HD-картографирование: о перспективах в развитии автономных автомобилей

HD-картографирование: о перспективах в развитии автономных автомобилей

Выпуск 14(6688) от 18 июля 2019 г.
РУБРИКА: РОБОТОТЕХНИКА

После того как в апреле 2019 г. Илон Маск, руководитель корпорации Tesla, выступил с критикой картографирования и карт высокой четкости (HD-карты), многие отраслевые специалисты заговорили о принципиальной перспективности данного направления для автономных транспортных средств. Применение этой технологии вызывает споры и имеет как своих сторонников, так и противников.

 

HD-картографирование: друг или враг автономных транспортных средств?

Илон Маск считает, что высокоточные GPS-карты для автомобилей с автоматическим управлением – плохая идея. Слишком большая зависимость от HD-карт может превратить автономный автомобиль в чрезвычайно ненадежную систему, что затруднит ее широкое освоение и развертывание.

Однако большинство представителей остальной части автомобильной промышленности полагают, что автономные транспортные средства могут использовать HD-карты как минимум в качестве резервной системы. Так, представители VSI Labs (г. Сент-Луис-Парк, шт. Миннесота, США) считают, что HD-карты – это все, что нужно для повышения производительности и безопасности автоматизированных транспортных средств. Специалисты фирмы HERE (Нидерланды) полагают, что карты HD – это не привычные GPS-помощники, используемые водителями-людьми, а специально разработанные для машин устройства с загруженными геокодированными метаданными.

Главная цель использования картографических данных автономными транспортными средствами – повысить доверие к системе, что снимает проблему вычислительного разбора дорожных условий. Различные слои на HD-картах включают в себя точную разметку полос движения, границ дороги, а также 3D-маркеры для определения местоположения (рис. 1).



Источник: Lyft

Рисунок 1. Многоуровневая структура HD-карт автономных автомобилей


HD-картография для автономных транспортных средств становится очень конкурентным рынком не только среди традиционных поставщиков навигационных карт, но и среди технологических компаний, автопроизводителей и стартапов. Так или иначе, основная борьба ведется за владение данными, и это игра с высокими ставками.

Эксперты еженедельника Electronic Engineering Times и специалисты фирмы VSI Labs провели круглый стол, с тем чтобы разобраться в плюсах и минусах HD-картографирования для будущих ADAS и автономных транспортных средств.


Зачем нужны HD-карты?

Есть много причин, по которым HD-карты должны использоваться в автономных транспортных средствах. Они предлагают самые простые решения как для ADAS, так и для автономных транспортных средств, обеспечивая анализ наземных и аэрофотоснимков, что позволяет сегментировать дороги.

Даже для автомобилей с ADAS, выполняющих базовые задачи, такие как поддержание полосы движения, HD-карты становятся эффективным средством при исчезновении дорожной разметки (из-за снега или других погодных условий).

Сочетание данных от разных датчиков (компьютерное зрение, радары, лидары и т. д.) также должно позволять ориентироваться в дорожной обстановке и обеспечивать анализ ситуации. Но у них есть свои ограничения. Хороший пример ограничений датчиков – аварии с автомобилями Tesla. В случае аварии в Маунтин-Вью весной 2019 г. вероятным фактором было изменившееся дорожное покрытие. Темная асфальтовая поверхность рядом со светлой бетонной, возможно, заставила компьютер интерпретировать эти данные как линию полосы движения и направить автомобиль по неправильной траектории.

Если бы у автопилота была детальная модель полосы движения (HD-карта), аварию можно было бы предотвратить (рис. 2). Вот почему автопилот (и любая другая система второго уровня автоматизации) требуют постоянного внимания и участия водителя [1].



