0
Autonome voertuigen gevangen hebben onze aandacht en met een goede reden, als zelf-rijdende auto ‘s belofte om onze relatie tot auto’ s en de liefde voor auto ‘ s.
De technologie die nodig zijn om de autonome voertuigen om het leven is complex. Bijvoorbeeld, de volgende markt landschap, van Vision Systemen Intelligence, bevat de volgende onderdelen:
De Verwerking Van Sensoren Connectiviteit Mapping Algoritmen Beveiliging/Veiligheid, Ontwikkeling-Gereedschappen
Afgezien van specifieke technologieën, de verenigende beginsel voor een autonoom systeem, met inbegrip van voertuigen, is data. De toekomst automotive data ecosysteem zijn de gegevens van voertuigen, sensoren ingebouwd in de wegen, de communicatie met de voertuigen in de buurt, het weer, en andere bronnen.
Autonome voertuigen technologische landschap. Image credit: Vision Systemen Intelligence
Deze gegevens ecosysteem is zeer complex en bestaat uit meerdere partijen in zowel de particuliere sector en bij de overheid. Als particuliere bedrijven bij de ontwikkeling van technologie en algoritmes, moeten zij partner met de federale, staats, en locale overheden die de controle van de wegen en het beleid beslissingen die u zal toestaan autonome voertuigen op de weg.
Het zal jaren duren voor de uitvoering van deze complexe omgeving helemaal. De Society of Automotive Engineers gemaakt van een standaard die beschrijft progressieve niveaus [.PDF] voor het voertuig automatisering:
SAE niveaus van autonome voertuigen
Gezien de complexiteit en het belang van de automotive industrie en hoe het veranderen is, ik nodigde drie van de slimste experts in de wereld samen te brengen voor een discussie over dit onderwerp.
De all-star discussie plaats als aflevering 240 van de CXOTalk serie gesprekken met de top van de vernieuwers:
Paul Ballew is de Global Chief Data en Analytics Officer voor Ford. Zijn groep is verantwoordelijk voor de Ford-data-strategie, data management, data-acquisitie en analyse van de activiteiten gedurende de gehele onderneming, inclusief connectiviteit en smart mobility.Evangelos Simoudis is Managing Director van Synapse Partners, een investeringsmaatschappij gericht op big data-toepassingen. Hij is een expert op innovatie in de auto-industrie en schreef een boek over dit onderwerp, De Big Data-Kansen in onze Onbemande Toekomst.David Bray is een Bezoek aan de Executive-in-Residence aan de Universiteit van Harvard en inkomende Executive Director bij Mensen-Centered Internet. Voorheen was hij Chief Information Officer van de Federal Communications Commission.
Bekijk de video hierboven om te zien, ons gesprek en het lezen van een bewerkte kopie van kritische korte paragrafen.
Vertel ons over de gegevens en de auto-ecosysteem?
David Bray: [Autonome voertuigen] produceren een heleboel gegevens. Zie je niet dat de gegevens die worden opgeslagen en verwerkt worden door de auto, de weg of infrastructuur, of ergens anders? Wat zal het ecosysteem op zoek als in de komende drie jaar?
Paul Ballew: Ja, verwerkt in de auto, maar ook kan worden binnen het ecosysteem goede. Zeker, in een entral omgeving. De technologie stelt ons in staat om dingen te doen op de gegevenszijde die u toelaat om te gaan met de ontwikkeling van autonome-type voertuigen.
Het stimuleert ons om naar voren te duwen met edge data analytics en edge data management. Dus, ik denk dat het antwoord op uw vraag zal worden van al die factoren samen.
Met deze massieve data-analyse uitdagingen, je gaat te hebben om een meer divers ecosysteem mogelijk te maken.
Als je echt van plan om verder te gaan dan autonomie, maar hebben slimme voertuigen die de interfacing met elkaar kunnen allerlei andere individuele en maatschappelijke voordelen, dan is het ecosysteem moet gaan die pad. Dat bevat slimme infrastructuur en gerelateerde activiteiten.
We zijn agnostisch, nederig, als de technologie is aan het veranderen van een data en analytics standpunt. Het ecosysteem is niet van plan om op wonderbaarlijke wijze hook-up van elk voertuig op enkele pijp en verzamelen elk data-element en een of andere manier bouwen van datacenters die de grootte van de staat Texas.
Dat is niet de strategie, omdat het niet haalbaar is. Maar, het goede nieuws is dat de technologie laat ons nu andere dingen doen die verschuiving die problemen.
Moeten we nadenken over onze kennis van automotive gegevens?
Evangelos Simoudis: Er is een behoefte aan nieuwe kaders voor het denken over de gegevens. Er is infrastructuur gegevens, gegevens van het voertuig, van de passagiers in het voertuig, van de andere voertuigen, evenals de gegevens van de aanbieders.
Het is een zeer complex ecosysteem. We hebben de neiging om na te denken over de gegevens van voertuigen produceren, maar dit gaat veel verder dan dat. Ik ben blij dat Paulus gezegd, dat we moeten opnieuw nadenken over data management. Dit is nog niet alles over de cloud-gebaseerde opslag. U moet het beleid op welke gegevens bij te houden in de auto, wat naar buiten duwen van de auto.
U moet begrijpen dat we het niet over een enkele wolk. Dit is niet over Ford ‘s cloud versus BMW’ s cloud of GM ‘ s cloud. Ford zal een cloud, maar Delphi zal ook een cloud, en weather.com een wolk. Dus, zelfs voor gegevens dat gaat buiten het voertuig om dit type van de infrastructuur, de data beslissingen zijn zeer complex.
