Автономно шофиране и транспорт

Общ преглед

Теоретичните основи на автономните превозни средства (АПС) започват през 80-те години с проекта VaMoRs на Ернст Дикманс (използвал сакадично компютърно зрение за управление на ван Mercedes) и проектите Navlab на университета CMU, които въвеждат ALVINN – пионерна невронна мрежа за управление на автомобил. Съвременната архитектура обаче беше изкована в пещта на DARPA Grand Challenges.

Предизвикателството от 2004 г. бе детерминистичен провал. Базираното на твърди правила засичане на ръбове се срина в стохастична среда, бъркайки търкалящи се храсти с масивни скали. Парадигмата се промени радикално през 2005 г., когато екипът на Стенфорд със "Stanley" спечели, въвеждайки вероятностната роботика. Отхвърляйки монолитната логика, Stanley използва модулна, асинхронна архитектура за обмен на съобщения. Той внедри Unscented Kalman Filter (UKF) за сливане на данни от одометрия, IMU и GPS, създавайки 2D вероятностна мрежа на заетост. До 2007 Urban Challenge, системата "Boss" на CMU доказа, че АПС могат да разчитат сложна пътна логика, мултиагентно проследяване и генериране на траектории, макар и с цената на смазващо изчислително натоварване за евристичните модели.

Днес индустрията е разделена от Голямата архитектурна дивергенция:

• Waymo (Детерминистично сензорно сливане): Фокус върху Ниво 4 автономност чрез строго гео-ограждане (geofencing). Разчита изцяло на Time-of-Flight (ToF) LiDAR-и като източник на абсолютна истина, предварително изтеглени HD карти и стриктна оптимизация на функции на разходите за гарантиране на безопасността в тесен оперативен дизайн домейн (ODD).
• Tesla (Вероятностен End-to-End визуален модел): Цели генерализирана Ниво 5 автономност, имитираща човешката биология – две очи (камери) и мозък (невронна мрежа). FSD V12 на Tesla премахна радарите и ултразвуковите сензори, заменяйки >300,000 реда експлицитен C++ евристичен код с монолитен пространствено-времеви Transformer модел.

Нива на автоматизация по SAE J3016: