A Daimler Truck North America (DTNA) további egyszeri finanszírozást nyújt az Aeva fejlesztésének támogatására, mivel utóbbi megkezdi a 4D lidar technológiájának sorozatgyártását. A növekvő keresletre reagálva az Aeva azt tervezi, hogy évi 200 000 lidar egységre növeli termelési kapacitását, hogy több ügyfelet, köztük a Daimler Truckot is támogassa az önvezető járművekben használt fejlett érzékelők gyártásában.

Ez a kibővített partnerség az Aevát választotta a Daimler Truck AG független leányvállalatának, a Torc Roboticsnak és annak SAE 4-es szintű önvezető Freightliner Cascadia teherautóinak lidar-gyártó beszállítójaként. Fontos mérföldkőnek számít, hogy az Aeva 4D lidar érzékelőivel felszerelt első önvezető Cascadia teherautók már Texas közútjain közlekednek.

„Büszkék vagyunk arra, hogy elmélyíthetjük kapcsolatunkat a Daimler Truck North America vállalattal, és támogathatjuk vezető szerepüket a biztonságos önvezető teherautók piacra dobásában” – mondta Soroush Salehian, az Aeva társalapítója és vezérigazgatója. „Ez a befektetés lehetővé teszi számunkra, hogy felgyorsítsuk a kereskedelmi méretű önvezető áruszállításhoz elengedhetetlen nagy teljesítményű érzékelési képességek szállítását, miközben növeljük 4D-s lidarunk gyártási kapacitását Észak-Amerikában.”

„Együttműködésünk az Aevával egyre erősödik, ahogy közeledünk a sorozatgyártáshoz, és örömmel bővítjük partnerségünket, és továbbra is támogatjuk az Aevát a gyártás megkezdése felé vezető úton” – mondta Joanna Buttler, a Daimler Truck North America termékstratégiai és piacfejlesztési vezérigazgatója. „Az Aeva 4D lidar technológiájának teljesítménye, megbízhatósága és skálázhatósága kulcsfontosságú elemévé teszi majd a biztonságos, megbízható és hatékony önvezető teherautók telepítésére irányuló stratégiánknak.”

Míg a hagyományos lidar érzékelők nagy teljesítményű lézerimpulzusokat használnak a tárgyak távolságának érzékelésére, az Aeva szerint a frekvenciamodulált folyamatos hullámú (FMCW) 4D lidar technológiája alacsony teljesítményű, folyamatos lézersugarat használ a távolság és a sebesség egyidejű mérésére nagy felbontással, akár 500 méteres távolságon.

Forrás: https://www.autonomousvehicleinternational.com

A Tier IV, amely nyílt forráskódú szoftvereket szállít az önvezető autókhoz, egy teljes körű architektúrát fejlesztett ki a 4+ szintű autonómiához, ahol nincs emberi beavatkozás – még korábban nem tapasztalt helyzetekben sem. 2026 elejétől kezdődően az architektúrát fokozatosan vezetik be a mobilitási szolgáltatásokban Japán- szerte 50 helyszínen egy nagyszabású demonstráció részeként, amelynek célja a valós teljesítmény és képességek értékelése.

Az Autoware-en, a Tier IV által támogatott, nyílt forráskódú autonóm vezetési szoftveren keresztül nyilvánosan elérhető, újonnan kifejlesztett architektúra diffúziós modellen alapuló gépi tanulást alkalmaz vezetési feladatok sorozatára, beleértve a környező tárgyak előrejelzését és a járművek pályáinak generálását. Ez lehetővé teszi a rendszer számára, hogy emberi viselkedést utánozzon, még olyan rendkívül összetett helyzetekben is, mint az akadályok elkerülése vagy a forgalmas kereszteződésekben való kanyarodás. Ezzel párhuzamosan szabályalapú komponenseket integrálnak a magas értelmezhetőség és a működési stabilitás biztosítása érdekében. Ez a hibrid megközelítés ötvözi a tanuláson alapuló módszerek alkalmazkodóképességét a determinisztikus logika megbízhatóságával, az architektúrát a 4+ szintű autonómia gyakorlatias és ígéretes alapjaként pozicionálva.

A modellfejlesztés felgyorsítása érdekében a Tier IV az Autoware moduláris architektúráját és szimulációs környezetét kihasználva automatikusan generál nagyméretű szintetikus betanítási adatokat. A valós adatokkal kombinálva ez a megközelítés nagy teljesítményű, skálázható és megbízható modellek hatékony felépítését eredményezte.

