A Qualcomm új megállapodást jelentett be a georgiai Peachtree Corners és Jacobs kormányával, amelynek eredményeként a három szervezet a Cellular Vehicle-to-Everything (a jármű és a teljes környezet közötti kommunikációt biztosító) technológiához kapcsolódó különféle technológiákat vezet be.

A Peachtree Corners városvezetői az elmúlt néhány évben komoly beruházásokat hajtottak végre a technológiában, hogy több tucatnyi érzékelővel és digitális eszközzel felszerelt intelligens várost építsenek.

Brandon Branham, a Peachtree Corners városvezető asszisztense és technológiai igazgatója az újságíróknak elmondta, hogy a város már régóta “hangsúlyozta az intelligens összekapcsolt infrastruktúra fontosságát az ökoszisztéma minden részének támogatása érdekében”, felsorolva a technológiai újdonságok palettáját az autonóm járművektől kezdve a lakosok számára igénybe vehető autonóm transzfereken át az intelligens forgalomirányításig.

“A Qualcomm Technologies iparágvezető C-V2X technológiái jelentősen javítják infrastruktúránkat, és mind a technológiai fejlesztők, mind a lakóink számára jelentősek, mivel a társadalom és az üzleti élet nagyobb részét összekapcsoljuk” – mondta Branham.

Sanjeet Pandit, a Qualcomm üzletfejlesztési vezető igazgatója és az intelligens városok globális vezetője elmondta, hogy a vállalat együtt fog működni a Jacobsszal, és biztosítja a Peachtree Corners-ba telepített hardvert.

Mindhárom cég szerint a partnerség lehetővé teszi a végpontok közötti intelligens megoldások telepítését az úgynevezett “ország egyik első intelligens városi környezetében, amelyet valós világban összekapcsolt járműtechnika és infrastruktúra hajt.”

A város Curiosity Lab-jának, az 5G által támogatott autonóm járműveknek és az okos város laboratóriumnak köszönhetően Peachtree Corners az intelligens összekapcsolt technológiák való világba telepített mennyországává válik.

Jacobs egy sor útszéli egység, érzékelő és IoT-technológia telepítésében segít, amelyek Branham szerint kezdetben az útszéli infrastruktúrára, a forgalomirányításra és a közúti biztonságra összpontosítanak.

A sajtótájékoztatón a három vállalat kiemelte a Cellular Vehicle-to-All (C-V2X) technológiát, amelyet a város egész területére telepítenek.

“A Qualcomm Technologies C-V2X megoldásaival felszerelt haszongépjárműveket a jármű-infrastruktúra (V2I) közvetlen kommunikációjának bemutatására is felhasználják” – magyarázta újságíróknak Phil Boness, a Jacobs növekedési és stratégiai igazgatója.

Pandit szerint a C-V2X Peachtree Corners-be telepítése bemutatja, hogyan segíthet a technológia a biztonság szempontjából kritikus kommunikációs képességek javításában, mivel a forgalom az egész városban nő.

“Ez a C-V2X program a Curiosity Lab és Jacobs társasággal nemcsak a digitális közúti infrastruktúra megvalósításának képességét emeli ki a forgalom optimalizálása és a biztonságosabb utcák lehetővé tétele érdekében a globális városokban, hanem kifejezi folyamatos elkötelezettségünket a korszerű megoldások mellett a közlekedés biztonsága érdekében” – jegyezte meg Pandit.

“Ez a projekt megmutatja az utat, amelyet a közösségek a jövőben követhetnek, és arra számítunk, hogy ezek a fejlett, végpontok közötti megoldások a jövőbeni intelligens város és intelligens összekapcsolt terek bevezetésének szerves részét képezik majd.”

A C-V2X szerves része lesz a város erőfeszítéseinek a biztonsági és mobilitási alkalmazások kiépítésében, miközben lehetővé teszi a “tisztább és fenntarthatóbb mobilitási alternatívákat” is. A technológia segítségével a három szervezet szerint legalább 5% -kal csökkenthető az üvegházhatású gáz-kibocsátás, és kompatibilis az 5G hálózatokkal. A fejlett vezetősegítő rendszerek szenzorai – például radar, kamerák, lidar – mellett fog működni.

Az alacsony késleltetésű kommunikáció lehetővé teszi a járművek számára, hogy a helyi mobilhálózatok használata nélkül kommunikáljanak más járművekkel, a helyi útszéli infrastruktúrával és a gyalogosokkal.

“Biztonsági szempontból az a feladatunk, hogy jobbá tegyük lakóink és alkalmazottaink életét.”- mondta Branham. “Naponta 65 000 autó vág át a városon. A kérdés az, hogyan vehetjük igénybe ezt a fajta infrastruktúrát, és végezhetünk rajta igazításokat az életünk javítása érdekében, mert senki sem szeret a piros lámpánál ülni az autójában. Tehát most ebbe a technológiába és városunk jövőjébe is befektetünk. ”

Forrás: ZD Net

https://www.zdnet.com/article/qualcomm-partners-with-georgia-smart-city-to-test-out-cellular-vehicle-to-everything-technology/

Az autonóm autók egyik legnagyobb kihívása a rossz időjárási körülmények közötti észlelés. Az olyan városokban, ahol gyakran esik a hó, mint például Detroitban és Chicagoban ez jelentős nehézséget okozhat. A járművek az alapvető szenzoros adatokra támaszkodnak az akadályok elkerülésében és a jármű úton tartásában, ezt veszélyezteti a havazás.

A SPIE Defense + Commercial Sensing 2021- ben bemutatott két új cikkben a Michigani Műszaki Egyetem kutatói új megoldásokat vitattak meg az autonóm járművek havas időben való vezetési forgatókönyvei esetére. Számos autó közlekedik már vakfolt vagy fékezés segítő rendszerrel, vagy akár önvezető mód lehetőséggel. Bár a technológia még sok szempontból gyerekcipőben jár, az autógyártók és a kutatóegyetemek folyamatosan dolgoznak a technológia és az algoritmusok fejlesztésén. A balesetek bekövetkezése gyakran az autó intelligenciájának téves megítélése vagy emberi hiba következménye.

Az emberi szem is egyfajta érzékelő, mivel érzékeli az egyensúlyt és a mozgást. Az agyunk processzorként működik, segít megérteni környezetünket. Ezek együttesen lehetővé teszik, hogy minden helyzetben közlekedni tudjunk, még azokban is, amelyek újak számunkra, mivel agyunk általánosítja az újszerű tapasztalatokat.

Az autonóm járműveknél általában két kamera van felszerelve, és sztereó látás segítségével szkennelik és érzékelik a mélységet, utánozva az emberi látást. Ugyanakkor az egyensúlyt és a mozgást egy inerciális mérési egységgel mérik. A számítógépek viszont csak a korábban felmerült vagy azok felismerésére már beprogramozott forgatókönyvekre képesek reagálni.

Az autonóm járművek feladatspecifikus mesterséges intelligencia algoritmusokra támaszkodnak, amelyekhez több érzékelőre van szükség, például kamerákra, infravörös érzékelőkre, radarra, fényérzékelőkre és lidarra.

Nathir Rawashdeh a számítástechnika adjunktusa a Michigan Tech Számítástechnikai Főiskoláján és a tanulmány egyik vezető szerzője.

“Minden érzékelőnek vannak korlátai, és minden érzékelő kiegészíti a másik hiányosságait” – mondta Rawashdeh. „A szenzorfúzió több különböző modalitású érzékelőt használ a helyzetek megértéséhez. Nem lehet minden programot minden részletre kiterjedően programozni, ha az ingerek bonyolult mintázattal rendelkeznek. Ezért van szükségünk mesterséges intelligenciára.”

A tanulmány munkatársai között volt Nader Abu-Alrub, az elektrotechnika és a számítástechnika doktorandusz hallgatója, valamint Jeremy Bos, villamos- és számítástechnikai adjunktus.

Az autonóm szenzorokat és az önvezető algoritmusokat szinte kizárólag napos és tiszta időjárási körülmények között fejlesztik ki. Bos laboratóriuma először egy Michigan Tech autonóm járművel kezdte az adatok gyűjtését nagy havazásban, és több mint 1000 képkocka lidar, radar és képadatot gyűjtöttek a havas utakról Németországban és Norvégiában.

Bos szerint az érzékelőkkel való észlelés nehéz a sokféle hó miatt. Fontos az adatok előzetes feldolgozása és a pontos címkézés biztosítása.

