자율주행차 기술

승무원이 너무 많기 때문에 자가 운전은 생각보다 가깝습니다

지난 블로그에서 우리는 자율 주행 차량의 주요 업체와 기술이 얼마나 빠르게 발전하고 있는지에 대해 이야기했습니다. 우리는 게시물을 올린 지 며칠 만에 매우 유명한 자율 주행 자동차 애플리케이션과 관련된 큰 혼란이 생길 ​​줄은 거의 몰랐습니다. 2016년 12월 14일 캘리포니아 샌프란시스코에서 Uber의 자율주행 택시 서비스가 시작된 직후, 자율주행 차량 중 하나가 빨간불을 켜는 모습을 보여주는 비디오가 나타났습니다. Uber는 당시 이 자동차가 인간 운전자에 의해 운영되고 있었고 탑승한 승객이 없다고 말했지만 그 반향은 신속했습니다. Uber는 출시 1주일 만에 캘리포니아주가 자율주행차를 취소했을 때 자율주행차를 도로에서 철수시켰습니다. 자동차 등록.

분명히, 훌륭한 아이디어에서 모두를 위한 자율주행 자동차로 가는 여정에는 우회로가 있을 것입니다. 그러나 우리가 확실히 말할 수 있는 것은, 가끔 좌절이 있더라도 자율 차량의 기술은 계속해서 발전하여 우리를 A 지점에서 B 지점으로 데려가는 기계를 과감하게 재고하게 만든다는 것입니다.

자율 자동차는 현재 어디로 가고 있으며 어디로 가고 있습니까?

우리가 현재 일상적으로 운전하는 자동차의 자동화와 멀지 않은 미래의 자율주행 자동차의 기본적인 차이점은 주로 운전자의 참여 수준과 관련이 있습니다. 오늘날 많은 최신 차량에는 보조 제동 및 적응형 크루즈 컨트롤(자동화 수준 1로 간주되는 것)과 같이 운전의 특정 측면을 자동으로 처리하는 다양한 컨트롤이 이미 포함되어 있습니다.

현재 상용화된 자율주행차는 자동화 수준 2 정도입니다. 좋은 예는 우리가 자율 차량에 대한 지난 블로그에서 이야기한 Tesla의 반자율 운전자 지원("자동 조종 장치") 기능입니다. 테스트 중인 대부분의 프로토타입은 특정 상황에서 운전자가 주의를 기울이지 않아도 안전한 레벨 3과 악천후나 예상치 못한 도로 상황이 아닌 한 운전자가 개입할 필요가 없는 레벨 4입니다. 그러나 연구 결과에서 알 수 있듯이 문자를 확인하거나 졸고 있는 인간 "운전자"는 주의를 회복할 수 없으며 임박한 비상 상황에서 통제력을 회복하고 효과적인 조치를 취할 수 있을 만큼 정확하고 신속하게 반응할 수 없습니다. 따라서 많은 제조업체는 안전 장치(인간)가 자신이나 다른 사람에 대한 위험을 피할 만큼 충분히 빠르게 대응할 수 없기 때문에 수준 3과 4가 작동하지 않을 것이라고 결론을 내리고 있습니다.

자동화의 궁극적인 정도는 운전자가 전혀 있을 필요가 없는 레벨 5입니다. 이것은 완전한 승차 공유 미래주의에 필요한 기술입니다. 아무도 자동차를 소유하지 않는 상상한 시나리오입니다. 대신 차량을 소환하기만 하면 차량이 여러분을 데리러 옵니다. Google과 Mercedes의 자율주행 차량 개념은 레벨 5이며 원하는 목적지를 제외하고는 사람의 입력이 전혀 필요하지 않습니다.

자동화의 원동력은 무엇입니까?

