우드 연결이 필요하지 않은 방법을 사용하여 저렴한 비용으로 자동 자동차 시장을 더욱 빠르게 확장하고 상업화할 수 있도록 합니다.
Imagry 의 플랫폼은 도로, 경로, 차량, 장애물 및 보행자를 식별할 수 있습니다. 내부적으로 개발된 시뮬레이터의 교육을 통해 소프트웨어의 Aleph Star 알고리즘은 물리적 기반 계획을 사용하여 인식 오류를 실시간으로 보상합니다.
Imagry 는 고도로 지능적인 시각 기반 접근 방식을 사용하여 자동 운전 차량이 사람의 개입에 의존하지 않고 운전 가능 영역을 빠르게 확장할 수 있도록 합니다.
심도 있는 학습 결과에 따라 동적으로 "미니 지도" 를 만드는 방식으로 작동합니다. 이 방법을 통해 차량은 최신 도로 장애물, 환경 조건 및 기존 도로 규칙을 포함하여 도로의 현재 상태를 알 수 있습니다.
작년에 이 회사는 애리조나 주 탄페 도심의 붐비는 거리에서 자신의 실험을 완료하기 시작했다. 많은 행인, 자전거를 타는 사람 및 기타 교통수단이 있다. 무지도 기술은 장애물, 주차 표지판, 인도 등을 식별할 수 있는 매우 완벽하다. , 이 지역의 교통 규칙을 동시에 준수하다.
최근 Imagry 는 AutonomouStuff 와의 협력을 발표하고, 지도 없는 기술을 후자의 자동운전 포트폴리오에 포장하여 전 세계적으로 보급한다고 발표했습니다.
AutonomouStuff 의 책임자는 "Imagry 는 고정밀 지도를 미리 만들고 업데이트할 필요가 없는 내비게이션 시스템을 설계하여 자동운전의 저렴한 상업화를 위한 새로운 옵션을 제공한다" 고 말했다.
우연히도 올해 초 페이스북 인공지능의 한 팀은 로봇이 낯선 환경에서 지도가 없는 노선을 찾을 수 있도록 강화 학습 알고리즘을 만들었다.
이 시나리오에서는 깊이 감지 카메라, GPS 및 관성 탐색 데이터만 사용하면 로봇이 99.9% 의 경우 최단 경로에 매우 가까운 경로를 따라 이동할 수 있습니다.
현재 페이스북 알고리즘은 야외 환경을 처리할 수 없지만 이 방향에서 유망한 단계이며 도시 교통에 적용될 수 있습니다.
심도 있는 학습을 기반으로 하는 엔드 투 엔드 (e2e) 솔루션은 실시간 위치 지정 및 지도 제작 (SLAM), 다중 소스 데이터 (센서 융합), 경로 계획, 모션 제어 및 동시에 지도를 그리는 전 과정에서 가능한 솔루션으로 간주됩니다.
자동운전 분야에서 고정지도는 자동차 센서의 보충이다. 지도 데이터를 사용하면 전방의 도로를 예측할 수 있어 차량의 센서 범위를 훨씬 넘어설 수 있다. 또한 지도와 센서의 융합을 통해 열악한 가시도 조건에서 안전한 중복성을 얻을 수 있습니다.
그러나 정확도가 높은 지도를 만드는 데 있어 믿을 만하고 대규모 응용의 도전은 어떤 의미에서 자동차급 라이더만큼 어렵다. ISO 26262 에 정의된 자동차 안전 무결성 수준 (ASIL) 은 현재 지도 데이터에 대해 적절한 보안 수준을 평가할 수 없습니다.
정확한 정확도를 보장하기 위해 제도사는 반드시 네 가지 요소를 통해 지도의 품질을 제어해야 한다. 데이터 수집이 정확한지 여부 포함 품질을 보장하고 실수를 방지하다. 데이터 변환 중 손실 및 데이터 보안을 방지하는 방법
가장 큰 과제는 "live update" 할 수 있는 고정밀 지도를 만들기에 충분한 데이터를 수집하는 것입니다.
동시에 크라우드 소싱 방식의 장단점도 뚜렷하다.
낮은 비용과 확장성은 낮은 문턱을 의미합니다. 그러나 단점은 데이터 수집의 정확성을 지원하는 하드웨어가 많지 않기 때문에 데이터가 상대적으로 정확하지 않다는 것입니다.
실제 생산 측면에서 테슬라는 외부 공급업체의 기존 고정밀 지도 지원에 의존하지 않는 일반적인 자동 운전 회사입니다.
우리 모두 알고 있듯이, 고정밀 지도는 자동차가 주변 세계를 미리 이해하는 데 도움이 될 수 있습니다. 특히 낯선 도로를 처음 주행할 때, 자동 운전 시스템이 제한된 센서, 프로세서 및 실시간 조건에서 몇 가지 문제를 해결하는 데 도움이 됩니다.