További nagy kihívás az adatok rossz minősége és szennyeződése, és a hó felhalmozódása az érzékelőkön is problémákat okoz. Az érzékelők letörlése után sem mindig van egyetértés az akadályok észlelésében. Gyakran nagyon nehéz elérni, hogy az érzékelők és azok kockázatértékelései kommunikáljanak és tanuljanak egymástól, mivel mindegyik saját következtetésre juthat. A csapat azonban azt szeretné, ha az autonóm szenzorok együttesen jutnának eredményre az érzékelők fúziójának használatával.

“A szigorú szavazás helyett a szenzorfúzió használatával új becslést fogunk előállítani” – mondja Bos.

Az autonóm jármű-érzékelők rossz időjárás esetén tovább tanulnak és javulnak, és az olyan új megközelítések, mint az érzékelők fúziója, utat mutathatnak az autonóm járművek számára a havas utakon.

Forrás: Unite.ai

https://www.unite.ai/ai-sensors-could-help-autonomous-vehicles-in-snowy-cities/

Az önvezető autók általában egy óriás forgó hengerrel a tetejükön közlekednek, ez a lidar. A lidar infravörös fény impulzusokat küld ki, és méri az időtartamot, amíg az a tárgyakról visszaverődik. Így egy pontokból álló 3D térképet hoz létre, amely pillanatképként mutatja az autó környezetét.

A lidar egyik hátránya, hogy 3D adathalmaza óriási és számításigényes. Például egy tipikus 64 csatornás érzékelő másodpercenként több mint 2 millió pontot produkál. A további térbeli dimenzió miatt a korszerű 3D-s modellek 14-szer több számítást igényelnek a kép 2D-s megfelelőjéhez képest. Ez azt jelenti, hogy a hatékony navigálás érdekében a mérnököknek először általában 2D-re kell összecsukniuk az adatokat – ennek mellékhatása az, hogy jelentős információvesztést okoz.

Az MIT egy csapata egy önvezető rendszeren dolgozik, amely gépi tanulást használ, így nincs szükség egyedi kézi hangolásra. Új end-to-end keretrendszerük autonóm módon tud navigálni, csak a nyers 3D-s pontfelhő-adatokat és az alacsony felbontású GPS-térképeket felhasználva, hasonlóan a mai okostelefonokhoz.

A nyers lidar adatokból a végpontok közötti tanulás számítási szempontból intenzív folyamat, mivel hatalmas mennyiségű érzékszervi információit igényel a számítógéptől a kormányzás megtanulásához. Emiatt a csapatnak új mély tanulási összetevőket kellett megterveznie, amelyek hatékonyabban kihasználják a modern GPU-hardvereket, hogy valós időben irányítsák a járművet.

“Optimalizáltuk megoldásainkat algoritmusok és rendszer szempontjából egyaránt, nagyjából 9-szeres kumulatív gyorsulást értünk el a meglévő 3D lidar megközelítésekhez képest” – mondta Ph.D. Zhijian Liu diák, aki a cikk társszerzője volt Alexander Amini mellett.

A tesztek során a kutatók kimutatták, hogy rendszerük csökkentette azoknak az eseteknek a számát, amikor az embernek át kellett vennie az irányítást a géptől, még az érzékelők súlyos meghibásodásai esetén is.
Az önvezető autók kameráinak, valamint a rendszerek lidar érzékelőinek hasonló problémái vannak rossz időjárási viszonyok közt, mint az emberi szemnek a tükröződés miatt, amikor például egy alagútból hirtelen kiér a fényre. Ennek kezelésére az MIT csapatának rendszere különböző súlyokat rendel az egyes előrejelzésekhez egy döntés meghozatalakor. (Egy alagútból való kilépéskor például minden előrejelzést figyelmen kívül hagyna, amely bizonytalan a pontatlan szenzoros adatoknak köszönhetően.)

A csapat „hibrid bizonyításos fúzió”-nak nevezi megközelítését, mivel egyesíti a különböző irányítási döntéseket a mozgásra vonatkozó választásainak meghozatala során.

“Azáltal, hogy a modell bizonytalansága szerint összesíti a kontroll-előrejelzéseket, a rendszer alkalmazkodni tud a váratlan eseményekhez” – mondja Daniela Rus, az MIT professzora, a tanulmány egyik vezető szerzője.
Sok szempontból maga a rendszer három korábbi MIT-projekt fúziója:

• MapLite, kézzel hangolt keret nagyfelbontású 3D-s térképek nélküli vezetéshez
• “variációs végpontok közötti navigáció”, gépi tanulási rendszer, amelyet emberi vezetési adatok felhasználásával képeznek ki, hogy megtanulják, hogyan kell navigálni.
• SPVNAS, egy hatékony 3D mély tanulási megoldás, amely optimalizálja a neurális architektúrát és a következtetési könyvtárat.

“Kihasználtuk a térkép nélküli vezetési megközelítés előnyeit, és kombináltuk a végpontok közötti gépi tanulással, így nincs szükségünk szakértő programozókra a rendszer kézi hangolásához” – mondja Amini.

Következő lépésként a csapat azt tervezi, hogy rendszerét továbbra is a valós világban – kedvezőtlen időjárási körülmények és más járművekkel való dinamikus interakcióban – teszteli, hogy egyre összetettebbé váljon.

Forrás: Tech Xplore

https://techxplore.com/news/2021-05-efficient-lidar-self-driving-cars.html

A Qualcomm új megállapodást jelentett be a georgiai Peachtree Corners és Jacobs kormányával, amelynek eredményeként a három szervezet a Cellular Vehicle-to-Everything (a jármű és a teljes környezet közötti kommunikációt biztosító) technológiához kapcsolódó különféle technológiákat vezet be.

A Peachtree Corners városvezetői az elmúlt néhány évben komoly beruházásokat hajtottak végre a technológiában, hogy több tucatnyi érzékelővel és digitális eszközzel felszerelt intelligens várost építsenek.

Brandon Branham, a Peachtree Corners városvezető asszisztense és technológiai igazgatója az újságíróknak elmondta, hogy a város már régóta “hangsúlyozta az intelligens összekapcsolt infrastruktúra fontosságát az ökoszisztéma minden részének támogatása érdekében”, felsorolva a technológiai újdonságok palettáját az autonóm járművektől kezdve a lakosok számára igénybe vehető autonóm transzfereken át az intelligens forgalomirányításig.

“A Qualcomm Technologies iparágvezető C-V2X technológiái jelentősen javítják infrastruktúránkat, és mind a technológiai fejlesztők, mind a lakóink számára jelentősek, mivel a társadalom és az üzleti élet nagyobb részét összekapcsoljuk” – mondta Branham.

Sanjeet Pandit, a Qualcomm üzletfejlesztési vezető igazgatója és az intelligens városok globális vezetője elmondta, hogy a vállalat együtt fog működni a Jacobsszal, és biztosítja a Peachtree Corners-ba telepített hardvert.

Mindhárom cég szerint a partnerség lehetővé teszi a végpontok közötti intelligens megoldások telepítését az úgynevezett “ország egyik első intelligens városi környezetében, amelyet valós világban összekapcsolt járműtechnika és infrastruktúra hajt.”

A város Curiosity Lab-jának, az 5G által támogatott autonóm járműveknek és az okos város laboratóriumnak köszönhetően Peachtree Corners az intelligens összekapcsolt technológiák való világba telepített mennyországává válik.

Jacobs egy sor útszéli egység, érzékelő és IoT-technológia telepítésében segít, amelyek Branham szerint kezdetben az útszéli infrastruktúrára, a forgalomirányításra és a közúti biztonságra összpontosítanak.

A sajtótájékoztatón a három vállalat kiemelte a Cellular Vehicle-to-All (C-V2X) technológiát, amelyet a város egész területére telepítenek.

“A Qualcomm Technologies C-V2X megoldásaival felszerelt haszongépjárműveket a jármű-infrastruktúra (V2I) közvetlen kommunikációjának bemutatására is felhasználják” – magyarázta újságíróknak Phil Boness, a Jacobs növekedési és stratégiai igazgatója.

Pandit szerint a C-V2X Peachtree Corners-be telepítése bemutatja, hogyan segíthet a technológia a biztonság szempontjából kritikus kommunikációs képességek javításában, mivel a forgalom az egész városban nő.

