Автомобільна навігація майбутнього буде надзвичайно залежною від зв’язку та матиме змогу динамічно використовувати інформацію з високоякісних карт, а також дані про транспортні засоби та навколишнє середовище з “хмари”. Це дозволяє реалізувати потужні системи допомоги водіям, інтелектуальну електромобільність і автономне водіння.
Хоча отримувати дані картографії та навігації сьогодні легше, ніж 10 років тому — завдяки відеореєстраторам, БПЛА та супутникам — збір цих даних все ще є трудомістким. Навіть якщо більшість куточків світу вже зафіксовані в публічних та приватних географічних інформаційних системах (ГІС), карти все ще потрібно регулярно оновлювати. Точність даних і своєчасність є найбільшими викликами в індустрії мобільності, на другому місці за важливістю — охоплення, оскільки фізичний світ постійно змінюється. Для задоволення цих вимог розвиток навігації та цифрового картографування набирає обертів.
Як пише у своїй статті для видання GPS World старший віце-президент з доставки та мобільності компанії Intellias (бере участь у багатьох розробках програмного забезпечення для авто), наступні шість технологічних і впроваджувальних трендів визначать автомобільне картографування та навігацію в найближчі роки.
1. Удосконалення картографічних даних за допомогою штучного інтелекту (ШІ)
Супутникова зйомка стала проривом у створенні карт. Проте проблема в тому, що більшість картографічного програмного забезпечення не може працювати безпосередньо з супутниковими зображеннями. Візуальні дані спочатку потрібно закодувати в комплексні навігаційні набори даних у відповідному форматі, такому як Стандарт навігаційних даних (NDS). Після цього власники карт повинні підтримувати їх у актуальному стані. Обидва процеси є дорогими та трудомісткими, що робить їх чудовими “полігонами” для випробування і використання штучного інтелекту в картографуванні.
Алгоритми ШІ покращують швидкість і точність створення цифрових карт, даючи можливість набагато частіше оновлювати карти і швидше картографувати нові території. Вони можуть класифікувати об’єкти на супутникових зображеннях — будівлі, дороги, рослинність — для створення вдосконалених 2D цифрових карт, а також багато-шаруватих 3D моделей карт. Завдяки точним картам можна радувати користувачів більш точними часом прибуття транспорту, детальними оцінками витрат пального або енергії, а також багатшим інформаційним змістом про різні об’єкти.
Окрім того, що ШІ полегшує збір картографічних даних, він також може допомогти в їх генеруванні. Дослідники з MIT та Катарського інституту комп’ютерних досліджень (QCRI) нещодавно представили RoadTagger. Ця нейронна мережа може автоматично передбачати тип дороги (житлова забудова або автомагістраль) та кількість смуг, навіть за наявності візуальних перешкод, таких як дерево або будівля. Модель протестували на закритих дорогах з цифрових карт 20 міст США. Вона вірно передбачила кількість смуг з точністю 77% і типи доріг з точністю 93%.
Однак збір даних з датчиків від підключених автомобілів не зникне. Виробники обладнання (OEM) все більше покладаються на свої автопарки для збору нових даних для створення цифрових карт, і цей процес стає простішим завдяки розвитку машинного навчання. Компанія HERE Technologies нещодавно представила UniMap — нову технологію на основі ШІ для швидшої обробки даних з датчиків і створення карт. Це нове рішення може ефективно вилучати картографічні елементи у форматах 2D та 3D, а потім об’єднувати їх з попередніми версіями карт. Ця єдина модель даних картографічного контенту дозволяє новим цифровим картам бути доступними вже через 24 години.
2. NDS.Live: Від офлайн-баз даних до дистрибутивних систем картографічних даних
Звичайні вбудовані навігаційні системи розробляються та інтегруються з пропрієтарними базами даних, які стають застарілими з кожним новим поколінням продуктів. NDS.Live — це новий глобальний стандарт для картографічних даних в автомобільній екосистемі, який сприяє переходу від офлайн навігації до гібридної/онлайн навігації. Він мінімізує складності підтримки різних моделей даних, форматів зберігання, інтерфейсів та протоколів завдяки одній гнучкій специфікації. NDS.Live — це не база даних, а дистрибутивна система картографічних даних.
