ADAS dhe drejtimi autonom: bazat e ndjeshmërisë — Inteligjenca Artificiale në Inxhinierinë e Automobilave

Fitimet:

Aftësia për të shpjeguar rolet e kamerës, radarit, LiDAR dhe shkrirjes së sensorëve në zinxhirin e zbulimit dhe nivelet e automatizimit SAE
Aftësia për të krijuar etiketimin e të dhënave, përcaktimin e skenarit dhe metrikat e vlerësimit për zbulimin, klasifikimin dhe gjurmimin e objekteve
Aftësia për të vlerësuar në mënyrë kritike rastet e skajeve, balancën false pozitive/negative dhe kufirin e sigurisë në daljen e modelit të zbulimit

Shumica e automjeteve sot kanë veçori si paralajmërimi i largimit nga korsia, frenimi automatik i emergjencës ose kontrolli adaptiv i lundrimit. Të gjitha këto janë nën ombrellën e ADAS (Advanced Driver Assistance Systems). Në zemër të këtyre sistemeve dhe më tej drejtimit autonom është perceptimi: mënyra se si automjeti "e sheh" botën përreth tij me sensorë dhe "e kupton" atë me inteligjencë artificiale. Në këtë njësi, ne do të mbulojmë zinxhirin e zbulimit, sensorët, nivelet e automatizimit dhe çështjen më kritike, kufijtë e sigurisë.

Një paralajmërim që në fillim: Kjo zonë është kritike për sigurinë. Nëse modeli i zbulimit nuk zbulon një këmbësor, rezultati mund të jetë fatal. Kjo është arsyeja pse çdo dalje e AI këtu duhet të rrethohet nga proceset inxhinierike të sigurisë (ISO 26262 dhe SOTIF në njësitë e ardhshme).

Sensorët: sytë, veshët dhe radari

Një pirg autonom i drejtimit kombinon sensorë të ndryshëm sepse secili ka pikat e forta dhe të dobëta:

Kamera: Kamera "shoh" më së miri ngjyrën, tekstin (shenjën e trafikut), vijën e korsisë dhe llojin e objektit. Por është i varfër gjatë natës, mjegull, shkëlqim i fortë i diellit dhe vlerësim i distancës.
Radari (Zbulimi i radios dhe shtrirja): Mat distancën dhe shpejtësinë me valët e radios. Ndikohet më pak nga shiu/mjegulla dhe mat shpejtësinë drejtpërdrejt (me efektin Doppler); por rezolucioni i tij është i ulët, duke e bërë të vështirë dallimin "është ky një këmbësor apo një kuti?"
LiDAR (Zbulimi dhe shtrirja e dritës): xhiron një lazer dhe prodhon një "re pikësh" të saktë tredimensionale të rrethinës; I jep distancë dhe formë shumë mirë. Por është e shtrenjtë dhe mund të ndikohet nga mjegulla/shiu i dendur.
Ultratingulli: Distanca e shkurtër, si sensorë parkimi.

Meqenëse asnjëri nuk është i mjaftueshëm më vete, bëhet shkrirja e sensorëve: duke kombinuar të dhënat e sensorëve të ndryshëm, dobësia e secilit kompensohet nga forca e tjetrit. Për shembull, kamera thotë "këmbësor", radari thotë "në 12 metra, duke iu afruar 5 km/h"; Fusion kombinon të dyja dhe krijon një udhë të besueshme.

Këshillë: Kur vlerësoni një pretendim zbulimi, "cili sensor mund ta shohë atë dhe sa mirë?" pyesni. Nëse vlerësimi i distancës së kamerës gjatë natës është i dobët, një vendim për distancën bazuar në një kamerë të vetme është i diskutueshëm.