“Ez a C-V2X program a Curiosity Lab és Jacobs társasággal nemcsak a digitális közúti infrastruktúra megvalósításának képességét emeli ki a forgalom optimalizálása és a biztonságosabb utcák lehetővé tétele érdekében a globális városokban, hanem kifejezi folyamatos elkötelezettségünket a korszerű megoldások mellett a közlekedés biztonsága érdekében” – jegyezte meg Pandit.

“Ez a projekt megmutatja az utat, amelyet a közösségek a jövőben követhetnek, és arra számítunk, hogy ezek a fejlett, végpontok közötti megoldások a jövőbeni intelligens város és intelligens összekapcsolt terek bevezetésének szerves részét képezik majd.”

A C-V2X szerves része lesz a város erőfeszítéseinek a biztonsági és mobilitási alkalmazások kiépítésében, miközben lehetővé teszi a “tisztább és fenntarthatóbb mobilitási alternatívákat” is. A technológia segítségével a három szervezet szerint legalább 5% -kal csökkenthető az üvegházhatású gáz-kibocsátás, és kompatibilis az 5G hálózatokkal. A fejlett vezetősegítő rendszerek szenzorai – például radar, kamerák, lidar – mellett fog működni.

Az alacsony késleltetésű kommunikáció lehetővé teszi a járművek számára, hogy a helyi mobilhálózatok használata nélkül kommunikáljanak más járművekkel, a helyi útszéli infrastruktúrával és a gyalogosokkal.

“Biztonsági szempontból az a feladatunk, hogy jobbá tegyük lakóink és alkalmazottaink életét.”- mondta Branham. “Naponta 65 000 autó vág át a városon. A kérdés az, hogyan vehetjük igénybe ezt a fajta infrastruktúrát, és végezhetünk rajta igazításokat az életünk javítása érdekében, mert senki sem szeret a piros lámpánál ülni az autójában. Tehát most ebbe a technológiába és városunk jövőjébe is befektetünk. ”

Forrás: ZD Net

https://www.zdnet.com/article/qualcomm-partners-with-georgia-smart-city-to-test-out-cellular-vehicle-to-everything-technology/

Az autonóm autók egyik legnagyobb kihívása a rossz időjárási körülmények közötti észlelés. Az olyan városokban, ahol gyakran esik a hó, mint például Detroitban és Chicagoban ez jelentős nehézséget okozhat. A járművek az alapvető szenzoros adatokra támaszkodnak az akadályok elkerülésében és a jármű úton tartásában, ezt veszélyezteti a havazás.

A SPIE Defense + Commercial Sensing 2021- ben bemutatott két új cikkben a Michigani Műszaki Egyetem kutatói új megoldásokat vitattak meg az autonóm járművek havas időben való vezetési forgatókönyvei esetére. Számos autó közlekedik már vakfolt vagy fékezés segítő rendszerrel, vagy akár önvezető mód lehetőséggel. Bár a technológia még sok szempontból gyerekcipőben jár, az autógyártók és a kutatóegyetemek folyamatosan dolgoznak a technológia és az algoritmusok fejlesztésén. A balesetek bekövetkezése gyakran az autó intelligenciájának téves megítélése vagy emberi hiba következménye.

Az emberi szem is egyfajta érzékelő, mivel érzékeli az egyensúlyt és a mozgást. Az agyunk processzorként működik, segít megérteni környezetünket. Ezek együttesen lehetővé teszik, hogy minden helyzetben közlekedni tudjunk, még azokban is, amelyek újak számunkra, mivel agyunk általánosítja az újszerű tapasztalatokat.

Az autonóm járműveknél általában két kamera van felszerelve, és sztereó látás segítségével szkennelik és érzékelik a mélységet, utánozva az emberi látást. Ugyanakkor az egyensúlyt és a mozgást egy inerciális mérési egységgel mérik. A számítógépek viszont csak a korábban felmerült vagy azok felismerésére már beprogramozott forgatókönyvekre képesek reagálni.

Az autonóm járművek feladatspecifikus mesterséges intelligencia algoritmusokra támaszkodnak, amelyekhez több érzékelőre van szükség, például kamerákra, infravörös érzékelőkre, radarra, fényérzékelőkre és lidarra.

Nathir Rawashdeh a számítástechnika adjunktusa a Michigan Tech Számítástechnikai Főiskoláján és a tanulmány egyik vezető szerzője.

“Minden érzékelőnek vannak korlátai, és minden érzékelő kiegészíti a másik hiányosságait” – mondta Rawashdeh. „A szenzorfúzió több különböző modalitású érzékelőt használ a helyzetek megértéséhez. Nem lehet minden programot minden részletre kiterjedően programozni, ha az ingerek bonyolult mintázattal rendelkeznek. Ezért van szükségünk mesterséges intelligenciára.”

A tanulmány munkatársai között volt Nader Abu-Alrub, az elektrotechnika és a számítástechnika doktorandusz hallgatója, valamint Jeremy Bos, villamos- és számítástechnikai adjunktus.

Az autonóm szenzorokat és az önvezető algoritmusokat szinte kizárólag napos és tiszta időjárási körülmények között fejlesztik ki. Bos laboratóriuma először egy Michigan Tech autonóm járművel kezdte az adatok gyűjtését nagy havazásban, és több mint 1000 képkocka lidar, radar és képadatot gyűjtöttek a havas utakról Németországban és Norvégiában.

Bos szerint az érzékelőkkel való észlelés nehéz a sokféle hó miatt. Fontos az adatok előzetes feldolgozása és a pontos címkézés biztosítása.

További nagy kihívás az adatok rossz minősége és szennyeződése, és a hó felhalmozódása az érzékelőkön is problémákat okoz. Az érzékelők letörlése után sem mindig van egyetértés az akadályok észlelésében. Gyakran nagyon nehéz elérni, hogy az érzékelők és azok kockázatértékelései kommunikáljanak és tanuljanak egymástól, mivel mindegyik saját következtetésre juthat. A csapat azonban azt szeretné, ha az autonóm szenzorok együttesen jutnának eredményre az érzékelők fúziójának használatával.

“A szigorú szavazás helyett a szenzorfúzió használatával új becslést fogunk előállítani” – mondja Bos.

Az autonóm jármű-érzékelők rossz időjárás esetén tovább tanulnak és javulnak, és az olyan új megközelítések, mint az érzékelők fúziója, utat mutathatnak az autonóm járművek számára a havas utakon.

Forrás: Unite.ai

https://www.unite.ai/ai-sensors-could-help-autonomous-vehicles-in-snowy-cities/

Az önvezető autók általában egy óriás forgó hengerrel a tetejükön közlekednek, ez a lidar. A lidar infravörös fény impulzusokat küld ki, és méri az időtartamot, amíg az a tárgyakról visszaverődik. Így egy pontokból álló 3D térképet hoz létre, amely pillanatképként mutatja az autó környezetét.

A lidar egyik hátránya, hogy 3D adathalmaza óriási és számításigényes. Például egy tipikus 64 csatornás érzékelő másodpercenként több mint 2 millió pontot produkál. A további térbeli dimenzió miatt a korszerű 3D-s modellek 14-szer több számítást igényelnek a kép 2D-s megfelelőjéhez képest. Ez azt jelenti, hogy a hatékony navigálás érdekében a mérnököknek először általában 2D-re kell összecsukniuk az adatokat – ennek mellékhatása az, hogy jelentős információvesztést okoz.

Az MIT egy csapata egy önvezető rendszeren dolgozik, amely gépi tanulást használ, így nincs szükség egyedi kézi hangolásra. Új end-to-end keretrendszerük autonóm módon tud navigálni, csak a nyers 3D-s pontfelhő-adatokat és az alacsony felbontású GPS-térképeket felhasználva, hasonlóan a mai okostelefonokhoz.

A nyers lidar adatokból a végpontok közötti tanulás számítási szempontból intenzív folyamat, mivel hatalmas mennyiségű érzékszervi információit igényel a számítógéptől a kormányzás megtanulásához. Emiatt a csapatnak új mély tanulási összetevőket kellett megterveznie, amelyek hatékonyabban kihasználják a modern GPU-hardvereket, hogy valós időben irányítsák a járművet.

“Optimalizáltuk megoldásainkat algoritmusok és rendszer szempontjából egyaránt, nagyjából 9-szeres kumulatív gyorsulást értünk el a meglévő 3D lidar megközelítésekhez képest” – mondta Ph.D. Zhijian Liu diák, aki a cikk társszerzője volt Alexander Amini mellett.