NDS.Live була спільно розроблена глобальними виробниками обладнання (OEM) та технологічними лідерами, серед яких Intellias, Daimler, HERE, Denso, Renault і TomTom — і вони вже впровадили цю технологію. Наприклад, системи нового покоління Mercedes-Benz User Experience (MBUX) працюють на основі NDS.Live. Дистрибутивна система картографічних даних надає актуальну інформацію для системи допомоги водієві, яка виводиться у вигляді інструкцій доповненої реальності (AR) на проекційному дисплеї (HUD). NDS.Live може значно покращити досвід навігації для електромобілів та звичайних підключених автомобілів. Він також допомагає виробникам обладнання (OEM) впроваджувати підписки з додатковою вартістю для допоміжного водіння та навігації.
3. Генерація 3D та HD карт
3D карти дозволяють точно відображати фізичні об’єкти у тривимірній формі. Карти високої чіткості (HD) містять детальну інформацію про особливості доріг (розташування смуг, межі доріг) і типи рельєфу (ступінь кривизни, градієнт дорожнього покриття). Обидва типи карт є важливими для запуску сучасних функцій допомоги водієві (ADAS) і, врешті-решт, для наближення ери автономного водіння.
3D карти визначають, як автомобіль рухається, і допомагають йому інтерпретувати дані, які він отримує від вбудованих датчиків. Оскільки більшість датчиків мають обмежений радіус дії, HD карти допомагають, надаючи навігаційній системі додаткову інформацію про особливості дороги, рельєф і інші об’єкти, що мають значення для дорожнього руху.
Головним завданням як HD, так і 3D картографування є збір і обробка даних. У випадку 3D карт потрібно захоплювати відео в реальному часі з кількох камер, планувати перешкоди, пов’язані з вібрацією, температурою та апаратними проблемами, а потім повторити цей процес на мільярдах кілометрів доріг по всьому світу. Замість того, щоб виконувати це велике завдання наодинці, учасники мобільності та виробники обладнання (OEM) об’єднують зусилля:
- Наприклад, HERE та Mobileye об’єдналися для збору даних HD картотворення за допомогою краудсорсингу, згодом до них приєднався і VW. Mobileye розробила компактну, високопродуктивну комп’ютерну візуальну систему на чіпі під назвою EyeQ. Встановлена більш ніж у 50 виробників обладнання (OEM) в 300 моделях автомобілів, ця система постачає Mobileye достатньо візуальних даних, які вони потім можуть обробляти у карти за допомогою партнерів.
- У свою чергу, TomTom об’єднався з Qualcomm Technologies для збору інсайтів HD картографії від своїх користувачів. Qualcomm забезпечує базову хмарну платформу для створення і підтримки HD карт з різних джерел, включаючи рої підключених автомобілів.
4. Симуляції автономного водіння
Автономні транспортні засоби потребують обширних дорожніх та трекових тестів для проходження перевірок безпеки. Виробники також повинні симулювати ситуації, близькі до зіткнень, не ставлячи нікого під загрозу. Гіперреалістичні віртуальні світи можуть бути набагато безпечнішими майданчиками для тестування автономних транспортних засобів (AVs) — особливо в міру розвитку технологій віртуалізації.
Група дослідників випустила відкритий, орієнтований на дані симуляційний движок для створення фотореалістичних середовищ для навчання автономних транспортних засобів. Цей движок може симулювати складні типи датчиків, включаючи 2D RGB-камери та 3D-лідари, а також генерувати динамічні сценарії з присутніми кількома транспортними засобами. Завдяки новому движку користувачі можуть симулювати складні водійські завдання, такі як обгін і слідування.
Waymo діє за схожим принципом, використовуючи реальні дані, зібрані з камер і датчиків автомобілів, для створення високодеталізованих віртуальних тестових майданчиків. Команда Waymo створила віртуальні копії кількох перехресть з ідентичними розмірами, смугами, бордюрами і світлофорами. Під час симуляцій алгоритми Waymo можуть навчатися виконувати найскладніші взаємодії тисячі разів, використовуючи ті ж або різні умови водіння та різні автомобілі зі свого автопарку.