Источник: VSI Labs

Рисунок 2. Схема аварии в Маунтин-Вью: вероятный фактор – изменение цвета покрытия. Темная поверхность – асфальт, светлая – бетон


Говоря о втором уровне автоматизации, надо уточнить, что всего насчитывается пять-шесть таких уровней (в зависимости от того, учитывается ли нулевой уровень – отсутствие автоматизации). Сами же уровни автоматизации определены так:

■        первый уровень – системы помощи водителю;

■        второй уровень – частичная автоматизация;

■        третий уровень – условная автоматизация;

■        четвертый уровень – высокая автоматизация (автомобиль может управляться человеком, но в этом нет особой необходимости – можно не смотреть на дорожную ситуацию, не держать руки на руле и т. п.; автономное транспортное средство обращается к человеку только в непредусмотренных программным обеспечением случаях), по данным IHS Markit автомобили четвертого уровня не появятся до 2022–2023 гг.;

■        пятый уровень – полная автоматизация (возможность разворота передних сидений в обратном направлении для облегчения общения с пассажирами на задних сиденьях, полное отсутствие необходимости вмешательства человека в процесс вождения, необязательность руля) – по мнению отраслевых специалистов, до 2032–2045 гг. массовое освоение подобных транспортных средств маловероятно [2].

Считается, что камеры по-прежнему остаются лучшими, наиболее экономически эффективными датчиками, и они будут помогать осуществлять анализ дорожной ситуации. Проблема в том, что это затратно с точки зрения вычислительной нагрузки. Ресурсы HD-картографирования уменьшают вычислительную нагрузку и повышают степень достоверности моделирования окружающей среды.


Поможет ли добавление лидаров улучшить анализ ситуации?

По мнению инженеров-программистов VSI Labs, добавление лидаров поможет, но не сразу. Основываясь на большом опыте работы с лидарами, они признают, что эта техника лучше всего подходит для трехмерного восприятия и моделирования окружающей среды и надежно обнаруживает неизвестные объекты в свободном пространстве. Тем не менее, производительность лидара в плохую погоду достаточно ограничена. Например, лидар не обнаруживает разметку полос, если они полностью покрыты снегом. Лидар дорог в производстве. Лидары (или любые другие датчики) не могут видеть сквозь преграды, такие как другие транспортные средства, холмы, повороты или здания. В свою очередь, у HD-карты нет проблем с обзором за препятствиями, она может простираться настолько далеко, насколько это нужно.

Представители HERE заявляют, что могут поддержать любое решение по локализации, разработанное OEM. Они считают, что объединение GPS и блоков инерциальных измерений (IMU), других датчиков и HD-карт – идеальное решение для систем автоматизации транспортных средств третьего-пятого уровней, сертифицированных американским Обществом инженеров-автомобилестроителей (Society of Automotive Engineers, SAE).

Тем не менее, OEM-производители будут реализовывать разные стратегии с разными ценовыми категориями, способами развертывания и сочетанием используемых технологий. Автомобильная промышленность в основном придерживается постепенного подхода к автоматизации, так как желает убедиться, что новое решение может поддерживать различные используемые стратегии не только сегодня, но и в долгосрочной перспективе.


Почему HD-карты могут замедлять развертывание автономных транспортных средств?

Илон Маск, возможно, не совсем ошибается в своей оценке HD-картографии.

Во-первых, HD-картирование может быть бесполезным, если автономное транспортное средство не может найти себя на карте с высокой точностью. Кроме того, робокар всегда должен быть в состоянии точно поддерживать определение своего местоположения.

Во-вторых, HD-карты постоянно нуждаются в обновлении. Без таких обновлений автономным транспортным средствам нужна стратегия, позволяющая справиться с неточными картографическими данными.

В-третьих, HD-карты не бесплатны.

В-четвертых, кому нужны HD-карты при наличии обучаемых по стратегии Tesla нейронных сетей? Конечно, в данный момент это только рабочая гипотеза, проходящая проверку.

Однако первая и главная проблема заключается в том, чтобы автономное транспортное средство точно определяло свое местоположение на карте.

Эксперты VSI Labs считают одним из методов точной локализации улучшение GPS с помощью методик кинематики в реальном масштабе времени (real time kinematic, RTK) или позиционирования (определения местоположения) высокой точности (precise point positioning, PPP). Услуги RTK/PPP часто предоставляются фирмами-разработчиками программного обеспечения типа Positioning Engine, такими как Trimble (сервис под названием RTX), GMV (magic PPP), Hexagon/NovAtel (Terrastar) и др. Иногда Министерство транспорта США предоставляет бесплатные общедоступные услуги через сеть непрерывно работающих опорных станций (CORS). Кроме того, некоторые частные CORS предоставляют платные услуги.