A tesztek során a kutatók kimutatták, hogy rendszerük csökkentette azoknak az eseteknek a számát, amikor az embernek át kellett vennie az irányítást a géptől, még az érzékelők súlyos meghibásodásai esetén is.
Az önvezető autók kameráinak, valamint a rendszerek lidar érzékelőinek hasonló problémái vannak rossz időjárási viszonyok közt, mint az emberi szemnek a tükröződés miatt, amikor például egy alagútból hirtelen kiér a fényre. Ennek kezelésére az MIT csapatának rendszere különböző súlyokat rendel az egyes előrejelzésekhez egy döntés meghozatalakor. (Egy alagútból való kilépéskor például minden előrejelzést figyelmen kívül hagyna, amely bizonytalan a pontatlan szenzoros adatoknak köszönhetően.)

A csapat „hibrid bizonyításos fúzió”-nak nevezi megközelítését, mivel egyesíti a különböző irányítási döntéseket a mozgásra vonatkozó választásainak meghozatala során.

“Azáltal, hogy a modell bizonytalansága szerint összesíti a kontroll-előrejelzéseket, a rendszer alkalmazkodni tud a váratlan eseményekhez” – mondja Daniela Rus, az MIT professzora, a tanulmány egyik vezető szerzője.
Sok szempontból maga a rendszer három korábbi MIT-projekt fúziója:

• MapLite, kézzel hangolt keret nagyfelbontású 3D-s térképek nélküli vezetéshez
• “variációs végpontok közötti navigáció”, gépi tanulási rendszer, amelyet emberi vezetési adatok felhasználásával képeznek ki, hogy megtanulják, hogyan kell navigálni.
• SPVNAS, egy hatékony 3D mély tanulási megoldás, amely optimalizálja a neurális architektúrát és a következtetési könyvtárat.

“Kihasználtuk a térkép nélküli vezetési megközelítés előnyeit, és kombináltuk a végpontok közötti gépi tanulással, így nincs szükségünk szakértő programozókra a rendszer kézi hangolásához” – mondja Amini.

Következő lépésként a csapat azt tervezi, hogy rendszerét továbbra is a valós világban – kedvezőtlen időjárási körülmények és más járművekkel való dinamikus interakcióban – teszteli, hogy egyre összetettebbé váljon.

Forrás: Tech Xplore

https://techxplore.com/news/2021-05-efficient-lidar-self-driving-cars.html

Az elektromos jármű gyártás jelenleg egy „beágyazott szén” kihívással néz szembe, mondta Jefferies Simon Powell, globális kutatási vezető a CNBC-nek. „A kormányok által megcélzott környezetkímélő hatás érdekében a felhasználóknak tovább meg kell tartaniuk elektromos autóikat, mint a hagyományos benzines járműveket.”
Ennek oka az, hogy „óriási mennyiségű” a szénkibocsátás a járművekhez szükséges acél, alumínium és üveg előállítása és összeszerelése során. A probléma súlyosabb az elektromos járművek esetében, mivel ezek általában nehezebbek, mint benzines társaik.

„A gyárból való kikerülésükig az elektromos járművek károsabbak a környezetre,” mondta. „Több bennük az acél. A fékek nagyobbak. Az akkumulátorok nehezebbek.”

Relatíve nagyobb súlyuk annak köszönhető, hogy a gyártók elsősorban a hatótávolságra fókuszálnak az elektromos autók esetében, mondta Powell. Szemben a benzines motorokkal, amelyek már évtizedek óta az utakon vannak, az elektromos járművek töltési infrastruktúrája még kevésbé kiépített globálisan.

Powell előrejelzése szerint azonban az elektromos járművekben a „beágyazott szén” várhatóan végül a hagyományos járművekhez hasonló szintre csökken.

„A problémát a zöldebb acél oldja meg,” mondta. „Meg kell vizsgálni a hidrogén felhasználásának lehetőségét az acél gyártási folyamatában is.”

„Nem hiszem, hogy sok ember foglalkozik az acélipar zöldebbé tételével,” mondta Powell, beismerve, hogy nagy kihívást jelent az ágazat globális szén-dioxid mentesítése.

A fémet ma nagyrészt kokszból állítják elő, míg az alacsony szén-dioxid-kibocsátású acélgyártás általában erőforrás-igényesebb és költségesebb.

„Azt hiszem, ez hosszú ideig fog tartani. Nagy beruházásokról beszélünk, hosszútávú megtérüléssel” – mondta Powell.
Eközben a befektetőknek figyelemmel kell kísérniük az akkumulátortechnológia fejlődését is, mivel a nagyobb energiasűrűségű cellák elősegítik az elektromos járművek tömegének és potenciálisan a beágyazott szénnek a csökkentését – mondta Powell.

Forrás: CNBC

https://www.cnbc.com/2021/05/27/jefferies-on-the-carbon-challenges-in-electric-vehicle-manufacturing.html

A Tesla bejelentette, hogy hivatalosan is átáll a radar nélküli „Tesla Vision”-re a 3-as és az Y Modellen.
Ennek során az autógyártó figyelmeztet az Autopilot szolgáltatásainak néhány korlátozására.

Az elmúlt hónapokban a Tesla arról beszélt, hogy az Autopilot és a Full Self-Driving (Teljes Önvezetés) technológiát kizárólag a kamerákon alapuló számítógépes látás használatára helyezi át, és már nem támaszkodik az előre néző radarjára. Most pedig bejelentették, hogy teljesen eltávolítják a radart az Egyesült Államokban gyártott 3-as és Y Modellekről.

Folytatjuk az átállást kamera alapú Autopilot rendszerünkre a Tesla Vision-re. Az észak-amerikai piacra gyártott 3-as és Y-típusú járművek 2021 májusi szállításuktól kezdve már nem lesznek felszerelve radarral. Ezek lesznek az első Tesla járművek, amelyek a kamerával való látásra és az idegháló feldolgozásra támaszkodnak az Autopilot, a Teljes Önvezetés és bizonyos aktív biztonsági funkciók biztosításához. Azokat az ügyfeleket, akik 2021 májusa előtt rendeltek Tesla Vision-re támaszkodó autót, a szállítás előtt a Tesla fiókjukon keresztül értesítjük a változásról.
Az autógyártó figyelmeztetett, hogy az átállás néhány alap korlátozással fog járni az Autosteer, az Autopilot és a Full Self-Driving csomagba tartozó Smart Summon funkciók esetében:

Az Autosteer-t maximum 120 km/h-ra korlátozzák és hosszabb minimum követési távolságot határoznak meg hozzá.
A Smart Summon (amennyiben a felszereltség része) és az Emergency Lane Departure Avoidance (Vészhelyzetben sávelhagyást elkerülő rendszer) funkciók szállításkor letilthatók.

Szokás szerint a Tesla azt tervezi, hogy a technológia fejlesztését az éteren keresztüli szoftverfrissítések révén biztosítja, hogy helyreállítsák ezeket a funkciókat és javítsák jelenlegi képességeiket:

Az elkövetkezendő hetekben elkezdjük helyreállítani ezeket a funkciókat egy sor, az éteren keresztüli szoftverfrissítés révén. Az összes többi elérhető Autopilot és Teljes önvezető funkció a szállításkor lesz aktív, a megrendelés konfigurációjától függően.

A Tesla Vision legújabb változatát először a Tesla Full Self-Driving Beta programjának részeként fejlesztették ki, amelyet korai hozzáférési programjukban teszteltek.

Elon Musk vezérigazgató úgy látja, hogy a Tesla Vision az év végére elvezet a valóban 5. szintű autonóm vezetési rendszerhez, de ebben már korábban is tévedett.

A Tesla azt is megerősítette, hogy a Kínában gyártott S és az X modell, valamint a 3-as és Y-modell is áttér a Tesla Vision-re, bár határidőt erre nem mondott.

A kamerákon alapuló számítógépes látás gondolata azon alapul, hogy jelenleg az emberi agy az egyetlen ismert rendszer, amely képes vezetni. Ez pedig a szemből kapja az információkat, amihez a kamerák állnak a legközelebb.
A jármű körüli, különböző látómezővel rendelkező kamerákkal a Tesla jobb látást érhet el, mint az emberek, és már csak a számítógépes látás problémáját kell megoldani, amely az autógyártó véleménye szerint már nincsen messze.