Zinxhiri i zbulimit

Zinxhiri tipik nga të dhënat e papërpunuara të sensorit tek vendimi është si më poshtë:

Zbulimi: Gjetja e objekteve në renë e imazhit/pikës ("ka një mjet këtu").
Klasifikimi: Përcaktimi i llojit të objektit (këmbësor, biçikletë, mjet, shenjë).
Ndjekja: Ndjekja e objektit midis kornizave, duke vlerësuar shpejtësinë dhe drejtimin e tij.
Fusion: Kombinimi i sensorëve për të krijuar një model të qëndrueshëm botëror.
Parashikimi: "A do ta kalojë rrugën ky këmbësor?"
Planifikimi dhe kontrolli: Vendimi dhe komanda e drejtimit/frenimit/përshpejtuesit.

Inteligjenca artificiale (veçanërisht të mësuarit e thellë) 1-3. shumë i fortë në hapa; 5-6. Hapat po rrethohen gjithnjë e më shumë nga rregullat inxhinierike dhe logjika e sigurisë.

Nivelet e automatizimit SAE

Autonomia nuk është një gjë "po/jo", është graduale. Standardi SAE J3016 përcakton gjashtë nivele:

Niveli

Emri

Kush është duke vozitur?

shembull

Nuk ka automatizim

të gjithë ngasin

Vetëm paralajmërim (paralajmërim i pikës së verbër)

Mbështetja e shoferit

shofer + mbështetje e vetme

Mbajtja adaptive e lundrimit OSE e korsisë

Automatizimi i pjesshëm

Shofer (mbikëqyrje e vazhdueshme)

Shpejtësia + korsi së bashku, shoferi përgjegjës

Automatizimi i kushtëzuar

Sistemi (në kushte të caktuara)

Në kushte të caktuara, sistemi drejton, shoferi është gati të marrë përsipër

automatizimi i lartë

Sistemi (në një zonë të caktuar)

Pa shofer në zonën e përcaktuar

Automatizimi i plotë

Sistemi (në të gjitha kushtet)

Pa shofer kudo (jo ende)

Kujdes: Keqkuptimi më i rrezikshëm është Niveli 2. Në nivelin 2, automjeti mbështet drejtimin dhe shpejtësinë, por shoferi ruan mbikëqyrjen dhe përgjegjësinë e vazhdueshme. Gabimi i sistemit si “autopilot” dhe moskujdesi ka sjellë aksidente fatale. Niveli 2 nuk do të thotë "pa shofer".

Metrikat e vlerësimit: false pozitive dhe false negative

Dy lloje gabimesh janë kritike kur vlerësohet një model zbulimi:

Pozitive e rreme: Të mendosh se ka diçka që nuk ekziston. Për shembull, duke menduar se një hije ure është një "pengesë" dhe frenimi i panevojshëm. Shqetësuese dhe ndonjëherë e rrezikshme (përplasje nga ana e pasme).
Negativ i rremë (negativ i rremë / humb): Nuk mund të shohësh diçka që ekziston. Për shembull, duke mos parë një këmbësor të vërtetë. Ky është gabimi më vdekjeprurës në drejtimin autonom.

Metrikat që përmbledhin këto:

Saktësia: Sa nga ajo që keni shënuar është në të vërtetë e saktë.
Kujtoni (ndjeshmërinë): Sa nga ajo që ekziston në të vërtetë keni kapur.
mAP (precisioni mesatar): Metrikë e zakonshme e përbërë për zbulimin e objekteve.

Tërheqja (të mos mungojë asnjë këmbësor) është jetike në çështje të tilla si zbulimi i këmbësorëve në drejtimin autonom; Rritja e kësaj ndonjëherë rrit pozitivitetin e rremë. Ky shkëmbim është një vendim inxhinierik sigurie, jo saktësi e pastër e modelit.

Rastet e skajeve dhe bishti i gjatë

Pjesa më e vështirë e vozitjes autonome nuk janë situatat e zakonshme, por ato të rrallat dhe të çuditshmet: tabela gjysmë e dukshme nën dëborë, kamioni i përmbysur, një këmbësor me kostum, mobiljet e rënë në rrugë. Këto situata të rralla por të rrezikshme quhen bisht i gjatë. Ndërsa një model mund të jetë i përsosur për miliona kilometra "normale", ai mund të dështojë në një situatë ekstreme që nuk e ka parë kurrë më parë. Kjo është arsyeja pse testimi i bazuar në skenar, simulimi dhe vërtetimi në botën reale janë të pafundme.