Альтернативой услугам RTK/PPP обычно становятся датчики. Например, лидарное трехмерное облако точек, полученное сканированием, сравнивается с уже существующим (ранее сформированным и заложенным в HD-карты) трехмерным облаком точек. Иными словами, можно создать базовую карту при помощи лидара, а затем сравнивать ее с данными, полученными конкретным пользователем с помощью лидарного зондирования в масштабе реального времени. Однако проблема заключается в стоимости лидаров. Так как их использование для создания больших карт региона слишком дорого, не говоря уже о применении в серийных транспортных средствах, этот подход в основном применяется на этапе разработки алгоритмов определения местоположения или в некоторых конкретных сериях роботакси.

Третий подход – «определение местоположения на основе ориентира» с использованием датчиков лидара или камеры. В этом случае датчики должны обнаруживать и классифицировать ориентиры. Локализация на основе ориентиров в основном сравнивает атрибуты ориентиров или дорожной инфраструктуры на HD-картах в реальном масштабе времени.

Таким образом, необходимость постоянного обновления HD-карт очевидна, и эту существенную проблему еще только предстоит решить. Первой итерацией на этом пути может стать «предпосылка Mobileye REM», потому что Mobileye способна по принципу краудсорсинга собриать данные с миллионов автомобилей, оснащенных камерами Mobileye. Многие другие фирмы также работают над способами сбора, управления и перераспределения краудсорсинговых данных.

Еще один вопрос – сколько будет стоить подключение HD-карт к автомобилям с ADAS или к автономным транспортным средствам? Представители VSI Labs не знают ответа. Большинство производителей HD-карт пока не говорят о цене.

С апреля 2019 г. китайский производитель карт AutoNavi (входящий в группу Alibaba) начал взимать с OEM-производителей по 100 юаней (15 долл. США) на автомобиль в год за лицензирование. Фирма также заявила, что планирует снижать эту цену как минимум на 2% в год. Помимо этого, картографирование и съемка с использованием автономных транспортных средств очень дороги. Китайские СМИ сообщают, что один робокар по сбору данных для карт AutoNavi стоит более 1 млн долл.

Многие в автомобильной промышленности были удивлены, узнав о подходе Tesla, заключающемся в совершенствовании фирменных нейронных сетей. Ряд отраслевых специалистов считает, что Илон Маск идет на большой риск. Он же утверждает, что все остальное, от HD-картографирования до дополнительных датчиков, таких как лидары, – это отвлечение на ненужные работы и лишние издержки.


Прав ли Маск?

Специалисты VSI Labs считают, что гипотеза Илона Маска может быть верной, если такую нейронную сеть удастся создать. Но пока ее не существует, и даже если она и появится, у HD-карт останется козырь – если в автономном транспортном средстве неисправен какой-нибудь датчик, они по-прежнему предлагают избыточность при анализе дорожной обстановки.

Разработчики корпорации Tesla утверждают, что HD-карта будет излишней даже при наличии снега и других погодных помех. По их мнению, если создатели специализированных автоматизированных программ могут достаточно хорошо рисовать линии полос на заснеженных дорогах, то на основе этих изображений можно обучить и искусственные нейронные сети до уровня достаточно хорошей работы. Однако этот подход еще не проработан на должном уровне, и механизм обработки реальных данных о подобных ситуациях инженерами Tesla специально не запускался. Это означает, что автопаркам Tesla нужно отправлять много данных, а самой фирме нужны итерационные процессы обучения своих нейронных сетей на основе этих реальных данных.