Forrás: Electrek

https://electrek.co/2021/05/25/tesla-vision-without-radar-warns-limitations-first/

A Qualcomm új megállapodást jelentett be a georgiai Peachtree Corners és Jacobs kormányával, amelynek eredményeként a három szervezet a Cellular Vehicle-to-Everything (a jármű és a teljes környezet közötti kommunikációt biztosító) technológiához kapcsolódó különféle technológiákat vezet be.

A Peachtree Corners városvezetői az elmúlt néhány évben komoly beruházásokat hajtottak végre a technológiában, hogy több tucatnyi érzékelővel és digitális eszközzel felszerelt intelligens várost építsenek.

Brandon Branham, a Peachtree Corners városvezető asszisztense és technológiai igazgatója az újságíróknak elmondta, hogy a város már régóta “hangsúlyozta az intelligens összekapcsolt infrastruktúra fontosságát az ökoszisztéma minden részének támogatása érdekében”, felsorolva a technológiai újdonságok palettáját az autonóm járművektől kezdve a lakosok számára igénybe vehető autonóm transzfereken át az intelligens forgalomirányításig.

“A Qualcomm Technologies iparágvezető C-V2X technológiái jelentősen javítják infrastruktúránkat, és mind a technológiai fejlesztők, mind a lakóink számára jelentősek, mivel a társadalom és az üzleti élet nagyobb részét összekapcsoljuk” – mondta Branham.

Sanjeet Pandit, a Qualcomm üzletfejlesztési vezető igazgatója és az intelligens városok globális vezetője elmondta, hogy a vállalat együtt fog működni a Jacobsszal, és biztosítja a Peachtree Corners-ba telepített hardvert.

Mindhárom cég szerint a partnerség lehetővé teszi a végpontok közötti intelligens megoldások telepítését az úgynevezett “ország egyik első intelligens városi környezetében, amelyet valós világban összekapcsolt járműtechnika és infrastruktúra hajt.”

A város Curiosity Lab-jának, az 5G által támogatott autonóm járműveknek és az okos város laboratóriumnak köszönhetően Peachtree Corners az intelligens összekapcsolt technológiák való világba telepített mennyországává válik.

Jacobs egy sor útszéli egység, érzékelő és IoT-technológia telepítésében segít, amelyek Branham szerint kezdetben az útszéli infrastruktúrára, a forgalomirányításra és a közúti biztonságra összpontosítanak.

A sajtótájékoztatón a három vállalat kiemelte a Cellular Vehicle-to-All (C-V2X) technológiát, amelyet a város egész területére telepítenek.

“A Qualcomm Technologies C-V2X megoldásaival felszerelt haszongépjárműveket a jármű-infrastruktúra (V2I) közvetlen kommunikációjának bemutatására is felhasználják” – magyarázta újságíróknak Phil Boness, a Jacobs növekedési és stratégiai igazgatója.

Pandit szerint a C-V2X Peachtree Corners-be telepítése bemutatja, hogyan segíthet a technológia a biztonság szempontjából kritikus kommunikációs képességek javításában, mivel a forgalom az egész városban nő.

“Ez a C-V2X program a Curiosity Lab és Jacobs társasággal nemcsak a digitális közúti infrastruktúra megvalósításának képességét emeli ki a forgalom optimalizálása és a biztonságosabb utcák lehetővé tétele érdekében a globális városokban, hanem kifejezi folyamatos elkötelezettségünket a korszerű megoldások mellett a közlekedés biztonsága érdekében” – jegyezte meg Pandit.

“Ez a projekt megmutatja az utat, amelyet a közösségek a jövőben követhetnek, és arra számítunk, hogy ezek a fejlett, végpontok közötti megoldások a jövőbeni intelligens város és intelligens összekapcsolt terek bevezetésének szerves részét képezik majd.”

A C-V2X szerves része lesz a város erőfeszítéseinek a biztonsági és mobilitási alkalmazások kiépítésében, miközben lehetővé teszi a “tisztább és fenntarthatóbb mobilitási alternatívákat” is. A technológia segítségével a három szervezet szerint legalább 5% -kal csökkenthető az üvegházhatású gáz-kibocsátás, és kompatibilis az 5G hálózatokkal. A fejlett vezetősegítő rendszerek szenzorai – például radar, kamerák, lidar – mellett fog működni.

Az alacsony késleltetésű kommunikáció lehetővé teszi a járművek számára, hogy a helyi mobilhálózatok használata nélkül kommunikáljanak más járművekkel, a helyi útszéli infrastruktúrával és a gyalogosokkal.

“Biztonsági szempontból az a feladatunk, hogy jobbá tegyük lakóink és alkalmazottaink életét.”- mondta Branham. “Naponta 65 000 autó vág át a városon. A kérdés az, hogyan vehetjük igénybe ezt a fajta infrastruktúrát, és végezhetünk rajta igazításokat az életünk javítása érdekében, mert senki sem szeret a piros lámpánál ülni az autójában. Tehát most ebbe a technológiába és városunk jövőjébe is befektetünk. ”

Forrás: ZD Net

https://www.zdnet.com/article/qualcomm-partners-with-georgia-smart-city-to-test-out-cellular-vehicle-to-everything-technology/

Az autonóm autók egyik legnagyobb kihívása a rossz időjárási körülmények közötti észlelés. Az olyan városokban, ahol gyakran esik a hó, mint például Detroitban és Chicagoban ez jelentős nehézséget okozhat. A járművek az alapvető szenzoros adatokra támaszkodnak az akadályok elkerülésében és a jármű úton tartásában, ezt veszélyezteti a havazás.

A SPIE Defense + Commercial Sensing 2021- ben bemutatott két új cikkben a Michigani Műszaki Egyetem kutatói új megoldásokat vitattak meg az autonóm járművek havas időben való vezetési forgatókönyvei esetére. Számos autó közlekedik már vakfolt vagy fékezés segítő rendszerrel, vagy akár önvezető mód lehetőséggel. Bár a technológia még sok szempontból gyerekcipőben jár, az autógyártók és a kutatóegyetemek folyamatosan dolgoznak a technológia és az algoritmusok fejlesztésén. A balesetek bekövetkezése gyakran az autó intelligenciájának téves megítélése vagy emberi hiba következménye.

Az emberi szem is egyfajta érzékelő, mivel érzékeli az egyensúlyt és a mozgást. Az agyunk processzorként működik, segít megérteni környezetünket. Ezek együttesen lehetővé teszik, hogy minden helyzetben közlekedni tudjunk, még azokban is, amelyek újak számunkra, mivel agyunk általánosítja az újszerű tapasztalatokat.

Az autonóm járműveknél általában két kamera van felszerelve, és sztereó látás segítségével szkennelik és érzékelik a mélységet, utánozva az emberi látást. Ugyanakkor az egyensúlyt és a mozgást egy inerciális mérési egységgel mérik. A számítógépek viszont csak a korábban felmerült vagy azok felismerésére már beprogramozott forgatókönyvekre képesek reagálni.

Az autonóm járművek feladatspecifikus mesterséges intelligencia algoritmusokra támaszkodnak, amelyekhez több érzékelőre van szükség, például kamerákra, infravörös érzékelőkre, radarra, fényérzékelőkre és lidarra.

Nathir Rawashdeh a számítástechnika adjunktusa a Michigan Tech Számítástechnikai Főiskoláján és a tanulmány egyik vezető szerzője.

“Minden érzékelőnek vannak korlátai, és minden érzékelő kiegészíti a másik hiányosságait” – mondta Rawashdeh. „A szenzorfúzió több különböző modalitású érzékelőt használ a helyzetek megértéséhez. Nem lehet minden programot minden részletre kiterjedően programozni, ha az ingerek bonyolult mintázattal rendelkeznek. Ezért van szükségünk mesterséges intelligenciára.”

A tanulmány munkatársai között volt Nader Abu-Alrub, az elektrotechnika és a számítástechnika doktorandusz hallgatója, valamint Jeremy Bos, villamos- és számítástechnikai adjunktus.

Az autonóm szenzorokat és az önvezető algoritmusokat szinte kizárólag napos és tiszta időjárási körülmények között fejlesztik ki. Bos laboratóriuma először egy Michigan Tech autonóm járművel kezdte az adatok gyűjtését nagy havazásban, és több mint 1000 képkocka lidar, radar és képadatot gyűjtöttek a havas utakról Németországban és Norvégiában.

Bos szerint az érzékelőkkel való észlelés nehéz a sokféle hó miatt. Fontos az adatok előzetes feldolgozása és a pontos címkézés biztosítása.