자동차 제조사와 다른 업체들이 너무 많은 세부 사항을 공개하는 것을 경계하고 있지만, 우리가 알고 있는 몇 가지 기본 기술 구성 요소는 자율 주행 차량 설계에 필수적입니다. 예를 들어, 자율 주행 자동차가 도로를 성공적이고 안전하게 탐색하는 데 필요한 시각적 입력을 수집하는 데 여러 유형의 센서가 사용됩니다. 카메라는 사람이 운전할 때 수집하는 기본적인 시각 정보를 제공할 수 있는 비교적 저렴한 유형의 센서입니다. 피사계 심도를 제공하기 위해 여러 대의 카메라가 사용됩니다. 레이더는 이미 특정 레벨 1 차량 제어에 사용됩니다. 단점은 레이더가 근거리에서만 좋다는 것입니다.

LIDAR(빛 감지 및 거리 측정)는 자동차가 움직일 때 주변 환경을 매핑하는 온보드 레이저 시스템입니다. 대부분의 Google 테스트 차량 상단에 있는 큰 회전 장치인 LIDAR에 대해 잘 알고 있을 것입니다. 솔리드 스테이트 LIDAR는 회전이 필요하지 않으며 현재 개발 중인 일부 자율 주행 차량에도 사용되고 있습니다. LIDAR는 매우 정확한 3D 매핑을 생성하지만 단점이 있습니다. 이 기술은 매우 고가일 뿐만 아니라 날씨의 영향을 받으며 신호가 비나 눈에 반사됩니다.

오늘날 이미 고도로 컴퓨터화된 자동차에서 센서 정보 전송의 대부분은 호스트 컴퓨터 없이 마이크로 컨트롤러와 장치가 서로 통신할 수 있도록 설계된 프로토콜인 CAN 버스(Controller Area Network)를 통해 발생합니다. 그러나 진정한 자율주행 자동차는 보다 강력한 데이터 연결성과 모든 시각적 입력 및 기타 수집된 데이터를 수집하고, 구성하고, 해석하고, 실행 가능한 운전으로 전환하기 위한 컴퓨팅 성능 및 소프트웨어가 모두 실시간으로 필요합니다. 이를 위해서는 다음이 필요합니다.

* 상당한 양의 처리 능력
* 하나의 센서만으로 결정할 수 있는 것보다 더 많은 것을 계산하기 위해 서로 다른 센서의 데이터를 함께 가져옴("센서 융합")

그렇기 때문에 컴퓨터에 새로운 데이터에 노출되었을 때 기본적으로 "스스로" 학습할 수 있는 능력을 제공하는 인공 지능(AI) 유형인 머신 러닝이 자율 주행 설계의 중요하고 빠르게 발전하는 측면인 이유입니다. 한 단계 더 나아가 *딥 러닝*이라고 하는 머신 러닝 유형은 인간이 새로운 지식을 얻는 방식을 모방하려고 합니다. 딥 러닝은 예측 분석을 자동화함으로써 운전할 때마다 자동차가 더 똑똑해지고 다른 운전자와 다른 자동차로부터 배울 수도 있습니다.

당연히 안전을 위해 자율주행차는 처음부터 매우 똑똑해야 합니다! 그러나 차량이 감각 입력을 해석한 다음 일련의 하드 코딩된 운전 결정 중에서 선택하도록 설계되었는지 아니면 입력(센서 및 기타 소스의)을 처음부터 끝까지 운전 출력에 직접 매핑하는 데 사용되는지 여부에 관계없이 머신 러닝은 확실히 일부입니다. 드로잉 보드나 도로 위의 모든 자동차에 대해.

운전 이외의 의미는 무엇입니까?

물론 컴퓨터 기술이 있는 곳이면 어디에서나 정보 보안은 중요한 관심사이며 자율주행차도 예외는 아닙니다. 사실 자율주행차 해킹의 영향은 엄청나다. 많은 양의 차량을 빠른 속도로 여행하는 사람은 제3자가 차량을 인수하여 원격 제어할 수 있다는 걱정을 하고 싶지 않을 것입니다.