Конкурентный рынок HD-карт

Пока разработчики корпорации Tesla не видят необходимости в HD-картах, остальная часть индустрии автономных транспортных средств по-прежнему ищет точные карты для робокаров. Этот рынок довольно сильно сегментирован по регионам, особенно в Азии. Так, в Южной Корее ключевым игроком является MnSOFT, в КНР – NavInfo, Baidu и AutoNavi. В Японии существует региональная коалиция DMP (Dynamic Map Platform), в которую входит большое число заинтересованных участников, включая OEM-производителей, системных интеграторов и поставщиков HD-карт, кроме того, затраты этой коалиции частично покрываются инвестициями правительства Японии. Мобильные картографические средства участников коалиции собирают большую часть данных базовой HD-карты, на основе которых партнеры совместно создают семантические карты. Затем каждый поставщик HD-карт обрабатывает результаты совместных работ и добавляет собственные конкурентные атрибуты (такие как ресурсы определения местоположения). В Европе и Северной Америке основные разработчики – HERE и TomTom, а также USHR (теперь приобретенная DMP).

Все эти игроки (за исключением DMP) традиционно занимаются разработкой навигационных карт и понимают процесс их создания и обслуживания на основе географической информационной системы в реальном масштабе времени – по крайней мере, на региональном уровне. С од­ной стороны, базовые дорожно-геометрические карты и HD-модели полос (в основном для автомагистралей) были созданы или создаются нынешними игроками. С другой стороны, атрибуты локализации на HD-картах для определения местоположения на основе ориентиров все еще собираются стартапами.

Ключевой момент – могут ли такие атрибуты карты генерироваться в масштабе реального времени. Сбор (краудсорсинг) данных с использованием доступных датчиков, таких как камера, оказывается практически единственным способом работы в реальном масштабе времени, и именно поэтому корпорация Mobileye до сих пор занимала доминирующее положение. Теперь же вперед могут выдвинуться такие стартапы, как Deepmap, Civil Maps, Carmera, Mapper, Netradyne, Lv5, Atlatec. Основным фактором отделения успешных стартапов от бесперспективных становится то, насколько они способны автоматизировать процессы создания и обслуживания карт.


Проблемы с владением данными

Корпорация Mobileye предоставляет полный набор услуг картографирования и определения местоположения с использованием собственных камер и тесно связанных с ними и между собой алгоритмами восприятия на основе искусственного интеллекта. Mobileye в своем роде полностью превосходит конкурентов – она не только собирает данные, но и обрабатывает их в «облаке», а также продает алгоритмы локализации. Однако следует отметить, что Mobileye не будет владеть информацией, если не создаст полную систему транспортных средств, такую как в Израиле. Как правило, информация принадлежит OEM-производителям, которые собирают данные со своих транспортных средств с помощью камер Mobileye Eye Q4. Эта модель владения данными представляет собой одну из ключевых областей для дискуссий. На практике Mobileye не сможет владеть всей программой картографирования и определения местоположения.

Напротив, корпорация Tesla не собирает данные базовых карт – она собирает информацию в режиме реального времени для обучения своих нейронных сетей алгоритмам восприятия и прогнозирования.

Вероятно, скоро появится модель владения данными, в рамках которой OEM будут бороться с поставщиками программ, обеспечивающими полный набор услуг картографирования и определения местоположения. Определение местоположения – один из основных ресурсов OEM-производителей в области интеллектуальной собственности, который они не станут отдавать сторонним поставщикам платформ или данных.

Специалисты фирмы HERE видят свою задачу в том, чтобы обеспечить определение местоположение автомобиля на основе свежих данных HD-карты. Для этого требуется подключение автомобиля к HD-карте, охват данных в реальном масштабе времени и динамический рабочий процесс управления данными карты. На данный момент нет OEM-производителей (за исключением ограниченного круга поставщиков, в том числе Tesla), которые бы справились с этой задачей.


Стратегия фирмы HERE

Специалисты VSI Labs считают, что разработчики HERE должны интегрировать данные REM в свои базовые карты (в рамках партнерства с Mobilye), с тем чтобы автомобили связанных с ними немецких автопроизводителей могли использовать эти карты для определения местоположения.