In de afgelopen twintig jaar, zoals auto ‘ s zich meer en meer software-afhankelijk, auto-makers zijn zich bewust geworden van het belang van data. Er zijn al een flink aantal sensoren in voertuigen van vandaag. Maar de aard van de gegevens, de complexiteit van de gegevens, de hoeveelheid gegevens, de big data is dat we nu over spreken — in een omgeving waar we autonoom en uiteindelijk onbemande voertuigen en on-demand mobiliteit — is gigantisch in vergelijking met wat we vandaag voor staan.
En dat vereist een nieuwe manier van denken.
Paul Ballew: Wij zijn het eens. We brachten samen een organisatie om dit te doen, deel uit te brengen die een nieuwe manier van denken vooruit. Zeker, het is van toepassing op de autonome voertuigen, maar ook over andere dingen die we aan de gang zoals het IoT.
Wanneer we praten over het Internet der Dingen in een industriële omgeving en planten, u kunt niet naar beneden een conventionele data management aanpak. Zelfs als u gebruik maakt van cloud-gebaseerde opslag voor fysieke datacenters, het is nog steeds onpraktisch en maakt absoluut geen zin in termen van een duurzaam model.
We beschrijven het als “moderne master data management.” Data management is essentieel; de structuur van de gegevens en daarmee verband houdende activiteiten. Maar, het is een unieke manier van denken. Hoe je binnenkrijgt en te beheren en benutten van deze gegevens activa ter ondersteuning van de business doelstellingen.
We gaan dan de conventionele gedachte processen, niet alleen maar automotive, maar in de manier waarop we denken over data management: het bouwen van een centrale omgeving, noem het een data lake, een soort van id ‘ s, en al die dingen. De wereld beweegt zich veel verder dan dat.
Wat zijn de problemen rond de voertuigen als de data platform?
Evangelos Simoudis: in de afgelopen twintig jaar, de auto-industrie is het denken van de voertuigen als platforms. In feite, veel van de terminologie die gebruikt wordt, met inbegrip van Ford, heeft al rond platforms.
We praten over verschillende type platform. Het is niet langer een platform voor elektromechanische apparaten met een aantal computing, maar het is een platform van sensoren en actuatoren met een enorme hoeveelheid rekenkracht en heel wat van de opslag.
Sommige mensen hebben beschreven het als “robots op wielen.” Wanneer u denkt over on-demand mobiliteit en toepassingen zoals rit-afkomstig kunt u denken aan de robot taxi ‘ s en robots op wielen. Lange afstand te volgen, een ander geprojecteerd toepassing voor autonome voertuigen, zijn zeer robot.
We hebben een heel ander soort platform dan hebben we gebruikt om de datum in voertuigen.
Paul Ballew: Ieder van ons die zijn opgegroeid in de industrie, als we denken aan platforms, het is de fysieke architectuur van een voertuig. Er was een kleine utility platform. Er is een mid-car-platform. En de evolutie van de laatste paar jaar zijn te praten over Auto-als-een-Platform.
Wanneer we beschrijven een platform nu, als een interface point, een inzicht te genereren punt, of de mogelijkheid om gebruik te maken en sluit voertuigen.
Dat woord heeft zich ontwikkeld in een zeer korte periode in onze industrie. Nu, als we het beschrijven als een platform, hebben we pauzeren even en beschrijven wat we bedoelen. Nooit gedacht dat ik zou hebben om een operationele definitie rond “platform” in de auto-industrie, want het was een gemeenschappelijke terminologie.
Wat over andere problemen, zoals data voor de opleiding AI systemen en interoperabiliteit?
Evangelos Simoudis: het Hebben van gegevens en het trainen van de systemen die in deze autonome platforms is een veel groter probleem dan wij dachten. In feite, vandaag de dag, één van de investering stellingen in mijn bedrijf is het bepalen van de start-ups die simulaties, omdat zelfs de bedrijven die fielding test voertuigen kunt verzamelen alleen zeer kleine hoeveelheden gegevens. Ze hebben een zeer kleine vloten en de hoeveelheid gegevens die kunnen worden verzameld fysiek heeft de neiging om een relatief kleine steekproef van wat we nodig hebben om effectief te trainen is de kunstmatige intelligentie van systemen die de autonomie van deze voertuigen.
Vandaag, Waymo en Tesla hebben waarschijnlijk de meeste gegevens, maar ook dat is een zeer klein bedrag in vergelijking met wat nodig is. Dus, het creëren van grotere verzamelingen, of van andere medewerkers die met de feitelijke gegevens of het maken van gesimuleerde gegevens om te trainen systemen, zal een zeer grote deal op onze reis naar een toekomst zonder stuurprogramma ‘ s.
David Bray: We kijken naar de komende tien jaar voor autonomie om volledig te rijpen. Maar op hetzelfde moment, zijn er al vooruitgang hier en nu en de dingen komen langs de weg.
Een van de moeren die we te kraken is problemen met de interoperabiliteit van de gegevens. Als iemand die heeft deelgenomen aan menselijke normen groepen, ze hebben meestal drie tot vier jaar om normen op te stellen. Dat verbaast me redelijk in termen van het instellen van gegevens hier.
Wij gaan waarschijnlijk nodig zijn een aantal semi-autonome mechanismen om de betekenis van gegevens van verschillende toestellen, verschillende voertuigen, en hebben een aantal uitwisseling tussen. Want, als we alleen vertrouwen op de menselijke conditie, gaan we afgeremd worden door onszelf.
Ik denk dat we nu gaan zien ontwikkelingen in de komende tien jaar en ik denk dat volwaardige autonomie – waarschijnlijk in de zeven tot tien jaar, met de ontwikkelingen langs de weg.
CXOTalk brengt u ‘ s werelds meest innovatieve zakelijke leiders, schrijvers en analisten voor in-diepte bespreking niet beschikbaar zijn ergens anders.
0