További nagy kihívás az adatok rossz minősége és szennyeződése, és a hó felhalmozódása az érzékelőkön is problémákat okoz. Az érzékelők letörlése után sem mindig van egyetértés az akadályok észlelésében. Gyakran nagyon nehéz elérni, hogy az érzékelők és azok kockázatértékelései kommunikáljanak és tanuljanak egymástól, mivel mindegyik saját következtetésre juthat. A csapat azonban azt szeretné, ha az autonóm szenzorok együttesen jutnának eredményre az érzékelők fúziójának használatával.

“A szigorú szavazás helyett a szenzorfúzió használatával új becslést fogunk előállítani” – mondja Bos.

Az autonóm jármű-érzékelők rossz időjárás esetén tovább tanulnak és javulnak, és az olyan új megközelítések, mint az érzékelők fúziója, utat mutathatnak az autonóm járművek számára a havas utakon.

Forrás: Unite.ai

https://www.unite.ai/ai-sensors-could-help-autonomous-vehicles-in-snowy-cities/

Az önvezető autók általában egy óriás forgó hengerrel a tetejükön közlekednek, ez a lidar. A lidar infravörös fény impulzusokat küld ki, és méri az időtartamot, amíg az a tárgyakról visszaverődik. Így egy pontokból álló 3D térképet hoz létre, amely pillanatképként mutatja az autó környezetét.

A lidar egyik hátránya, hogy 3D adathalmaza óriási és számításigényes. Például egy tipikus 64 csatornás érzékelő másodpercenként több mint 2 millió pontot produkál. A további térbeli dimenzió miatt a korszerű 3D-s modellek 14-szer több számítást igényelnek a kép 2D-s megfelelőjéhez képest. Ez azt jelenti, hogy a hatékony navigálás érdekében a mérnököknek először általában 2D-re kell összecsukniuk az adatokat – ennek mellékhatása az, hogy jelentős információvesztést okoz.

Az MIT egy csapata egy önvezető rendszeren dolgozik, amely gépi tanulást használ, így nincs szükség egyedi kézi hangolásra. Új end-to-end keretrendszerük autonóm módon tud navigálni, csak a nyers 3D-s pontfelhő-adatokat és az alacsony felbontású GPS-térképeket felhasználva, hasonlóan a mai okostelefonokhoz.

A nyers lidar adatokból a végpontok közötti tanulás számítási szempontból intenzív folyamat, mivel hatalmas mennyiségű érzékszervi információit igényel a számítógéptől a kormányzás megtanulásához. Emiatt a csapatnak új mély tanulási összetevőket kellett megterveznie, amelyek hatékonyabban kihasználják a modern GPU-hardvereket, hogy valós időben irányítsák a járművet.

“Optimalizáltuk megoldásainkat algoritmusok és rendszer szempontjából egyaránt, nagyjából 9-szeres kumulatív gyorsulást értünk el a meglévő 3D lidar megközelítésekhez képest” – mondta Ph.D. Zhijian Liu diák, aki a cikk társszerzője volt Alexander Amini mellett.

A tesztek során a kutatók kimutatták, hogy rendszerük csökkentette azoknak az eseteknek a számát, amikor az embernek át kellett vennie az irányítást a géptől, még az érzékelők súlyos meghibásodásai esetén is.
Az önvezető autók kameráinak, valamint a rendszerek lidar érzékelőinek hasonló problémái vannak rossz időjárási viszonyok közt, mint az emberi szemnek a tükröződés miatt, amikor például egy alagútból hirtelen kiér a fényre. Ennek kezelésére az MIT csapatának rendszere különböző súlyokat rendel az egyes előrejelzésekhez egy döntés meghozatalakor. (Egy alagútból való kilépéskor például minden előrejelzést figyelmen kívül hagyna, amely bizonytalan a pontatlan szenzoros adatoknak köszönhetően.)

A csapat „hibrid bizonyításos fúzió”-nak nevezi megközelítését, mivel egyesíti a különböző irányítási döntéseket a mozgásra vonatkozó választásainak meghozatala során.

“Azáltal, hogy a modell bizonytalansága szerint összesíti a kontroll-előrejelzéseket, a rendszer alkalmazkodni tud a váratlan eseményekhez” – mondja Daniela Rus, az MIT professzora, a tanulmány egyik vezető szerzője.
Sok szempontból maga a rendszer három korábbi MIT-projekt fúziója:

• MapLite, kézzel hangolt keret nagyfelbontású 3D-s térképek nélküli vezetéshez
• “variációs végpontok közötti navigáció”, gépi tanulási rendszer, amelyet emberi vezetési adatok felhasználásával képeznek ki, hogy megtanulják, hogyan kell navigálni.
• SPVNAS, egy hatékony 3D mély tanulási megoldás, amely optimalizálja a neurális architektúrát és a következtetési könyvtárat.

“Kihasználtuk a térkép nélküli vezetési megközelítés előnyeit, és kombináltuk a végpontok közötti gépi tanulással, így nincs szükségünk szakértő programozókra a rendszer kézi hangolásához” – mondja Amini.

Következő lépésként a csapat azt tervezi, hogy rendszerét továbbra is a valós világban – kedvezőtlen időjárási körülmények és más járművekkel való dinamikus interakcióban – teszteli, hogy egyre összetettebbé váljon.

Forrás: Tech Xplore

https://techxplore.com/news/2021-05-efficient-lidar-self-driving-cars.html

Az elektromos jármű gyártás jelenleg egy „beágyazott szén” kihívással néz szembe, mondta Jefferies Simon Powell, globális kutatási vezető a CNBC-nek. „A kormányok által megcélzott környezetkímélő hatás érdekében a felhasználóknak tovább meg kell tartaniuk elektromos autóikat, mint a hagyományos benzines járműveket.”
Ennek oka az, hogy „óriási mennyiségű” a szénkibocsátás a járművekhez szükséges acél, alumínium és üveg előállítása és összeszerelése során. A probléma súlyosabb az elektromos járművek esetében, mivel ezek általában nehezebbek, mint benzines társaik.

„A gyárból való kikerülésükig az elektromos járművek károsabbak a környezetre,” mondta. „Több bennük az acél. A fékek nagyobbak. Az akkumulátorok nehezebbek.”

Relatíve nagyobb súlyuk annak köszönhető, hogy a gyártók elsősorban a hatótávolságra fókuszálnak az elektromos autók esetében, mondta Powell. Szemben a benzines motorokkal, amelyek már évtizedek óta az utakon vannak, az elektromos járművek töltési infrastruktúrája még kevésbé kiépített globálisan.

Powell előrejelzése szerint azonban az elektromos járművekben a „beágyazott szén” várhatóan végül a hagyományos járművekhez hasonló szintre csökken.

„A problémát a zöldebb acél oldja meg,” mondta. „Meg kell vizsgálni a hidrogén felhasználásának lehetőségét az acél gyártási folyamatában is.”

„Nem hiszem, hogy sok ember foglalkozik az acélipar zöldebbé tételével,” mondta Powell, beismerve, hogy nagy kihívást jelent az ágazat globális szén-dioxid mentesítése.

A fémet ma nagyrészt kokszból állítják elő, míg az alacsony szén-dioxid-kibocsátású acélgyártás általában erőforrás-igényesebb és költségesebb.

„Azt hiszem, ez hosszú ideig fog tartani. Nagy beruházásokról beszélünk, hosszútávú megtérüléssel” – mondta Powell.
Eközben a befektetőknek figyelemmel kell kísérniük az akkumulátortechnológia fejlődését is, mivel a nagyobb energiasűrűségű cellák elősegítik az elektromos járművek tömegének és potenciálisan a beágyazott szénnek a csökkentését – mondta Powell.

Forrás: CNBC

https://www.cnbc.com/2021/05/27/jefferies-on-the-carbon-challenges-in-electric-vehicle-manufacturing.html

A Tesla bejelentette, hogy hivatalosan is átáll a radar nélküli „Tesla Vision”-re a 3-as és az Y Modellen.
Ennek során az autógyártó figyelmeztet az Autopilot szolgáltatásainak néhány korlátozására.

Az elmúlt hónapokban a Tesla arról beszélt, hogy az Autopilot és a Full Self-Driving (Teljes Önvezetés) technológiát kizárólag a kamerákon alapuló számítógépes látás használatára helyezi át, és már nem támaszkodik az előre néző radarjára. Most pedig bejelentették, hogy teljesen eltávolítják a radart az Egyesült Államokban gyártott 3-as és Y Modellekről.

