Autonomiczne systemy jazdy (ADS) umożliwiają bezzałogowym pojazdom naziemnym (UGV) i platformom robotycznym postrzeganie otoczenia, podejmowanie decyzji i kontrolowanie ruchu pojazdu bez ciągłego udziału człowieka. Systemy te integrują wykrywanie, obliczenia pokładowe i logikę decyzyjną, aby wspierać działanie w środowiskach, w których komunikacja jest ograniczona, kwestionowana lub niedostępna.
Na tej stronie znajdą Państwo dostawców i integratorów rozwiązań z zakresu autonomicznej jazdy, wdrażanych w sektorach obronności, bezpieczeństwa publicznego i przemysłowym na potrzeby operacji konwojowych, oczyszczania tras, logistyki i zdalnej inspekcji.
Przeczytaj Przegląd technologii
Rewolucyjne rozwiązanie autonomiczne oparte na sztucznej inteligencji dla pojazdów lądowych
Jeśli projektujesz, budujesz lub dostarczasz Systemy jazdy autonomicznej, Załóż profil, aby zaprezentować swoje możliwości i nawiązać kontakt z osobami, które aktywnie poszukują Twoich rozwiązań.
Autonomiczne systemy jazdy (ADS) to krytyczne rozwiązania wywiadowcze, które umożliwiają bezzałogowym pojazdom naziemnym (UGV) i platformom robotycznym postrzeganie, rozumowanie i działanie bez ciągłej interwencji człowieka. Systemy te mają fundamentalne znaczenie dla odporności operacyjnej w środowiskach, w których komunikacja jest ukryta, kwestionowana lub niedostępna. Poprzez osadzenie czujników, wysokowydajnych obliczeń i złożonej logiki decyzyjnej bezpośrednio na platformie, rozwiązania autonomicznej jazdy przekształcają pojazd ze zdalnie pilotowanego narzędzia w partnera zdolnego do wykonywania misji.
Zaawansowane systemy wspomagania kierowcy (ADAS) odnoszą się do konkretnych funkcji zaprojektowanych w celu wspomagania ludzkiego operatora. W kontekście systemów bezzałogowych może to obejmować ostrzeganie przed kolizją, pomoc w utrzymaniu pasa ruchu lub automatyczne hamowanie awaryjne. Inteligencja jest reaktywna i ograniczona do określonych funkcji bezpieczeństwa lub wydajności.
Z kolei autonomiczny system jazdy to szerszy zestaw sprzętu i oprogramowania zdolny do wykonywania całego dynamicznego zadania prowadzenia pojazdu w sposób ciągły. W przeciwieństwie do systemów ADAS, które wspierają kierowcę, system ADS ma na celu zastąpienie człowieka w zarządzaniu kierowaniem, przyspieszaniem i monitorowaniem otoczenia.
System autonomicznej jazdy CoreX firmy SteerAI.
Wdrażanie rozwiązań autonomicznej jazdy zmienia sposób, w jaki aktywa o wysokiej wartości są wykorzystywane w różnych wymagających sektorach.
W górnictwie, budownictwie i rolnictwie pojazdy autonomiczne wykonują powtarzalne lub precyzyjne zadania, takie jak transport i równanie terenu. Środowiska te często wiążą się z zapyleniem i nierównym terenem, co sprawia, że autonomia jest szczególnie cenna. W logistyce i magazynowaniu autonomiczne pojazdy naziemne (AGV) wspierają ciągłe operacje, jednocześnie zmniejszając zależność od pracy ludzkiej, kładąc nacisk na dokładną nawigację i bezpieczną interakcję z personelem.
Organizacje zajmujące się bezpieczeństwem publicznym wykorzystują autonomiczną mobilność w celu zmniejszenia ryzyka dla personelu. Zespoły zajmujące się egzekwowaniem prawa i utylizacją materiałów wybuchowych (EOD) wdrażają te systemy do pozycjonowania czujników w scenariuszach wysokiego zagrożenia. Podczas reagowania na katastrofy, autonomiczna jazda pozwala pojazdom przemierzać gruzy i dostarczać zapasy, gdy infrastruktura jest poważnie uszkodzona.