2015년 크라이슬러는 두 명의 보안 연구원(다행히 나쁜 사람은 아님)이 지프를 무선으로 해킹하고 대시보드 기능, 스티어링, 변속기 및 브레이크를 인수할 수 있는 소프트웨어 취약점을 발견했을 때 백만 대 이상의 차량을 리콜했습니다. Chrysler는 차량 소유자에게 USB 드라이브 기반 소프트웨어 업데이트를 제공하고 차량의 셀룰러 네트워크 연결을 통해 해킹을 감지하고 차단하기 위해 네트워크 수준의 조치를 취했습니다. 그런 다음 2016년 보안 연구소에서 Tesla Model S의 해킹을 시연하여 주차 및 주행 모드에서 차량의 CAN 버스와 악성 WiFi 핫스팟을 통해 원격으로 차량에 액세스하고 제어했습니다. 며칠 내에 Tesla는 잠재적인 보안 문제를 해결하기 위해 무선 소프트웨어 업데이트를 배포했습니다.

이러한 사례를 통해 자동차 제조업체와 파트너는 강화된 보안이 필수적이며 더 강력한 보호 장치가 계속 마련될 것임을 보여주었습니다. 그러나 모든 자율주행 자동차가 운전을 하려면 컴퓨터와 네트워크 연결이 필요하기 때문에 사용 중인 자율주행 자동차를 누군가가 해킹하는 것은 시간 문제일 수 있습니다.

이와 관련하여 개인 정보 보호는 자동차와 운전자에게 점점 더 도전적인 영역입니다. 오늘날, 누군가가 차에서 GPS를 끄고 지도를 펼칠 수 있습니다. 그러나 거의 지속적으로 GPS를 사용해야 하는 자율주행 자동차의 고유한 기능으로 인해 해당 차량은 거의 항상 추적되어야 합니다. 또한 카메라는 중요한 센서 기능을 제공하고 기계 학습을 위한 입력을 제공하지만 감시 도구이기도 합니다. 따라서 자율 주행 자동차(및 카메라 센서 시스템)가 완전히 출시되면 도로 공간의 모든 인치를 거의 지속적으로 사진을 찍고 면밀히 조사할 가능성이 있습니다.

그리고 좀 더 인간적으로 말하자면, 신뢰할 수 있고 완전 자율주행 차량의 출현은 제조 및 관련 분야에서 일자리를 창출하지만 어느 정도는 일부 일자리를 잃게 될 것입니다. 주문형 모빌리티(Mobility-on-Demand) 및 승차 공유 애플리케이션은 택시 및 버스 운전기사를 쓸모없게 만들 것입니다. 농장의 자율 주행 차량은 필요한 인간 노동자의 수를 점점 더 줄일 것입니다. 트럭 운전사는 굴착 장치를 유지 관리하는 데 여전히 필요하지만 운전하지 않을 것이므로 자동화 배포를 위해 트럭을 유지 관리하는 데 필요한 인력이 줄어들 것입니다. 그리고 2016년 말, 온라인 테이크아웃(테이크아웃) 회사는 런던에서 로봇 음식 배달을 시작했습니다. 따라서 패키지 핸들러에서 피자를 집까지 운전하는 아이에 이르기까지 이러한 작업자는 결국 자율 차량이 아니더라도 배달 봇 형태의 관련 기술로 대체될 수 있습니다.

금속 절단에 대해 이야기하는 이유는 무엇입니까?

Metal Cutting은 자동차 회사와 기술 파트너를 비롯한 다양한 산업 분야에서 특수 제품 및 정밀 소형 금속 부품을 위한 맞춤형 금속 절단 서비스를 제공하며 엄격한 공차가 필요한 응용 분야에 필요한 부품 절단, 기계 가공, 마감 및 기타 기술을 제공합니다. , 특정 표면 마감 및 고도로 맞춤화된 끝, 테이퍼 및 직경.

Metal Cutting이 *귀하*의* 자동차 부품 또는 기타 응용 분야에 가장 적합한 파트너인지 알아보시겠습니까? 무료 가이드, 새로운 계약 파트너 선택을 위한 7가지 비밀:정밀 금속 제조 아웃소싱을 위한 기술 가이드를 다운로드하십시오.