0
Autonoma bilar har fångat vår uppmärksamhet och med goda skäl, självstyrande bilar lovar att ändra vårt förhållande till bilar och kärleksaffären med bilar.
Den teknik som behövs för att få autonoma fordon att livet är komplext. Till exempel, följande marknaden landskap, från Vision-System Intelligens, innehåller dessa komponenter:
Bearbetning Sensorer Anslutning Kartläggning Algoritmer Säkerhet Verktyg För Utveckling
Bortsett från specifika tekniker, förenande principen för alla autonoma system, inklusive fordon, är data. Den framtida fordons-data ekosystem kommer att omfatta data från fordon, sensorer inbyggda i vägar, kommunikation med fordon i närheten, väder och andra källor.
Autonoma fordon teknik landskap. Image credit: visionsystem Intelligens
Denna data ekosystem är mycket komplexa och involverar flera parter inom både den privata sektorn och i regeringen. Privata företag, utveckla teknik och moderna algoritmer, måste de samarbeta med federala, statliga och lokala myndigheter att kontrollera vägarna och göra de politiska beslut som kommer att tillåta autonoma fordon på vägen.
Det kommer att ta år att genomföra denna komplexa miljö helt och hållet. Society of Automotive Engineers skapat en standard som beskriver progressiva nivåer [.PDF] för fordon automation:
SAE nivåer av autonoma fordon
Med tanke på komplexiteten och vikten av fordonsindustrin och hur den förändras, jag bjöd in tre av de smartaste experterna i världen tillsammans för en diskussion om detta ämne.
All-star diskussionen tog plats som en episod 240 CXOTalk serie samtal med främsta innovatörer:
Paul Ballew är Global Chief Data från Analytics och Direktör för Ford. Hans grupp är ansvarig för Fords data strategi, data management, datainsamling och analys aktiviteter för hela företaget, inklusive anslutningar och smarta transporter.Evangelos Simoudis är Vd för Synapse Partners, ett riskkapitalbolag fokuserat på big data-program. Han är en expert på innovation i bilindustrin och skrev en bok om detta ämne som kallas Big Data Tillfälle i vår Förarlösa Framtiden.David Bray är att Besöka Executive in Residence vid Harvard University och tillträdande Verkställande Direktören på Människor-Centrerad Internet. Tidigare var han Chief Information Officer på Federal Communications Commission.
Titta på videon som är inbäddad ovan för att se vårt samtal och läsa en redigerad utskrift av kritiska korta avsnitt nedan.
Berätta för oss om data och fordonsindustrin ekosystem?
David Bray: [Autonoma fordon] att producera en massa data. Ser du att uppgifter lagras och behandlas av bilen, vägen eller infrastruktur, eller någon annanstans? Vad kommer ekosystem ser ut som i tre år?
Paul Ballew: Ja, behandlas av bilen, men kan också vara i ekosystemet korrekt. Säkert, kommer att vara i en entral miljön. Tekniken gör det möjligt för oss att göra saker på data-sida som tillåter dig att gå ner utvecklingen av autonoma-typ fordon.
Det föranledde oss att gå vidare med edge-data i analytics och i kanten data management. Så, jag tror att svaret på din fråga kommer att vara alla av dessa faktorer tillsammans.
Med dessa massiva data analytiska utmaningar, du kommer att ha ett mer varierat ekosystem för att aktivera det.
Om du verkligen kommer att gå bortom självständighet men har smarta bilar som kommunicerar med varandra, vilket kan ha alla möjliga andra individuella och samhälleliga fördelar, då ekosystemet måste gå den vägen. Som innehåller smart infrastruktur och därmed förenlig verksamhet.
Vi har varit agnostiker, ödmjuk, eftersom tekniken förändras från en data-och analytics-synpunkt. Ekosystemet kommer inte att mirakulöst krok upp varje fordon till en del rör och samla in alla data element och på något sätt bygga datacenter som är storleken av staten Texas.
Det är inte den strategin, eftersom det inte är möjligt. Men, den goda nyheten är att denna teknik är att låta oss nu göra andra saker för att avhjälpa dessa problem.
Behöver vi ompröva vår förståelse av fordons-data?
Evangelos Simoudis: Det finns ett behov för nya ramar runt som för att tänka på data. Det är infrastrukturer för transport av data, data från bilen, från passagerare i fordonet, från andra fordon, samt leverantörer av data.
Det är en mycket komplexa ekosystem. Vi tenderar att tänka på data fordon producera, men det går långt utöver detta. Jag är glad att Paulus nämnde att vi behöver tänka om hantering av data. Detta är inte allt om molnbaserad lagring. Du behöver en politik om vilka data som ska hålla i bilen, vad som ska driva utanför bilen.
Du måste förstå att vi inte talar om ett enda moln. Det handlar inte om Fords moln jämfört med BMW: s cloud eller GM: s cloud. Ford wll har ett moln, men Delphi kommer också att ha ett moln, och weather.com kommer att ha ett moln. Så, även för uppgifter som händer utanför bilen för att denna typ av infrastruktur och data beslut är mycket komplexa.
