Hva er selvkjørende biler og hvordan fungerer de?

Viktige takeaways

• Selvkjørende biler bruker en kombinasjon av sensorer og kameraer for å lage et 3D-bilde av verden rundt dem, slik at de kan kjøre trygt uten mye sjåførintervensjon.
• Selvkjørende biler faller inn under ulike automatiseringsnivåer, alt fra biler som krever et menneske for å utføre alle kjøreoppgaver til biler som kan kjøre på offentlig vei uten menneskelig innblanding.
• Selvkjørende bilprogramvare er sterkt avhengig av AI og maskinlæringsalgoritmer for å ta avgjørelser basert på variabler i miljøet, og disse algoritmene forbedres med mer tid brukt på veien.

Idealet for å lage den perfekte selvkjørende bilen har vært populær siden de aller første dagene av biler. Etter over et århundre med innovasjon og teknologiske gjennombrudd, er du nærmere enn noen gang å ha en bil som kan kjøre seg selv, med flere selskaper som jobber med prosjekter som allerede er på offentlig vei.

Men hvordan fungerer selvkjørende biler? Og hvor nærme er du å oppnå robo-sjåførdrømmene dine?

Hva er selvkjørende biler?

Som navnet antyder, er selvkjørende (også kalt autonome) kjøretøy biler som kjører seg selv. Mest moderne selvkjørende biler kreve at en sjåfør er tilstede for å ta over i nødstilfeller. Utenom nødsituasjoner eller situasjoner når bilen begynner å opptre uberegnelig, er den ment å håndtere det meste av kjøringen uten noen form for sjåførinnblanding.

Hvordan fungerer selvkjørende biler?

Selvkjørende biler bruker en kombinasjon av sensorer og kameraer for å lage et 3D-bilde av verden rundt dem. Avansert programvare brukes deretter til å oppdage biler, mennesker og hindringer på veien, slik at kjøretøyet kan kjøre seg selv på en sikker måte mens man følger trafikkreglene.

Mange bedrifter jobber med denne teknologien, og det betyr at det finnes flere ulike tilnærminger til å lage en selvkjørende bil. Det er også forskjellige nivåer tildelt selvkjørende biler med forskjellige funksjoner.

Bestilling og hopp inn i en Waymo selvkjørende taxi er en av de enkleste måtene å prøve en selvkjørende bil på, men du må være i Arizona for din første Waymo-tur.

Selvkjørende bilnivåer forklart

De fleste av verdens selvkjørende biler er ikke helt selvkjørende modeller, og de faller inn under seks forskjellige automatiseringsnivåer, som hver tilbyr bedre automatisering enn de forrige.

• Nivå 0-biler har ingen automatisering og krever et menneske for å utføre hver kjøreoppgave.
• Nivå 1-biler har førerassistansefunksjoner som cruisekontroll, men det kreves et menneske for å kjøre kjøretøyet.
• Nivå 2 biler har delvis automatisering. Dette betyr at de kan kontrollere ting som styring, men fortsatt krever at et menneske kjører.
• Nivå 3-biler har betinget automatisering, som gjør dem i stand til å reagere på omgivelsene for å utføre kjøreoppgaver.
• Nivå 4-biler har høy automatisering, noe som gjør at bilen kan kjøre seg selv fullt ut innenfor geofenktede områder.
• Nivå 5-biler har full automatisering og kan kjøre på offentlig vei uten menneskelig innblanding.

De tre første nivåene krever alle et menneske for å kontrollere kjøretøyet mens det kjører, mens de resterende tre krever begrenset eller null menneskelig interaksjon. Hvert nivå av kjøretøyautomatisering er en milepæl, men nivå fem er det mest spennende og er det mange bedrifter jobber hardt for å oppnå.

Maskinvaren bak selvkjørende biler

Overraskende nok er maskinvarebegrensninger ikke et stort problem i selvkjørende biler. I teorien er de eneste sensorene du trenger for at en selvkjørende bil skal fungere, vanlige kameraer, med programvarebehandling som gjør det tunge løftet. Selvfølgelig er det mye tryggere å bruke en rekke forskjellige sensorer for å gi programvaren så mye data som mulig.

Hvordan fungerer LiDAR i selvkjørende biler?

Lysdeteksjon og rekkevidde, eller LiDAR, sensorer måler dybden for å produsere en nøyaktig 3D-modell av et selvkjørende kjøretøys omgivelser. Dette oppnås ved å sende ut millioner av laserpulser hvert sekund og måle tiden det tar for hver puls å reflektere. Jo lengre refleksjonstid, jo lenger er et objekt fra sensoren.

Dette hjelper en selvkjørende bil til å forstå miljøet og objektene rundt. Dette inkluderer bygninger, mennesker og dyr, så vel som alt annet kjøretøyet kjører forbi. På en klar dag er LiDAR alt en bil trenger for å navigere i travle bymiljøer. Ytelsen faller imidlertid gjennom regn eller tåke, og dette er grunnen til at selvkjørende biler ikke kan stole på LiDAR som sin eneste sensortype.

Hvordan fungerer radar i selvkjørende biler?

Radar utfører en lignende rolle som LiDAR på automatiserte kjøretøy. I stedet for å sende ut lasere sender den imidlertid ut radiobølger og måler refleksjonene fra objekter rundt deg. Målet er likevel å forstå miljøet rundt bilen.