라이더와 마찬가지로, 머스크 들은 자동 운전에 대 한 실시간 분석 시스템이 필요 하다 고 생각 합니다, 이 시스템은 매우 좋다, 지도에서 얻을 수 있는 것은 매우 적습니다.
반면 지도에 지나치게 의존하면 필요하고 좋은 시스템 개발의 동력을 늦출 수 있다. 그 뒤에는 또 하나의 생각이 있다. 지도를 사용하는 시스템은 지도 데이터가 있는 곳에서만 운행하는 것이 문제다.
지난 몇 년 동안 지도 제작자들은 자신의 차량 팀과 크라우드 모델을 통해 고정밀 지도를 미리 구축하고 업데이트하려고 노력해 왔습니다. 자동차 제조업체는 구매를 통해 이러한 고정밀 지도 데이터를 사용합니다.
전제는 이러한 차량이 도로에서 너무 자주 주행하여 도로에 변화가 있을 때 신속하게 감지하고 변화에 대한 압축 데이터를 클라우드에 업로드하여 업데이트한 다음 해당 지역에 가까운 자동차로 다운로드할 수 있다는 것입니다.
테슬라의 모델은 테슬라 자동차가 전 세계에서 수집한 대량의 데이터를 바탕으로 심도 있는 신경망을 훈련시키는 것이다. 실시간 감지는 HD 지도로, 차량이 실시간으로 촬영한 영상으로 만들어졌다.
테슬라는 차근차근 그에게 답을 주고 있다. 최근 테슬라의 공동 자회사인 DeepScale 은' 향상된 데이터로 기계 모델을 훈련시키는 시스템 및 방법' 이라는 새로운 특허 신청을 제출했다.
이 방법은 자동 운전 소프트웨어가 8 개의 카메라를 사용하여 환경을 인식하는 방식을 개선하기 위해 고안된 것으로, "3D 태그" 라고도 합니다. 한 가지 이미지의 비유는 인간의 눈이 보통 데이터 조각을 처리하여 뇌에 보내면 뇌가 모든 정보를 통합하여 인류가 전모를 볼 수 있다는 것이다.
테슬라는 8 개 카메라의 정보를 모두 처리하고 함께 연결하여 진정한 360 도 이미지를 만들 수 있을 것이다. 360 도의 시각으로 완전한 실시간 지도를 그릴 수 있다.
정교한 지도의 경우 실시간 업데이트 속도에 도달하지 못하면 가용성과 규모에 제한이 있기 때문입니다.
강력한 차량 지능은 정확도가 높은 지도와 위치 지정에 대한 필요성을 줄입니다 (예: 인간 운전자는 일반 GPS 와 지도를 사용하여 목적지에 정확하게 도달할 수 있음).
자동차 제조업체의 경우, 정교한 지도의 응용을 만족시키기 위해 추가 비용에는 차별화된 서비스 요금과 정교한 지도 서비스 요금이 포함됩니다.
업계 관계자들은 보다 합리적인 현지화 HD 지도 엔진이 솔루션 중 하나로 특정 도구와 자체 센서를 통해 자동차 공급업체가 지도를 자주, 빠르고, 믿을 수 있고, 경제적으로 그리기, 업데이트 및 지역화할 수 있도록 지원하는 솔루션 중 하나라고 말한다.
앞으로 기초플랫폼 회사가 탄생할 것으로 보인다. 고정밀 정적지도를 공동으로 만들 수도 있고, 각 기업의 탈민한 실시간 동적 데이터를 통합하여 자동 운전의 고정밀 동적 기초지도를 형성할 수 있는 메커니즘을 만들 수도 있다.
이를 바탕으로 기업들은 차별화 경쟁을 벌일 것이다.
예를 들어 테슬라는 구글, 바이두 등 타사 지도 업체를 활용하여 대부분의 기본 지도 요구 사항을 충족하고 이를 바탕으로 현지 지도 데이터, 특징 및 기능을 추가합니다.
또 다른 실행 가능한 방법은 저궤도 위성을 기반으로 촬영하는 것이다.
앞서 도요타와 그의 파트너인 Maxar 는 도로상의 차량, 그림자 및 기타 물체를 포함한 고해상도 사진을 찍을 수 있는 위성을 시연한 후 사용 가능한 HD 지도를 제작했습니다.
이것은 게임의 규칙을 바꿀 수 있다.
현재 크라우드소싱이 지도를 업데이트하는 방식에 비해 위성은 빠르게 사진을 찍고 지도 데이터를 업데이트할 수 있습니다. 즉, 정교한 지도 대량 데이터 수집, 분석 및 응용 프로그램을 지원할 수 있는 능력을 갖추고 있습니다.
2020 년 초 길리지주그룹은 상업위성 분야의 전면 배치를 발표했습니다. 그 목적 중 하나는 보다 정확한 지도와 내비게이션 시스템을 만들어 고급 자동운전차에 위치 서비스를 제공하는 것입니다.
이는 대부분의 고정밀 측량 회사들이 핵심 경쟁력을 찾아야 한다는 것을 의미한다.