Mini raste studimore

Rasti 1 - Vlera e shkrirjes. Gjatë testimit të frenimit automatik emergjent, një ekip ADAS zbuloi se ishte i ngadalshëm për të dalluar një automjet me ngjyrë të errët përpara tij në diell të ndritshëm vetëm me kamerën. Kur shtohen të dhënat e radarit (radari nuk ndikohet nga shkëlqimi), sistemi zbulon automjetin 0,4 sekonda më parë; Kjo nënkupton distancën e frenimit prej afërsisht 10 metrash me 90 km/h. Rezultati: Fusion mbylli pikën e verbër të sensorit të vetëm.

Rasti 2 - Recall/balance precize. Kur ulet pragu i modelit të zbulimit të këmbësorëve, tërheqja rritet nga 96% në 99%, por pozitivet false (hije, shkurre) rriten, gjë që çon në frenim të panevojshëm. Ekipi i sigurisë merr vendimin: shmangia e këmbësorëve është një prioritet, por komoditeti ruhet duke eliminuar false pozitive me logjikën e shkrirjes dhe gjurmimit. Përfundim: Përzgjedhja metrike është një vendim inxhinierik/sigurie, nuk ka asnjë "numër të saktë".

Rasti 3 - Edge case surprizë. Ndërsa një model ishte 99.8% i suksesshëm në grupin e tij të vlefshmërisë, ai ngatërroi një foto të një këmbësori gjigant pas një kamioni që mbante një reklamë gomash dëbore në fushë për një "këmbësor të vërtetë" dhe frenoi papritmas. Ekipi e shton këtë rast në bibliotekën e skenarit dhe ritrajnon modelin. Përfundim: Bishti i gjatë nuk "mbaron" kurrë; Kërkohet mbledhja e vazhdueshme e skenarit.

shabllone të shpejtë

Modeli 1 - Gjenerimi i një liste skenarësh:

Roli: Ju jeni inxhinieri i rastit të provës ADAS. Detyra: Krijoni skenarë testimi sfidues (të skajshëm) për frenimin automatik emergjent. Konteksti: Urban, 30-50 km/h, i përzier këmbësorë dhe çiklist. Kufizimi: Jepini përparësi atyre të rralla/të rrezikshme, jo skenarëve të shpeshtë; shkruani sjelljen e duhur të pritur për çdo skenar.Output: Scenario | gjendje | sjellja e pritur | niveli i rrezikut.

Shablloni 2 - Skica e udhëzuesit të etiketimit:

Roli: Etiketimi i të dhënave çon cilësinë. Detyra: Shkruani një draft rregulla të konsistencës për etiketimin e këmbësorëve. Konteksti: Ka këmbësorë pjesërisht të dukshëm, të ulur, në karrige me rrota dhe në grupe. Rezultati: Rregulli | shembull | tabela e notave të shtetit kufi.

Shablloni 3 - Interpretimi metrikë:

Roli: Ekspert i vlerësimit të vizionit kompjuterik. Detyrë: Interpretoni rezultatet e mia të zbulimit të këmbësorëve. Konteksti: saktësia 0.93, kujtimi 0.90, shumica e gabimeve gjatë natës ose në shi. Kufizimi: Theksoni rëndësinë e rikujtimit për sigurinë; Më tregoni në cilat kushte kërkohet verifikim shtesë. Rezultati: Koment + fushat prioritare për përmirësim.

Shablloni 4 - Skica e logjikës së shkrirjes:

Roli: Ju jeni një inxhinier i shkrirjes së sensorëve. Detyrë: Sugjeroni një logjikë projektvendimi kur kamera dhe radari bien ndesh. Konteksti: Radari sheh një objekt të vogël në lëvizje në 15 m, ndërsa kamera thotë 'jo këmbësor'. Kufizimi: Zbatoni parimin e supozimit në favor të sigurisë (ana e sigurt). Produkti: Tabela e vendimeve + arsyetimi.