W środowiskach obronnych autonomiczne systemy jazdy działają jako mnożnik siły. Autonomiczne operacje konwojowe zmniejszają narażenie ludzi podczas zaopatrzenia logistycznego, podczas gdy misje ISR i oczyszczania tras korzystają z pojazdów, które mogą dostosowywać trasy w oparciu o wykryte zagrożenia.
Branża generalnie odwołuje się do poziomów SAE (J3016) w celu kategoryzacji możliwości, choć w przypadku UGV poziomy te są często mapowane na konkretne domeny zdefiniowane dla misji:
Systemy autonomicznej jazdy są zazwyczaj zbudowane wokół czterech powiązanych ze sobą obszarów funkcjonalnych.
Percepcja jest podstawą autonomicznej jazdy. System musi wykrywać elementy terenu, przeszkody i innych uczestników ruchu w czasie rzeczywistym. Nowoczesna sztuczna inteligencja do autonomicznej jazdy musi przeprowadzać segmentację semantyczną, odróżniając przejezdny krzak od litej skały lub identyfikując przyjaznego żołnierza od cywila.
Chociaż GNSS jest standardowym narzędziem, jest to pojedynczy punkt awarii. Profesjonalne systemy często wykorzystują jednoczesną lokalizację i mapowanie (SLAM) oraz nawigację w zależności od terenu. W środowiskach pozbawionych GNSS, system opiera się na nawigacji inercyjnej i odometrii wizualnej, aby utrzymać precyzyjne oszacowanie pozycji.
Jest to mózg systemu autonomicznej jazdy. Planowanie globalne definiuje ogólną trasę, podczas gdy planowanie lokalne reaguje na bezpośrednie przeszkody. Logika podejmowania decyzji reguluje takie zachowania, jak ustępowanie, zmiana trasy lub zatrzymywanie się przy użyciu podejść probabilistycznych.
Interfejsy sterowania łączą stos autonomii z układem kierowniczym, hamulcowym i napędowym za pośrednictwem architektury drive-by-wire. Tryby awaryjne i awaryjne zapewniają, że pojazd może bezpiecznie zatrzymać się lub zwrócić kontrolę operatorowi, jeśli autonomia ulegnie pogorszeniu.
Żaden pojedynczy czujnik nie jest wystarczający dla środowisk o wysokich konsekwencjach. Strategia fuzji czujników jest wymagana dla maksymalnej niezawodności:
Przejście na autonomiczną jazdę opartą na sztucznej inteligencji przeniosło obciążenie obliczeniowe z tradycyjnej logiki opartej na regułach na sieci neuronowe.
Pojazdy UGV wymagają ogromnej mocy obliczeniowej do obsługi danych z czujników o dużej przepustowości. Zazwyczaj wiąże się to z heterogeniczną architekturą obliczeniową:
Uczenie maszynowe odgrywa kluczową rolę w percepcji i klasyfikacji. Jednak w systemach o krytycznym znaczeniu dla bezpieczeństwa wyniki sztucznej inteligencji są często ograniczane przez logikę opartą na regułach, aby zapewnić przewidywalne zachowanie i łagodną degradację podczas awarii systemu.
Kolejna generacja zautomatyzowanych systemów jazdy opiera się na autonomii opartej na współpracy i uczeniu krawędziowym. Branża odchodzi od izolowanych platform w kierunku zachowań rojowych i pracy zespołowej człowiek-maszyna (HMT), gdzie pojazd przewiduje potrzeby ludzkiego operatora. Wraz ze wzrostem skali wdrożenia, ramy regulacyjne i bezpieczeństwa będą w coraz większym stopniu wpływać na sposób, w jaki te autonomiczne pojazdy bezzałogowe są certyfikowane i wykorzystywane w operacjach wielodomenowych.
Wyszukiwanie firm i produktów
Subskrybuj cotygodniowy eBrief
Najnowsze osiągnięcia inżynieryjne i techniczne prosto do Twojej skrzynki odbiorczej - dołącz do tysięcy inżynierów, którzy je otrzymują.