Sommario:
Video: The Mobileye Features. (Novembre 2024)
Tutti vogliono sapere quando le auto a guida autonoma saranno pronte per la strada. Le aziende che sviluppano la tecnologia di solito indicano una sequenza temporale di diversi anni o decenni.
Tuttavia, allo stesso tempo, Delphi sta collaborando con Mobileye, il principale fornitore di fotocamere automobilistiche, per accelerare la produzione della tecnologia di guida autonoma, idealmente entro il 2019, tramite un sistema che i partner chiamano Localizzazione e pianificazione del rilevamento centralizzato (CSLP).
CSLP utilizza una serie di sensori per consentire a un veicolo di conoscere la sua posizione entro 10 centimetri, anche senza connettività GPS. Ciò consente a un'auto di percorrere intersezioni complesse anche quando non ci sono indicazioni di corsia. Identifica anche i veicoli in base alla loro forma di base, rileva se un'altra auto è ferma o parcheggiata e ha quella che Delphi chiama "comprensione semantica" per prevedere il percorso di altri veicoli in modo che un'auto a guida autonoma possa "comportarsi più come un essere umano nella sua comportamento di guida e determinare il percorso migliore in avanti ".
Mappa Lite vs. Mappa pesante
Un aspetto cruciale del sistema CSLP è l'elusione di quello che Delphi e Mobileye chiamano l'approccio "map-heavy" utilizzato da aziende come Google e molti produttori di automobili. Consente a un veicolo a guida autonoma non solo di conoscere la sua posizione, ma anche i suoi dintorni al fine di raggiungere la piena autonomia. Invece, il sistema CSLP di Delphi e Mobileye utilizzerà un approccio "map-lite" sfruttando una tecnologia Mobileye introdotta al CES 2016 chiamata Road Experience Management (REM).
I veicoli autonomi che fanno molto affidamento su mappe dettagliate richiedono una solida connessione dati per fornire costantemente dati cartografici accurati all'auto. Ma il sistema REM carica i dati in piccoli lampi che possono essere facilmente gestiti dalla connettività 4G LTE già presente in molti veicoli.
Un altro vantaggio della tecnologia REM è che può essere "perfettamente integrato con le piattaforme dei veicoli esistenti", menzionato DeVos durante la tavola rotonda dei media. Ma forse il vantaggio principale della tecnologia REM è che essenzialmente scatta foto di strade in tempo reale.
Il software di mappatura può non essere aggiornato a causa delle modifiche apportate alle strade dopo la creazione delle mappe o di condizioni temporanee come la costruzione di strade. Il sistema CSLP non solo catturerà e terrà conto delle infrastrutture permanenti che vanno dagli incroci ai segnali stradali, ma registrerà anche la costruzione e altre modifiche a breve termine della strada. E questi dati possono essere forniti in crowdsourcing tra milioni di auto equipaggiate con il sistema.
Ho avuto la possibilità di vedere il sistema CSLP in azione per le strade di Mountain View, in California, vicino ai Silicon Valley Labs di Delphi, dove è in fase di test oltre a Pittsburgh e Singapore. E non ho potuto fare a meno di confrontare l'unità che ho preso poco più di un anno fa nella stessa posizione in una delle Lexus RX 350s di Google.
Ma a differenza dei veicoli di Google, uno dei quali ho notato sulla strada durante la nostra guida, non ci sono sensori evidenti sull'Audi Delphi, a meno che non guardi molto da vicino. Rispetto a una Google Lexus a guida autonoma, la Audi Delphi ha gestito senza problemi le situazioni di chiusura delle corsie e ha fermato i veicoli nelle corsie adiacenti, anche se il collaudatore Delphi ha dovuto assumere due volte i comandi: quando dovevamo accelerare per fare un svoltare a destra davanti a un autobus cittadino, e dopo aver fatto la svolta e ci siamo bloccati dietro un camion della spazzatura.
Indipendentemente da ciò, sono rimasto molto colpito dal sistema e sono stato sorpreso di scoprire che stava funzionando senza il vantaggio della tecnologia REM di Mobileye. Ciò significa che migliorerà e che le auto a guida autonoma potrebbero essere disponibili al pubblico molto prima di quanto pensiamo.