Для вдосконалення продуктивності алгоритму команда використовує техніку фуззингу. Під час навчальних сесій інженери змінюють швидкість інших транспортних засобів, час роботи світлофорів та присутність чи відсутність зустрічних бігунів та велосипедистів. Як тільки алгоритм Waymo навчається водити через конкретне перехрестя з миготливим жовтим стрілкою, ця «навичка» стає частиною бази знань, розподіленої між усіма автомобілями в автопарку.
Нові покоління високоякісних 3D-середовищ можуть бути побудовані з даних різних типів датчиків, щоб ефективно передати всі деталі матеріального світу алгоритму. Існуючі 3D візуальні бази даних вже містять реалістичні деталі для дорожніх знаків, розмітки на дорозі та текстур дорожнього покриття. Завдяки алгоритмам машинного навчання та глибокого навчання складні сценарії ADAS/AD можуть симулювати умови, близькі до реального життя.
5. Цифрові близнюки дорожньої інфраструктури
У той час як виробники обладнання (OEM) використовують дані з відеореєстраторів для створення кращих навігаційних систем, менеджери з галузі транспорту використовують їх для цифровізації дорожньої інфраструктури. Цифровий близнюк — це інтерактивне, віртуальне представлення фізичних об’єктів чи систем, таких як мережа смарт-світлофорів або смарт-паркувальні комплекси. Завдяки даним у реальному часі, цифрові близнюки дорожньої інфраструктури можуть забезпечити можливості для розвитку міського планування. Це включає динамічну оптимізацію сигналів світлофорів для зменшення заторів, а також пріоритетне управління громадським та сервісним транспортом і точні прогнози трафіку для оптимізації планування, розподілу знаків, графіків будівельних робіт тощо.
Низька затримка є критично важливою для автономного водіння. Проте генерування 3D карт вимагає значних обчислювальних ресурсів. Більш того, автомобілі не можуть зберігати всі картографічні дані про свій маршрут і повинні постійно отримувати оновлення по повітрю. Група дослідників запропонувала розміщення компактних пристроїв розподілу карт на узбіччях доріг для полегшення доставки карт точкових хмар (PCD) на ходу. Результати показують, що автономні транспортні засоби можуть виконувати самовизначення, завантажуючи карти PCD. Ця система дозволяє автономним автомобілям отримувати нові динамічні карти для кожної нової мети, замість зберігання величезних обсягів даних на борту.
6. Доповнена реальність у навігаційних продуктах з проекцією на лобове скло
Останні моделі автомобілів мають оновлений дизайн інтерфейсу людина-машина (HMI), що включає нові апаратні та програмні елементи, які дозволяють реалізувати навігацію з використанням доповненої реальності (AR). AR у проекційних дисплеях (HUD) може відображати всю стандартну інформацію з статичних дисплеїв (швидкість руху, статус системи допомоги водієві (ADAS), рівні пального чи заряду), поряд з динамічними інструкціями маршруту, включаючи інформацію про дорожні знаки, обмеження швидкості, попередження про будівельні роботи та терміни прибуття (ETA).
Загалом, системи навігації з доповненою реальністю можуть допомогти водіям приймати кращі рішення на дорозі. Нещодавнє порівняльне дослідження показало, що водії, які використовували AR-інтегровані HUD, помилялися менше та в середньому рухалися швидше, ніж ті, хто використовував традиційні HUD. Учасники також оцінили інструкції з AR HUD як більш корисні та легші для розуміння.
Наступний етап розвитку навігації — це голографічні дисплеї, які пропонують AR інструкції у 3D. Досягнення в технологіях lidar вже дозволяють проєктувати ультра-HD голографічні зображення дорожніх об’єктів у реальному часі в поле зору водія. Такі системи можуть зменшити час візуалізації перешкод і знизити стрес, пов’язаний з водінням, відповідно до даних Tech Explore.
Джерело: GPS World