Folytatjuk az átállást kamera alapú Autopilot rendszerünkre a Tesla Vision-re. Az észak-amerikai piacra gyártott 3-as és Y-típusú járművek 2021 májusi szállításuktól kezdve már nem lesznek felszerelve radarral. Ezek lesznek az első Tesla járművek, amelyek a kamerával való látásra és az idegháló feldolgozásra támaszkodnak az Autopilot, a Teljes Önvezetés és bizonyos aktív biztonsági funkciók biztosításához. Azokat az ügyfeleket, akik 2021 májusa előtt rendeltek Tesla Vision-re támaszkodó autót, a szállítás előtt a Tesla fiókjukon keresztül értesítjük a változásról.
Az autógyártó figyelmeztetett, hogy az átállás néhány alap korlátozással fog járni az Autosteer, az Autopilot és a Full Self-Driving csomagba tartozó Smart Summon funkciók esetében:

Az Autosteer-t maximum 120 km/h-ra korlátozzák és hosszabb minimum követési távolságot határoznak meg hozzá.
A Smart Summon (amennyiben a felszereltség része) és az Emergency Lane Departure Avoidance (Vészhelyzetben sávelhagyást elkerülő rendszer) funkciók szállításkor letilthatók.

Szokás szerint a Tesla azt tervezi, hogy a technológia fejlesztését az éteren keresztüli szoftverfrissítések révén biztosítja, hogy helyreállítsák ezeket a funkciókat és javítsák jelenlegi képességeiket:

Az elkövetkezendő hetekben elkezdjük helyreállítani ezeket a funkciókat egy sor, az éteren keresztüli szoftverfrissítés révén. Az összes többi elérhető Autopilot és Teljes önvezető funkció a szállításkor lesz aktív, a megrendelés konfigurációjától függően.

A Tesla Vision legújabb változatát először a Tesla Full Self-Driving Beta programjának részeként fejlesztették ki, amelyet korai hozzáférési programjukban teszteltek.

Elon Musk vezérigazgató úgy látja, hogy a Tesla Vision az év végére elvezet a valóban 5. szintű autonóm vezetési rendszerhez, de ebben már korábban is tévedett.

A Tesla azt is megerősítette, hogy a Kínában gyártott S és az X modell, valamint a 3-as és Y-modell is áttér a Tesla Vision-re, bár határidőt erre nem mondott.

A kamerákon alapuló számítógépes látás gondolata azon alapul, hogy jelenleg az emberi agy az egyetlen ismert rendszer, amely képes vezetni. Ez pedig a szemből kapja az információkat, amihez a kamerák állnak a legközelebb.
A jármű körüli, különböző látómezővel rendelkező kamerákkal a Tesla jobb látást érhet el, mint az emberek, és már csak a számítógépes látás problémáját kell megoldani, amely az autógyártó véleménye szerint már nincsen messze.

Forrás: Electrek

https://electrek.co/2021/05/25/tesla-vision-without-radar-warns-limitations-first/

A japán Toyota Motor Corp. az Intel Corp. Mobileye részlegével együttműködésben fejleszti a továbbiakban önvezető rendszereit.

Az Intel közleménye szerint a Toyota a jeruzsálemi székhelyű önvezető technológiai fejlesztőt, a Mobileye-t választotta partneréül, amelyet az Intel 2017-ben, a ZF Friedrichshafen AG német autóalkatrész- gyártóval együtt vásárolt meg. A közlemény szerint a ZF és a Mobileye a fejlett kameratechnika előállításában működik együtt, amely a Toyota járműveiben működő rendszereket támogatja.

A Toyota az utóbbi időben aktív szerepet játszik az autonóm vezetési szektorban. Januárban létrehozta a Woven Planet leányvállalatot, amely az autonóm vezetés és más fejlett mobilitási technológiák fejlesztésére összpontosít. Áprilisban megállapodást írtak alá a Lyft amerikai önvezető társaság 5-ös szintű önvezető részlegének 550 millió dollárért történő megvásárlásáról, növelve az autonóm járműipar felé történő terjeszkedést.

Tavaly a Toyota 400 millió dollárt fektetett be a Pony.ai kínai önvezető jármű startupba, amely olyan az autonómia 4. szintjén álló járműveket fejleszt, amely az Egyesült Államok Járműmérnöki Társaságának szabványai szerint a második legmagasabb szintű autonóm vezetési képesség. A japán autógyártó egyben pénzügyi támogatója a Didi Chuxingnak, a kínai ride-hailing óriásnak, amelynek célja vezető nélküli járművek használata taxi-szolgáltatásaihoz.

Forrás: CX Tech

https://www.caixinglobal.com/2021-05-20/toyota-teams-up-with-intel-on-self-driving-vehicles-101715771.html

A TuSimple autonóm jármű cég bejelentette, hogy teherautói 10 órával gyorsabban tették meg az általában 24 órát igénylő utat.

A vállalat teherautóit görögdinnye szállítás során tesztelte az arizonai Nogales és Oklahoma City közötti 1530 km hosszú úton. A teszt út a TuSimple termelői és forgalmazói partnerei, valamint az Associated Wholesale Grocers részvételével zajló kísérleti projekt része volt.

Az út általában 24 órát és 6 percet vesz igénybe hagyományos teherautókkal és emberi vezetőkkel, ehhez képest a TuSimple automata vezetési rendszere 42%-kal gyorsabb utat tett lehetővé, amely így 14 órába és 6 percbe telt, a vállalat közleménye szerint.

A TuSimple szerint egy ember sofőr végezte a termékek átvételét és leadását. De a hosszú középső szakaszon – az arizonai Tucsontól a texasi Dallasig – a TuSimple járműve önmagát vezette, egy biztonsági vezetővel a fedélzeten.
A TuSimple szóvivője a CNBC-nek elmondta, hogy a tesztet a fedélzeten tartózkodó biztonsági sofőrrel végezték, hogy megfeleljenek az Egyesült Államok helyi szabályozásának. A TuSimple célja, hogy teherautóit úgy üzemeltesse, hogy 2024 végéig egyáltalán ne legyen szüksége fedélzeti biztonsági vezetőre. Teherautóit szükség esetén manuálisan is lehet vezetni.

A szövetségi szabályozás jelenleg nem korlátozza az automatizált vezetési rendszerek használatát az Egyesült Államokban, a végrehajtást az egyes államokra bízzák. De egy kongresszusi albizottság  megvitatta azokat a lehetséges szabályokat és ösztönzőket, amelyek ösztönözhetik a vezető nélküli járművek szélesebb körű elfogadását, és belföldön támogathatják a feltörekvő iparágat.

Mint feltörekvő technológiai vállalat, a TuSimple még nem nyereséges a 7 milliárd dollár feletti piaci kapacitás ellenére. A körülbelül 800 alkalmazottat foglalkoztató startup az idei első negyedévben 41,4 millió dollárt költött kutatásra és fejlesztésre, és ugyanebben az időszakban 944 000 dollár bevételt termelt.

A kifejezetten teherfuvarozáshoz autonóm járműrendszereket fejlesztő versenytársak között szerepel többek között az USA-ban az Aurora, a Tesla a nehéz tehergépjármű-egysége révén, a Daimler Trucks (a Torc Robotics leányvállalata révén), az Amazon által támogatott Embark és az Alphabethez tartozó Waymo.

Egyes versenytársak, a Toyota által támogatott Pony.ai és a Nuro társaságokhoz csatlakozva, vezető nélküli járműveket fejlesztenek a fogyasztók számára is „érintés nélküli” élelmiszer- szállításra.

A tőzsdei bevezetése előtt a TuSimple partnerséget kötött és támogatást kapott a Volkswagen AG nehéz tehergépjármű-üzletágától, a The Traton Group-tól és a Navistar-tól, járművei fejlesztése céljából. Emellett forrásokat gyűjtött a UPS vállalkozási ágától, és együttműködött az USA postai szolgálatával egy több államból álló tesztprogram végrehajtása érdekében, amely során teherautókat működtettek Dallas és Phoenix között.