Under de senaste tjugo åren, som bilarna har blivit mer programvara är beroende av, auto beslutsfattare har blivit medvetna om vikten av data. Det finns redan en hel del sensorer i fordon idag. Men den typ av data, komplexiteten i data, volym av data, big data som vi pratar om-i en miljö där vi har självständiga och så småningom förarlösa fordon och on-demand-rörlighet-är häpnadsväckande jämfört med vad vi sysslar med idag.
Och, som kräver nytt tänkande.
Paul Ballew: Vi är överens om. Vi samlade en organisation för att göra detta, delvis för att få nya att tänka framåt. Visst, det gäller autonoma fordon, men även till andra saker som vi har på gång som IoT.
När vi talar om Internet of Things i en industriell miljö och växter, kan du inte gå till en vanlig data management strategi. Även om du använder cloud-baserad lagring för fysiska datacenter, det är fortfarande opraktiskt och gör absolut inget vettigt i termer av en hållbar modell.
Vi beskriver det som “modern master data management.” Hanteringen av uppgifterna är nödvändig. data strukturer och relaterade verksamheter. Men, det är ett unikt sätt att tänka. Hur du äter och kyrkoherden och utnyttja dessa data för tillgångar för att stödja företagets mål.
Vi har fått gå bortom den konventionella processer, inte bara fordonsindustrin, men på sättet vi tänker på data management: att bygga en central miljö, kalla det en data sjön, sätta någon typ av identifierare, och alla dessa saker med den. Världen går långt bortom det.
Vad är det för frågor kring fordon som data som plattform?
Evangelos Simoudis: Under de senaste tjugo åren, fordonsindustrin har funderat på att fordon som plattformar. Faktum är att mycket av den terminologi som att de har varit använda, bland annat Ford, har varit runt plattformar.
Vi pratar om olika typ av plattform. Det är inte längre en plattform för elektromekaniska enheter med vissa datorer, men det är en plattform som av givare och ställdon med en enorm mängd datorkraft och en hel del förvaring.
Vissa har beskrivit det som “robotar på hjul.” När du tänker på-efterfrågan på rörlighet och tillämpningar som ride-meddelanden, kan du tänka på robot taxi och robotar på hjul. Long-haul-tracking, en annan projicerade ansökan för autonoma fordon, är mycket robot.
Vi har en helt annan typ av plattform än vi har använt hittills i fordon.
Paul Ballew: Någon av oss som har växt upp i branschen, när vi tänker på plattformar, det är den fysiska utformningen av ett fordon. Det var ett litet program för plattformen. Det är en mid-bil-plattform. Och utvecklingen de senaste åren har talat om Fordonet-som-ett-Plattform.
När vi beskriver en plattform nu, det som en knutpunkt, en insikt som genererar punkt, eller förmåga att utnyttja och ansluta fordon.
Det ordet har utvecklats i en mycket kort tid i vår bransch. Nu, när vi ska beskriva den som en plattform, vi pausa en stund och beskriva vad vi menar. Trodde aldrig jag skulle få sätta en operationell definition runt “plattform” i bilindustrin eftersom det var en gemensam terminologi.
Vad gäller andra frågor, såsom data för utbildning AI-system och samverkan?
Evangelos Simoudis: Med data för att utbilda de system som kommer att gå i dessa autonoma plattformar är en mycket större del än vad vi trodde. I själva verket, i dag, en av de investeringar avhandlingar i mitt företag är att identifiera start-ups att göra simuleringar, eftersom även de företag som är fielding testa fordon kan endast samla in mycket små mängder av data. De har mycket små flottor och mängden data som kan samlas fysiskt tenderar att vara ett relativt litet urval av vad vi behöver för att effektivt träna artificiell intelligens system som kommer att ge autonomi till dessa fordon.
Idag, Waymo och Tesla har förmodligen den mest data, men även det är en mycket liten summa jämfört med vad som behövs. Så, skapa större samlingar, oavsett om de kommer från andra bidragsgivare som har faktiska data eller skapa simulerade data för att träna system, kommer att bli en mycket stor del på vår resa mot en förarlösa framtiden.
David Bray: Vi tittar på nästa årtionde för självständighet och att de är fullt mogna. Men samtidigt finns det redan framsteg här och nu, och saker som kommer längs vägen.
En av de nötter som vi har att knäcka är att lösa interoperabilitet mellan data. Som en som har deltagit i mänskliga normer grupper, de har oftast tre – till fyra-års tidshorisont för att skapa standarder för att. Som inte slår mig som rimlig i termer av att ställa data här.
Vi kommer förmodligen att behöva några semi-autonoma mekanismer för att göra känsla av data från olika enheter, olika fordon, och ha lite utbyte mellan. För om vi bara förlitar sig på människans villkor, vi kommer att bromsas av oss själva.
Jag tror att vi kommer att se framsteg under de kommande tio åren och jag tror fullfjädrad autonomi – förmodligen sju till tio år, med framsteg längs vägen.
CXOTalk ger dig världens mest innovativa företagsledare, författare och analytiker för en fördjupad diskussion inte tillgänglig någon annanstans.
0