LiDAR-sensorer har en oppløsning som er 10 ganger høyere enn radar, men radar påvirkes ikke av dårlige værforhold. Radarsensorer er også billigere enn LiDAR-sensorer.

Hvordan fungerer visuelle kameraer i selvkjørende biler?

Selskaper som Googles Waymo bruker en blanding av LiDAR, radar og vanlige kameraer for sine hovedsensorer. Tesla, på den annen side, har valgt å investere fullt ut i vanlige kameraer og avansert programvare for å navigere veier autonomt.

Ansiktsgjenkjenningsteknologi har eksistert i lang tid, selv om den stort sett har blitt brukt på smarttelefoner og avanserte sikkerhetsløsninger. Med selvkjørende biler er målet å ta dette til neste nivå, med maskinlæringsdrevet objektgjenkjenning, gjenkjenning av bygninger, biler, mennesker og alt annet rundt kjøretøyet ditt.

Andre selvkjørende bilsensorer

Radar, LiDAR og vanlige kameraer er ofte hovedsensorene i en selvkjørende bil, men noen kjøretøy har flere. Ekstra maskinvare, som ultralydsensorer, gir bilen en enda større forståelse av omgivelsene. Dette gjør det mulig for selvkjørende biler å reagere på ikke-visuelle signaler, som lyden av en ambulanses sirener.

Selvkjørende bil "Brains"

Enten det er Tesla, Waymo eller et annet selvkjørende bilsystem, trenger alle disse kjøretøyene en sentral datamaskin, eller «hjerne», for å behandle dataene fra sensorene deres. Nvidias Drive AGX-plattform er et ledende eksempel på dette, men noen bilprodusenter velger å utvikle denne typen teknologi internt.

Programvaren bak selvkjørende biler

Å bygge funksjonell programvare for selvkjørende biler er en av de største utfordringene produsentene står overfor. Det er relativt enkelt å lage et program som bruker veimerking og stedsdata for å følge moderne veier. Men hva skjer hvis en annen bil kutter deg eller et dyr løper ut i veien?

Veier er ikke forutsigbare steder. Selvkjørende bilprogramvare må være i stand til å reagere på et stort utvalg av forskjellige situasjoner, hvorav mange er umulige å forhåndsprogrammere.

AI og maskinlæring i selvkjørende biler

AI er kjernen i den selvkjørende bilindustrien. I hovedsak har autonome kjøretøy som dette som mål å etterligne den menneskelige hjernen mens de kjører, noe som betyr at de må være i stand til å ta beslutninger basert på et stort spekter av variabler. Dette inkluderer veikryss og veiskilt som er en del av veien, sammen med kjøretøyer, personer og andre hindringer som en vanlig sjåfør vanligvis vil være klar over.

Det ville være altfor tidkrevende for mennesker å lage databaser og algoritmer som perfekt gjenkjenner alt på veien. I stedet bruker produsenter som Tesla maskinlæring for å trene algoritmene sine og forbedre dem.

Maskinlæringsalgoritmene som finnes i selvkjørende biler må starte med noen grunnleggende data, men en stor del av læringen deres gjøres på veien. Det er dette som gjør det så avgjørende at bedrifter kan teste bilene sine på ekte veier, men det betyr også at selvkjørende biler bare kommer til å bli bedre jo mer de kjører.

En fotgjenger som går ut i veien er en god testsak for selvkjørende bil maskinlæring. Bilen har flere alternativer i dette scenariet; den kan forsøke å svinge rundt fotgjengeren, slå på bremsen og forsøke å stoppe, eller bruke hornet for å varsle fotgjengeren. De fleste selvkjørende biler vil ta en aktiv tilnærming til hindringer som dette, og utelukke det siste alternativet.

Herfra må den bestemme om det er best å svinge eller bremse, og ta hensyn til ting som hastighet, avstand, værforhold og en rekke andre miljøfaktorer. Hvis svinging ville føre bilen inn i banen til møtende trafikk, for eksempel, vil den sannsynligvis velge å bruke bremsene.

Å unnlate å reagere riktig og lykkes med å reagere riktig hjelper begge en selvkjørende bil til å lære å takle lignende problemer i fremtiden. Ideelt sett deles disse dataene mellom selvkjørende biler for å sikre at de kan forbedre seg sammen.

Ved siden av AI er det mye annen programvare bak kulissene i en selvkjørende bil. GPS-kartsystemer hjelper bilen med å navigere veier nøyaktig, mens førerovervåkingssystemer sørger for at personen bak rattet er fokusert, selv i selvkjørende modus.

Hvert selvkjørende bilfirma har en annen tilnærming til programvare, og dette betyr at det er sjelden de er åpne om hvordan verktøyene deres fungerer.

Er selvkjørende biler trygge?

Det er rettferdig å stille spørsmål ved sikkerheten til moderne selvkjørende biler, spesielt med den økende listen over dødsfall og skader forbundet med autonom kjøring. Som du kan se fra utbredelsen av overvåkingssystemer for førerbevissthet i mange selvkjørende biler, vet til og med produsentene at de ikke er perfekte ennå.

Men det er ikke poenget. Selvkjørende biler har fortsatt en lang vei å gå. Dette betyr at autonome bilfans må vente litt lenger for å få tak i et AI-kontrollert kjøretøy som kjører seg selv og kanskje til og med kan ta seg selv tilbake.