Forrás: CNBC

https://www.cnbc.com/2021/05/19/tusimple-self-driving-trucks-saved-10-hours-on-24-hour-run.html

A szövetségi kormány vizsgálata továbbra is folyamatban van a Tesla súlyos balesetével kapcsolatban, amely idén áprilisban történt, és amelyben meghalt két ember. De úgy tűnik, ez nem akadályozza Elon Musk Teslával kapcsolatos terveit, mivel szerdán a cégvezető bejelentette, hogy autóikban bevezetik az Autopilot fejlettebb és széleskörűbb változatát.

Az eset kezdeti kivizsgálása a Harris megyei rendőrőrs részéről sok kérdést felvetett a Tesla és annak Autopilot üzemmódja biztonságával kapcsolatban, amely számos vezetőt segítő funkciót tartalmaz. Ennek ellenére nemrég bejelentették, hogy a Tesla egy hónap múlva megnyitja az Autopilot fejlettebb verziójára – a „teljes önvezető” módra – való előfizetés lehetőségét.

Meg kell jegyezni, hogy Elon Musk már régóta beszél a „teljes önvezető” rendszerről a Teslákban, csak leszállítania nem sikerült eddig.

De nem számít, mikor jelenik meg, Musk biztosította, hogy a fejlett Autopilot mód „gigantikus ” változásokat fog jelenteni, amint a Tesla frissíti szoftverét. A továbbfejlesztett rendszer egyik előnye az lenne, hogy megszüntetnék a szoftver jelenlegi hibáját, amelyben az autó, amikor Autopilot módban van, váratlanul fékez, amikor hidakon és felüljárók alatt sötét területeken halad.

Noha Musk készen áll arra, hogy kiadja az Autopilot szoftver új frissítéseit, amely így teljesen önvezetővé válik, a körülötte lévő kételyek tovább fokozódnak, különösen az áprilisi houston-i S Modellel történt baleset után, amelyben a két utas közül egyik sem ült a vezető ülésben az ütközés pillanatában.

Később Musk közzétette, hogy a Tesla autó adatnaplói szerint az Autopilot-ot nem használták a balesetkor. És bár nem osztott meg további információkat, és nem magyarázta meg az üres vezető ülést, a szövetségi kormány előzetes vizsgálata során kiderült, hogy a biztonsági kamera felvételei szerint a Tesla tulajdonosa a vezető ülésbe szállt be induláskor. Az autó nagyjából 170 métert tett meg az ütközésig, a tulajdonos ezalatt mozdult el a vezető ülésből.
A nyomozás nem erősítette meg, hogy az Autopilot be lett volna kapcsolva az ütközés előtt vagy az ütközés pillanatában, amely teljesen tönkretette az autót.

A CNN Business beszámolója szerint az Országos Autópálya Közlekedésbiztonsági Igazgatóságnak jelenleg 28 aktív vizsgálata van a Tesla fejlett vezetősegítő rendszerével kapcsolatban. De még egy évbe telik, mire az áprilisi balesettel kapcsolatos szövetségi vizsgálat lezárul, és kiderül, hogy az autó tulajdonosa valóban Autopilot módot használt-e, vagy csak a baleset után mászott át a hátsó ülésre.

Ezalatt Elon Musk továbbra is úgy reklámozza a Tesla Autopilot-ot, mint, ami jelentősen biztonságosabb, mint az emberi vezető, és készen áll a továbbfejlesztett verzió piacra dobására.

Forrás: Giant Freakin Robot

https://www.giantfreakinrobot.com/tech/tesla-self-driving-model.html

2030 már nincs messze, és az autóipar sok változást, jobb minőséget és izgalmas új járműveket ígér. Sajnos az nem várható, hogy autóink a következő évtizedben repülni fognak, de a szakértők úgy gondolják, hogy néhány városban már fognak addigra önvezető járművek közlekedni.
A benzines autók még az utakon lesznek, de kezdenek majd eltűnni, tekintve, hogy a nagy autógyártók, mint a Volvo, a BMW, a Volkswagen és mások már csak teljesen elektromos autókat ígérnek 2030-ra.

De mitől lesznek a szakértők szerint az autók különlegesebbek 2030-ban, mint most?
Az autóipar egyre nagyobb teljesítményű, ugyanakkor környezetbarát járművekre törekszik, amelyeket jó minőségű alapanyagokból akar előállítani. Vélhetőleg a következő években az iparágnak meg kell küzdenie azzal, hogy megtalálja az egyensúlyt a luxus, a teljesítmény, a biztonság és az ár között, de ha ez sikerül, akkor számtalan lehetőség áll majd nyitva előtte.

A fő tényezők, amelyek különlegessé és kiemelkedővé teszik majd az autókat, az autók tervezése és kivitelezése lesznek. Ezt már láthattuk a Porsche-nál. A Porsche Taycan a világ legkiválóbb elektromos autója, mert egyensúly van a teljesítmény, a finom vezetési tényezők, a nagyszerű stílus, a csúcstechnika és a kiváló minőségű alkatrészek között.

Az autók sikerének receptje 2030-ra annak megértése lesz, hogy hogyan tegyék vonzóvá őket. Az embereknek akarniuk kell az autókat, biztonságosnak kell érezniük a vezetésüket, emellett elegendő térre és kényelemre is szükségük van.

Több elektromos autó lesz-e az utakon 2030-ban, mint most?

Brandon Mason, a PwC igazgatója és az Egyesült Államok mobilitási vezetője elmondta: „Az autógyártók nagy téteket tesznek az elektromos járművekre”. Jelenleg jelentős mennyiségű tőke van az EV-kben. Az inflexiós pontot azonban csak a következő évtized közepén láthatjuk. Az akkumulátorok továbbra is költségkímélők.”

Van már néhány ultra-luxus autógyártó, aki bejelentette elektromos járműveit. Az első Bentley, valamint a Rolls-Royce elektromos autók 2025-re esedékesek, és a Jaguar XJ Sedan is készen áll arra, hogy elektromos autóként is piacra dobják.

Nem feledkezhetünk meg a Tesláról sem. A szakértők úgy vélik, hogy izgalmas új autókat hoznak majd a piacra, amelyek megfizethetőbbek, valamint jobb hatótávolságot biztosítanak a közeljövőben.

A Mercedes-Benz is piacra dobott egy új csúcsautót, az EQS-t. Ez egy elektromos autó, amely több mint 435 mérföld távolságot tesz lehetővé. A Mercedes-Benz előrejelzése szerint 2030-ra szállításuk felét plug-in hibridek és teljesen elektromos autók teszik majd ki.

Bár az előrejelzések szerint 2030-ra sok elektromos autó lesz az utakon, de van még néhány akadály az autóipar előtt. Az autók akkumulátorai továbbra is drágábbak lesznek az ICE modellekhez képest, és a városoknak projekteket kell indítaniuk annak biztosítására, hogy elegendő töltőállomás álljon rendelkezésre az autók töltéséhez.
Önvezetők lesznek-e az autók 2030-ra?

A gondolat, hogy olyan autókkal közlekedjünk, amelyek helyettünk vezetnek, miközben mi más dolgokkal foglalkozhatunk néhány ember számára vonzó, míg másokat megijeszt. A szakértők szerint az önvezető autók lecserélhetik a taxikat és a közösségi közlekedést, például a buszokat a városokban.

De ahogy az elektromos autók sem olcsók, az autonóm járműveknek is megvan az ára. „Minden egyes ilyen járműben több száz ezer dollárnyi technológia van,” mondta Brauer. „A belátható jövőben nem hiszem, hogy az önvezető autók magántulajdonba kerülnének.”

A szakértők úgy gondolják, hogy a 4-es vagy 5-ös szintű autonómiával rendelkező járművek 2030 elején érkeznek meg az utakra.

Vajon az utak jobbak lesznek 2030-ra vagy bonyolultabbak?
2030-ra várhatóan az utak biztonságosabbá és kevésbé bonyolulttá válnak a vezetők számára. Emellett az előrejelzések szerint az utak alacsony szén-dioxid-kibocsátással járnak majd, mivel kevesebb energiát fogyasztanak, és fenntartható anyagokat használnak fel. Az utak proaktívak is lehetnek, és hozzájárulhatnak a kibocsátás csökkentéséhez.

Az Egis Group szerint: „2030-ra az utak ipari objektummá válnak. Még nem lesznek automatizáltak, de a vezetéstámogató rendszerek jelentősen elterjednek a piacon. Biztonságosabbak, könnyebben használhatók és környezetbarátabbak lesznek. ”

Forrás: Hotcars

https://www.hotcars.com/the-automotive-industry-in-2030-heres-what-the-experts-think/