汽車產業已經歷了漫長的歲月。製造自動駕駛車的技術以及自動化車輛已不再是科幻小說。我承認,一想到未來的世界充滿著太空時代的運輸載具,將以謹慎規劃與調度的準確度優雅地穿梭於此星球,這確實讓人滿心期待。唯一不希望發生的是,未來的人們都被迫穿著像電影中那樣閃亮的銀色連身衣褲…。這究竟是誰想出的主意?

當然,現實更複雜得多了,這無疑也適用於未來自動駕駛車開發的技術環境——特別是在概念驗證(POC)階段。除了獨特且嚴苛的開發環境之外,工程師們還得疲於應付各種各種客製化的內部部署和雲端應用,這一切都需要能夠彼此無縫通訊,這確實是一項艱鉅的任務,需要高度自主的工業物聯網(IIoT)系統才能將概念轉變為現實。

發動引擎,全速前進!

越來越多的業界製造商率先投入打造自動駕駛車(AV)的洪流之中。然而,在開發人員前進概念驗證階段的過程中,不免會遭遇前方突然出現的障礙。

首先,自動駕駛車系統必須能夠做到三件重要的事:感知環境、處理與環境有關的資料,以及在所處環境中針對取得資訊採取行動。這本質上是一個周而復始的循環過程,但是,產生的資料量以及需要處理這些資料的速度可能很快地就會變得不堪重負。

RTI, AV image

AV系統常見的挑戰

再進一步剖析,當我們觀察一輛無人駕駛車時,它一定有一個能偵測環境的感測器組合,可能是簡單的駕駛輔助級技術,也可能是高度或全自動車輛的更複雜系統。這樣的環境將決定從光達(Lidar)感測器、雷達感測器、致動器以及其他輸入點收集資料的精準度和多寡。我們稱之為感測器融合或資料融合,因為它只在所有元件能夠彼此共用資料並就結論的準確度達成共識時才真正發揮作用。

接下來要考慮的部份是,系統必須要在什麼地方使用人工智慧(AI)來解決問題,例如:「好吧,我該怎麼處理這些資訊?現在要向左轉嗎?還是直走?該向右轉了嗎?環境發生什麼事了?」系統還必須分析不同的瞬態因素,例如行人、自行車或汽車等,然後再做出決策與規劃。當然,車子接著會採取一些實際的動作,這將會使環境發生改變,如此的循環不斷地周而復始。

因此,真正的挑戰之處在於高度的連接性(connectivity):該系統的優劣僅取決於資料擷取與處理的速度和品質。然後,當添加外部連接——例如連接到雲端或連接到其它系統時,都將成為連接解決方案的一部份。因此,這是一個極其複雜的分散式系統,其中的所有元件都整合在一個非常緊湊的封裝中。

分層資料匯流排的概念

支援大規模的擴展是每一個高度自主系統的重要前提。這個真理特別適用於自動駕駛車領域,因為即使是讓最優秀的開發團隊冒然投入於仍在執行測試中的複雜系統開發,也可能會變得顧此失彼——系統必須真正做好萬全的準備才能投放市場。為了進入市場並滿足所有的媒體審查以及眾所要求的新測試場景,通常必須在系統中添加新的任務關鍵層,但至今還沒有人考慮到這一點。

分層的資料匯流排(databus)是由工業網際網路聯盟(Industrial Internet Consortium;IIC)提出的概念。分層資料匯流排讓開發團隊得以辨識系統中的不同控制層和資訊層。除了完整的控制能力,還可讓隊指定「服務品質」(QoS),決定資料如何在不同場景的應用之間流動,以及包括可靠性、頻寬與延遲等。

RTI, Databus

自動駕駛系統databus的主要模組。(來源:RTI)

這種分層資料匯流排的概念也讓開發人員在整個生態系統中使用相同的標準;使其為系統的不同部份設定各種不同的資料管理條件和規則。這使其能夠以一種標準化方式在不同系統之間進行通訊,而不必添加新的協議和閘道器或其他橋接器。分層資料匯流排能開發團隊輕鬆地找到資料的各種使用條件,從而讓系統更可靠且可重複。

關於自動駕駛車究竟發展到哪一步以及何時可開始看到第4級(Leve 4)和第5級(Level 5)自動駕駛車上路等議題,目前仍然存在爭議。儘管這一時間表根據所討論的對象不同而會給出不同的答覆,但開發人員都會認同的一件事是,高度的連接能力是擷取並處理資料以及解決系統複雜度時不可或缺的核心要素。分層的資料匯流排架構為這些系統提供了標準化的通訊,並為開發人員提供工具,讓無人駕駛車輛以更高效率、有效且安全地進入市場。

編譯:Susan Hong

(參考原文:Inside the autonomous vehicles of tomorrow: From proof of concept to reality,by Bob Leigh)