В то же время корпорация HERE в своей программе НИОКР для сбора данных под задачи определения местоположения использует настраиваемые камеры. HERE пока не продает полученную на основе сбора камерами информацию в качестве картографических данных, но ставит себе целью продемонстрировать, как они (или их немецкие клиенты) могут собирать, обрабатывать и использовать такие ресурсы в рамках HD-карты.

Представители HERE признают, что тестируют свои картографические данные на основе различных решений по определению местоположения, таких как решения на основе камер и решения на основе лидарных облаков. Это нужно для того, чтобы гарантировать поддержку данными компании всех подходов к определению местоположения (рис. 3).



Источник: EE Times

Рисунок 3. Подход фирмы HERE к сбору и предоставлению данных


Данные отформатированы так, чтобы их можно было использовать в любом решении для определения местоположения. Но HERE не предоставляет соответствующего программного обеспечения, предлагая вместо этого данные для поддержки подобного решения. Конкретный алгоритм для определения местоположения зависит от OEM-производителя и выбранного им подхода (делать это внутри компании или на аутсорсинге). Будущая роль HERE заключается в агрегировании данных датчиков, внесении обновлений и распределении этих обновлений в соответствии с требованиями клиентов [1].


1. Yoshida Junko. HD Mapping: Friend or Foe of Robocars? EE Times, June 14, 2019: https://www.eetimes.com/document.asp?doc_id=1334813 

2. Yoshida Junko. Robotaxi Economics Decrypted. EE Times, July 12, 2018: https://www.eetimes.com/document.asp?doc_id=1333464


В ЦЕНТРЕ ВНИМАНИЯ

SAE International

Дата основания : 1905 г.
Количество сотрудников: 138 тыс. человек (инженеры, руководители, преподаватели и студенты из 97 стран).
Штабквартира: г. Уоррендейл, шт. Мичиган, США.
Общий капитал: 103,9 млн долл. США.

SAE International (первоначально – Общество инженеров-автомобилестроителей (англ. Society of Automotive Engineers, SAE)) – действующее по всему миру профессиональное объединение и организация по разработке стандартов для специалистов в области машиностроения в США.

Основная деятельность: разработка технической документации, стандартов; издание научных журналов, книг.

SAE International предоставляет компаниям, правительственным учреждениям, исследовательским институтам и консультантам форум для разработки технических стандартов и рекомендуемых методов проектирования, изготовления и определения характеристик автомобильных компонентов. Документы SAE не имеют юридической силы, но в некоторых случаях на них ссылаются Национальная администрация безопасности дорожного движения США (НАБДД) и Министерство транспорта Канады.

В 2018 г. организация опубликовала 1,1 тыс. новых стандартов вдобавок к базе из 38 тыс. стандартов, принятых ранее. Эти стандарты являются критическими для индустрии средств обеспечения мобильности.

В авиакосмической сфере было принято более 900 стандартов, создано четыре новых группы и ряд комитетов, в том числе: 

«Электрификация и усовершенствованная тяга» («Электрифицированная тяга Е-40», «Самолетные средства хранения энергиии зарядки AE-7D», «Электроматериалы AE-9»);

«Цифровые и информационные технологии» (Digital & Data Steering Group, «Электронные транзакции в аэрокосмической сфере и блокчейне G-31»);

«Кибербезопасность» («Безопасность киберфизических систем G-32»);

«Перспективные материалы и производство» (AMS-AM, «Ремонтная группа материалов»).

Более 60 принятых стандартов касались коммерческих транспортных средств, в частности:

«Безопасность соединителей для подключения диагностического оборудования» (SAE J3138);

«Таксономия и определения терминов, связанных с общей мобильностью и технологиями обеспечения подключения» (SAE J3163);

«Пересмотр таксономии и определений терминов, связанных с системами автоматизации вождения для дорожных транспортных средств» (SAE J3016);

«Руководство по разработке инженерных систем связи ближнего действия» (SAE J2945/X);

«Система передачи электроэнергии для электромобилей с использованием трехфазного связующего устройства» (SAE J2836).


ЧИТАЙТЕ ТАКЖЕ