Современная электроника №4/2023

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 32 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 4 / 2023 Адаптивные вычисления и искусственный интеллект для автономных транспортных средств . Часть 1 Рис . 1. Схема интеграции ADAS с датчиками и процессорами , обеспечивающими условную автономию (L2+) в автомобиле Технологии , применяемые в создании беспилотных транспортных средств , продолжают развиваться . Несмотря на некоторые камни преткновения , автомобильные гиганты и лидеры бигтех - индустрии значительно продвигаются в достижении всё новых и новых степеней автономизации . Сегодня мы наблюдаем за появлением уникальных системных архитектур и программных инструментов для поддержки этого ресурсоёмкого направления . То , как искусственный интеллект наделяется контролем над всем транспортным средством , взаимодействуя при этом с периферийными устройствами и обмениваясь данными с облачными хранилищами , уже выведено на высочайший уровень . При этом границы между разработкой аппаратного и программного обеспечения становятся всё тоньше . Эта статья содержит обзор ключевых достижений по внедрению современных технологий помощи водителю . В первой части рассмотрено , какие факторы поспособствовали ускорению прогресса в этой области . Билл Вонг , Питер Дженко , Джек Браун Перевод : Александр Малыгин На пути к полной автономности Для случайного наблюдателя , не зна - комого с нюансами и сложностью ИИ и автомобильных технологий , « суме - речная зона » между сегодняшней реа - лизацией технологии ADAS ( интеллек - туальная система помощи водителю ) уровня 2 SAE и завтрашним полно - стью автономным транспортным сред - ством может показаться озадачиваю - щей . Тем не менее промышленность в целом и инженеры - конструкторы во всём мире действительно заняты тем , чтобы довести технологию до конца . В последние годы автомобильная индустрия начала выходить за рамки решений ADAS первого поколения и переходит к тому , что обычно называ - ют L2+ или условной автономией . Эти автомобили выходят за рамки базового адаптивного круиз - контроля , удержа - ния полосы движения и автоматиче - ского экстренного торможения , чтобы начать процесс выхода из зависимо - сти от водителя ( хотя и очень незна - чительной ). Возможности объёмного восприятия , обеспечиваемые зрением , основан - ном на глубоком обучении , позволя - ют транспортным средствам справ - ляться с ситуациями , когда полосы расходятся или сливаются , и безопас - но менять полосу движения . Системы на кристаллах (SoC) и FPGA, ориенти - рованные на ИИ , обрабатывают глу - бокие нейронные сети (DNN), а также данные датчиков камер снаружи авто - мобиля и внутри . Во внутреннем пространстве автомо - биля быстро развиваются такие функ - ции , как мониторинг пассажиров и визуализация салона . Фактически авто - мобили с интеллектуальной системой помощи из кабины и расширенной визуализацией окружающей среды уже превосходят сегодняшние предложения L2 ADAS по производительности , функ - циональности и безопасности дорожно - го движения ( рис . 1). Это всё ещё далеко от самых высоких уровней автономно - сти SAE J3016 ( табл . 1), но представляет собой значительный скачок в возмож - ностях по сравнению с тем , что было несколькими годами ранее . Помимо наделения салона возмож - ностями искусственного интеллекта , алгоритмы на основе глубокого обуче - ния используют обработку изображе - ний для выполнения сложных функ - ций в городских условиях и суровых погодных условиях . Набор передовых технологий DNN позволяет автомоби - лю воспринимать широкий спектр объ - ектов и дорожных ситуаций . Все эти и другие интеллектуальные возможности , конечно же , основаны на различных алгоритмах , которые представлены во всех формах и разме - Передняя камера Полноэкранное зеркало Камера наблюдения в кабине Контроллер домена Радар Лидар Задний Боковая сторона Передний Камера кругового обзора Шлюз Ускорение вычислений Агрегация , предварительная обработка и распространение данных (DAPD)