A Tier IV továbbra is bővíti a betanítási adatkészleteit és javítja a modellek teljesítményét az architektúra robusztusságának javítása érdekében. Számos adatközpontú mesterséges intelligencia modellt is feltárnak és integrálnak, hogy biztosítsák az alkalmazkodóképességet a felhasználási esetek széles skáláján, a magántulajdonban lévő autóktól a mobilitási és logisztikai szolgáltatásokhoz használt haszongépjárművekig. A 4+ szintű autonómia fejlesztésén keresztül a Tier IV célja, hogy segítsen kezelni Japánban a főbb kihívásokat, beleértve a regionális közösségek revitalizációját és az ipari versenyképesség erősítését.

Forrás: https://www.autonomousvehicleinternational.com

A zártpályás tesztelés mindig a járművek biztonsági értékelésének alapvető részét képezte, és ez továbbra is így van. Vannak azonban korlátai. A Waabi piacra dobott egy alternatívát a zártpályás tesztelésre – a kevert valóság tesztelést (MRT).

Tesztpálya korlátjai

Ahogy az autóipar az automatizálás felé fejlődött, az önvezető járművek (AV) fejlesztői is átvették a zárt pályás tesztelést, az alapvető vezetéstámogató rendszerektől az önvezető technológiákig, a SAE második és ötödik szintjéig. Bár a gyakorlat értékes, a tesztpályáknak vannak korlátjai.

A tesztpályák gyakran erőforrás-igényesek; és nehéz őket folyamatosan és pontosan reprodukálni, ezért nem mindig működhetnek kontrollként. A forgatókönyvek sokfélesége is korlátozott, mivel a valós forgalomban több millió egyedi jármű, mindenféle márkájú és típusú, számtalan sofőr és gyalogos, valamint mindenféle állat, törmelék és egyéb váratlan akadály vesz részt. Egy tesztpálya nem fér hozzá ezekhez a változatos forgatókönyvekhez. A fejlesztők azt is tapasztalhatják, hogy nem tudják tesztelni a biztonság szempontjából kritikus forgatókönyveket, mivel a valós fizikai tárgyak használata korlátozza az értékelhető lehetőségeket.

Speciális felszereléseket, próbababákat és kifinomult időzítőket terveztek ezen kihívások némelyikének megoldására, de ezek drágák és alapvetően irreálisak.

Vegyes valóság tesztelés

A Waabi MRT rendszere lehetővé teszi a Waabi Driver számára, hogy önállóan haladjon egy fizikai tesztpályán, miközben egyidejűleg számos intelligens, szimulált szereplővel találkozik, akik egy hibrid valóságban léteznek együtt, reagálva egymásra és a fizikai világra. A kevert valóság a kiterjesztett valóság szemüvegéhez hasonlóan működik, a fizikai világot egy virtuális világgal ötvözve.

A Waabi neurális szimulátorának egy verzióját, az Onboard Waabi Worldöt kihasználva a fejlesztők új forgatókönyvek közül választhatnak. Ezen forgatókönyvek létrehozásához az Onboard Waabi World fizikai érzékelők adatait használja, amelyeket úgy módosítanak, hogy a Waabi Driver mind a valós, mind a virtuális elemekre reagálni tudjon a fizikai világban való vezetés közben.

A pályán így például bármikor kialakíthatnak közlekedési dugókat, előbukkanhatnak gyerekek a parkoló autók mögül, átkelhetnek állatok az úton, a sávokban törmelékek jelenhetnek meg, veszélyes akadályokat képezve, és villogó fényekkel villogó mentőautók bukkanhatnak fel hirtelen.

Intelligens alternatív valóság

Az MRT összes virtuális eleme a való világ 4D-s neurális digitális másolatában létezik, ahol a mesterséges intelligencia által vezérelt szereplők emberszerű kiszámíthatatlansággal és intelligenciával viselkednek, tükrözve a való világ kaotikus természetét. Az infrastruktúra igény szerint létrehozható vagy módosítható.

Az alternatív valóságot a Waabi World szenzorszimulációs képességei teszik lehetővé, amelyek valós időben módosítják a teherautóra szerelt fizikai szenzorokból – beleértve a lidart és a kamerákat is – származó multimodális szenzoradatokat. A módosított szenzoradatok közvetlenül a fedélzeti szoftvercsomagba áramlanak, aminek következtében a Waabi sofőr úgy reagál a virtuális helyzetekre, mintha fizikailag jelen lenne a pályán.

Az MRT környezet folyamatos, megszakítás nélküli működésre képes, lehetővé téve a folyamatos tesztelést szünetek vagy előkészületek nélkül a forgatókönyvek között. Ez lehetővé teszi a Waabi számára, hogy jelentősen több tesztet végezzen el, mint korábban.

Forrás: https://www.autonomousvehicleinternational.com