Prompt i dobët / Prompt i fortë

Njoftim i dobët:

A është i sigurt modeli i automjetit tim autonom?

Pa kontekst; "i sigurt" është i papërcaktuar; AI flet vetëm në terma të përgjithshëm dhe mund të japë besim mashtrues.

Njoftim i fuqishëm:

Roli: Ju jeni konsulenti i vlerësimit të sigurisë ADAS. Detyrë: Krijo një listë kontrolli për mua që të vë në dyshim dobësitë e modelit tim të zbulimit të këmbësorëve. Konteksti: Sistemi Urban i Nivelit 2; Recall bie natën dhe në shi; Ka vetëm kamera + radar, nuk ka LiDAR. Kufizim: Mos e deklaroni 'të sigurt'; specifikoni se në çfarë kushtesh sistemi është në kufirin e tij dhe çfarë testimi shtesë kërkohet. Rezultati: Zona e rrezikut | pse | test i rekomanduar | tabela e rëndësisë.

Gabimet e zakonshme

Gabimi i nivelit 2 për "pa shofer". Përgjegjësia bie mbi shoferin; Ky keqkuptim është fatal.
Duke u mbështetur në një sensor të vetëm. Çdo sensor ka një pikë të verbër; fuzioni është thelbësor.
Vetëm duke parë saktësinë mesatare. 99% sukses, 1% humbja e këmbësorit mund të jetë fatale; rikujtimi dhe rastet e skajit janë kritike.
Injorimi i rasteve ekstreme. Bishti i gjatë nuk mbaron kurrë; Mbledhja e skenarëve është e vazhdueshme.
Duke i lënë modelit vendimin e sigurisë. Vendimet e pragut dhe ekuilibrit janë përgjegjësi e inxhinierisë së sigurisë.

Në përmbledhje

Në zemër të ADAS dhe sensorit autonom të drejtimit është kamera, radari, LiDAR dhe shkrirja e sensorëve; Çdo sensor ka pika të forta/dobësi të ndryshme.
Zinxhiri i zbulimit përbëhet nga zbulimi, klasifikimi, monitorimi, bashkimi, parashikimi dhe kontrolli; Inteligjenca artificiale është e fortë në hapat e parë.
Nivelet e SAE variojnë nga 0 në 5; Në Nivelin 2, përgjegjësia bie mbi shoferin.
Negativi i rremë (rrëmbimi i këmbësorëve) është gabimi më fatal; rikujtimi dhe rastet e skajit kanë përparësi.
Vendimet e sigurisë janë përgjegjësi inxhinierike; Saktësia e modelit nuk është kriteri i vetëm.

Detyra e aplikimit

Zgjidhni një funksion ADAS (p.sh. ndihmë për mbajtjen e korsisë). (1) Shkruani në një tabelë se cilët sensorë e mbështesin këtë funksion dhe sa mirë. (2) Gjeneroni 5 skenarë të rasteve anësore me Shabllonin 1 dhe specifikoni sjelljen e pritshme të sigurt për secilin. (3) Krahasoni rezultatet e false pozitive dhe false negative për këtë funksion. (4) Rendisni se çfarë testimi të pavarur kërkohet përpara se të pretendoni se modeli është "i sigurt".

listë kontrolli

[ ] Vlerësova pikat e forta/dobësitë e sensorëve sipas funksionit.
[ ] Unë kam renditur gjithashtu skenarët e rastit përfundimtar (bisht i gjatë).
[ ] Kam krahasuar rezultatet false pozitive/negative për sigurinë.
[ ] Kam marrë parasysh rëndësinë kritike të sigurisë së Recall.
[ ] Unë sqarova nivelin e SAE dhe kush është përgjegjës.
[ ] Kam përgatitur planin e pavarur të testimit përpara se të pretendoja "të sigurt".