Moderna bilar förlitar sig i allt högre grad på en kraftfull ”hjärna” som styr körning, säkerhet, navigering, kommunikation och underhållning. Ingenjörer kallar ofta detta system för en autonom dator, fordonsdator, central dataplattform eller autonom kördator. Denna dator bearbetar enorma mängder data från sensorer och kameror i realtid och hjälper bilen att fatta beslut under körning.
Den bilindustri som finns idag behandlar mjukvara och datorkraft som viktiga delar av fordonsdesign. Många tillverkare har gått från traditionella elektroniska styrsystem till centraliserade ”mjukvarudefinierade fordon”, där ett fåtal kraftfulla datorer hanterar de flesta fordonsfunktioner.
Vad är en autonom dator i en bil?
En autonom dator i en bil är ett högpresterande datorsystem som hjälper bilen att förstå sin omgivning, förutspå faror och styra bilens beteende. Denna dator kombinerar hårdvara, mjukvara, artificiell intelligens och sensordata.
Den autonoma datorn utför vanligtvis uppgifter såsom:
- Att upptäcka objekt, fotgängare, körfält och trafikskyltar
- Övervaka fordonets hastighet och riktning
- Planera säkra körvägar
- Styra bromsning, styrning och acceleration
- Hantera navigering och kartläggning
- Kommunicera med molnsystem och andra fordon
- Köra förareassisterande funktioner.
Moderna autonoma datorer kan bearbeta data från många sensorer samtidigt. Vissa avancerade system bearbetar triljoner operationer per sekund.
Till exempel sägs den nya Rivian RAP1 autonoma chipet leverera cirka 1 800 triljoner operationer per sekund för bearbetning av artificiell intelligens.
Varför behöver bilar autonoma datorer?
Traditionella bilar förlitade sig på många små elektroniska styrmoduler. En moduler hanterade bromsning, en annan transmission, en annan airbags och en annan infotainment.
Modern självkörning kräver mycket snabbare beslutsfattande och mycket större mängder databehandling. En självkörande eller semi-autonom bil kan använda:
- Flera kameror
- Radar sensorer
- LiDAR sensorer
- Ultraljudssensorer
- Global positionssystem
- Högupplösta kartor.
Fordonsdatorn måste kombinera all denna information inom millisekunder.
Hur fungerar en autonom dator?
En autonom dator fungerar vanligtvis i flera steg.
Informationsinsamling via sensorer
Sensorer samlar kontinuerligt information om omgivningen.
Exempel inkluderar:
- Kameror för körfältsmarkeringar och trafikskyltar
- Radar för avståndsmätning
- LiDAR för tredimensionell kartläggning
- Ultraljudssensorer för parkeringshjälp.
En del avancerade fordon använder mer än 10 kameror och flera radarsystem.
Enligt rapporter om framtida Mercedes-Benz autonoma system kan ingenjörer använda konfigurationer med 14 högupplösta kameror, 9 radarsensorer och LiDAR.
Datafusion
Den autonoma datorn kombinerar data från olika sensorer till en enhetlig miljömodell.
Till exempel:
- Kameror identifierar en fotgängare
- Radar mäter fotgängarens hastighet
- LiDAR mäter fotgängarens position i tredimensionellt rum
Datorn sammanslår all denna information för att öka noggrannheten.
Analys av artificiell intelligens
Modeller av artificiell intelligens analyserar omgivningen och förutspår möjliga risker.
Systemet kan svara på frågor som:
- Är ett annat fordon på väg att byta körfält?
- Kommer en fotgängare att korsa gatan?
- Finns det vägbyggnation framöver?
- Behövs det bromsa?
Moderna autonoma system använder i allt högre grad edge-artificiell intelligens, där fordonet bearbetar data lokalt innanför bilen istället för att förlita sig på molnservrar. Denna metod minskar fördröjningar och förbättrar tillförlitligheten.
Att fatta beslut för körning
Datorn väljer den säkraste köråtgärden.
Möjliga åtgärder inkluderar:
- Justering av styrningen
- Hastighetsminskning
- Akuta inbromsningar
- Körfältsbyten
- Parkeringsmanövrar.
Systemet skickar sedan kommandon till styr-, broms- och drivsystemen.
Nivåer av körautomatisering
Bilindustrin klassificerar vanligtvis körautomatisering i nivåer från 0 till 5.
| Nivå | Beskrivning |
| Nivå 0 | Ingen körautomatisering |
| Nivå 1 | Grundläggande assistans såsom adaptiv farthållare |
| Nivå 2 | Delvis automatisering med styrning och hastighetskontroll |
| Nivå 3 | Villkorlig autonomi under specifika förhållanden |
| Nivå 4 | Hög automatisering i begränsade miljöer |
| Nivå 5 | Full autonomi under alla förhållanden |
Idag ligger de flesta kommersiellt tillgängliga systemen på Nivå 2 eller begränsad nivå 3 kapabilitet.
Industrins analytiker rapporterar att många företag nu fokuserar mer på praktiska nivå 2- och nivå 3-system snarare än helt autonom nivå 5-fordon.
Exempel på autonoma datorsystem
1. NVIDIA DRIVE-plattform
NVIDIA utvecklar en av de mest använda plattformarna för autonom fordonsberäkning.
NVIDIA DRIVE-systemet omfattar:
- Högpresterande artificiell intelligens chip
- Fordonsoperativsystem
- Sensorintegration
- Simuleringsverktyg
- Säkerhetsmjukvara.
Företag som Toyota, Volvo Cars och Mercedes-Benz använder NVIDIA-teknologier för avancerad förarassistance och utveckling av självkörande körning.
2. Tesla Full Self-Driving dator
Tesla designar sin egen hårdvara och mjukvara för självkörande körning.
Tesla-fordon förlitar sig starkt på kameror och bearbetning av artificiell intelligens. Deras system lär sig kontinuerligt från stora mängder kördata som samlas in från kundfordon.
Tesla utvecklar också specialiserad infrastruktur för träning av artificiell intelligens för modeller av självkörande körning.
3. Rivian autonomiplattform
Rivian introducerade nyligen sitt RAP1 artificiella intelligenschip och ACM3 autonomiska datormodul.
Detta företag planerar att stödja körning utan händer över miljoner miles väg i Nordamerika.
4. Waymo robotaxi
Waymo driver fullt autonoma robotaxi-tjänster i flera städer.
Waymo-fordon använder komplexa autonoma datorsystem som kombinerar:
- Kameror
- LiDAR
- Radar
- Artificiell intelligens
- Högupplösta kartor.
Waymo fortsätter att expandera sina autonoma operationer till ytterligare städer i USA.
Mjukvarudefinierade fordon
Många moderna fordon följer nu konceptet med mjukvarudefinierade fordon.
Ett mjukvarudefinierat fordon använder centraliserade mjukvarusystem för att styra många fordonsfunktioner. Ingenjörer kan uppdatera dessa funktioner genom programuppdateringar över luften.
Denna metod erbjuder flera fördelar:
- Snabbare funktionsuppdateringar
- Förbättrad cybersäkerhetsförvaltning
- Bättre integration mellan system
- Minskad hårdvarukomplexitet
- Enklare uppgraderingar av artificiell intelligens.
Stora halvledarföretag utvecklar i allt högre grad specialiserade automotive-processorer för denna marknad.
Artificiell intelligens i autonoma datorer i bilar
Artificiell intelligens spelar en central roll i autonom körning.
Moderna system använder maskininlärning och djupinlärning för att:
- Identifiera vägobjekt
- Förutsäga förares beteende
- Förstå trafikmönster
- Förbättra navigering
- Minska kollisioner.
Forskare fortsätter att utveckla mer avancerade inlärningsalgoritmer för autonoma fordon.
Vissa företag använder också simuleringsplattformar för att träna artificiella intelligenssystem med hjälp av virtuella körscenarier innan de implementeras i den verkliga världen.
Säkerhetsutmaningar
Autonoma datorer i bilar står fortfarande inför stora säkerhetsutmaningar.
Sällsynta vägförhållanden
Oförutsedda situationer förblir svåra för autonoma system.
Exempel inkluderar:
- Översvämmade vägar
- Trasiga trafikljus
- Unika byggarbetsområden
- Räddningstjänstfordon
- Allvarligt väder.
Till exempel ska en stor strömavbrott i San Francisco ha orsakat problem för vissa autonoma robotaxi-bilar eftersom trafiksignaler slutade fungera.
Begränsningar av sensorer
Olika sensorer har svagheter.
Exempel inkluderar:
- Kameror har problem med kraftig dimma
- LiDAR-prestanda kan minska i snö
- Radar kan producera falska reflektioner.
Ingenjörer kombinerar ofta flera sensortyper för att förbättra tillförlitligheten.
Cybersecurity-risker
Autonoma datorer i bilar ansluter till trådlösa nätverk, molnsystem och mjukvaruuppdateringssystem. Denna anslutning skapar cybersäkerhetsproblem.
Biltillverkare fokuserar allt mer på:
- Krypterad kommunikation
- Säkra mjukvaruuppdateringar
- Intrångsdetektering
- Säkerhetscertifierade operativsystem.
Nyare autonoma plattformar genomgår nu cybersäkerhets- och säkerhetscertifieringstestning.
Kostnadsutmaningar
Hårdvaran för autonom körning är fortfarande dyr.
Ett helt autonomt fordon kräver vanligtvis:
- Högpresterande processorer för artificiell intelligens
- Dyr LiDAR-system
- Avancerade kylsystem
- Stora datalagringssystem.
Men kostnaderna för sensorer och beräkningar minskar gradvis i takt med att produktionen ökar.
Autonoma datorer i bilar och molndatabehandling
Moderna autonoma fordon använder ofta en kombination av inbyggd beräkning och molninfrastruktur.
Fordonet hanterar vanligtvis realtidskörningar lokalt eftersom lokal bearbetning minskar fördröjningar. Molnsystem stöder:
- Träning av artificiell intelligens
- Flottförvaltning
- Navigeringsuppdateringar
- Dataanalys
- Fjärrdiagnostik.
Forskare stödjer i allt högre grad edge-datorapporter eftersom edge-system förbättrar svarstiderna och minskar beroendet av nätverksanslutningar.
Framtiden för autonoma datorer i bilar
Bilindustrin fortsätter mot mer centraliserade och kraftfullare fordonsdatorkraft.
Flera stora trender formar nu utvecklingen:
- Accelerering av artificiell intelligens
- Centraliserad fordonsberäkning
- Mjukvarudefinierade arkitekturer
- Överluftprogramuppdateringar
- Avancerade simuleringsplattformar
- Ökad användning av edge-artificiell intelligens.
Branschexperter förväntar sig gradvisa framsteg istället för omedelbar helt autonom körning överallt.
Vissa analytiker tror att privatägda Nivå 4 autonoma fordon kan dyka upp senare under detta decennium på begränsade marknader och under kontrollerade förhållanden.