0
Autonome køretøjer, der har fanget vores opmærksomhed, og med god grund, som selvkørende biler lover at ændre vores forhold til biler og kærlighedsaffære med biler.
Den nødvendige teknologi til at bringe autonome køretøjer til livet er kompliceret. For eksempel, følgende marked landskab, fra Vision Systemer Intelligens, omfatter disse komponenter:
Behandling Sensorer Tilslutning Kortlægning Algoritmer Sikkerhed/Sikkerhed Udviklingsværktøjer
Bortset fra specifikke teknologier, det samlende princip for alle autonome system, herunder køretøjer, er data. Fremtiden automotive data økosystem vil omfatte data fra køretøjer, sensorer indbygget i veje, kommunikation med køretøjer i nærheden, vejr og andre kilder.
Autonome køretøjer, teknologi landskab. Image credit: Vision Systemer Intelligens
Denne data økosystem er meget komplekse og involverer flere parter i både den private sektor og i det offentlige. Som private virksomheder med at udvikle teknologi og algoritmer, de skal partner med føderale, statslige og lokale regeringer, at kontrol veje og træffe de politiske beslutninger, der vil tillade autonome køretøjer på vejen.
Det vil tage år at gennemføre denne komplekse miljø helt. Society of Automotive Engineers skabt en standard, der beskriver progressive niveauer [.PDF] for køretøj, automation:
SAE niveauer af autonome køretøjer
I betragtning af kompleksiteten og betydningen af den automotive industri, og hvordan det ændrer sig, jeg inviteret tre af de bedste eksperter i verden sammen, på en diskussion om dette emne.
All-star diskussion fandt sted, da episode 240 af CXOTalk serie af samtaler med de bedste innovatorer:
Paul Ballew er Global Chief Data og Analytics Officer for Ford. Hans gruppe er ansvarlig for Ford ‘ s data-strategi, data management, data acquisition, og analytics-aktiviteter i hele virksomheden, herunder tilslutning og smart mobilitet.Evangelos Simoudis er Administrerende Direktør i Synapse-Partnere, en venture kapital firma med fokus på big data applikationer. Han er ekspert i innovation i auto-branchen og skrev en bog om emnet kaldet Big Data Mulighed for i vores Førerløse Fremtiden.David Bray Besøger Executive in Residence på Harvard University og indgående Administrerende Direktør på People-Centered Internet. Tidligere var han Chief Information Officer i Federal Communications Commission.
Se video indlejret ovenfor for at se vores samtale og læse et redigeret udskrift af kritiske korte afsnit nedenfor.
Fortæl os om data og bilindustrien økosystem?
David Bray: [Autonome køretøjer] producere en masse af data. Vil du se, at data bliver gemt og behandlet af bilen, vejen eller infrastruktur, eller et andet sted? Hvad vil økosystemet ser gerne i tre år?
Paul Ballew: Ja, der behandles af bil, men også kan være i økosystemet korrekt. Sikkert, vil være i en entral miljø så godt. Teknologien gør os i stand til at gøre ting på de data, side, der giver dig mulighed for at gå ned i udviklingen af autonome-type køretøjer.
Det tilskynder os til at presse på med edge-data i analytics, og edge-data management. Så, jeg tror, at svaret på dit spørgsmål kommer til at være alle disse faktorer sammen.
Med disse massive data-analytiske udfordringer, du er nødt til at have et mere mangfoldigt økosystem for at aktivere det.
Hvis du virkelig kommer til at gå ud over autonomi, men har smart køretøjer, der er i kontakt med hinanden, som kan have alle mulige andre individuelle og samfundsmæssige fordele, så er det økosystem, skal gå den vej, så godt. Det omfatter intelligent infrastruktur og dermed beslægtede aktiviteter.
Vi har været agnostiker, ydmyg, som teknologien ændrer sig fra en data og analytics synspunkt. Økosystemet ikke vil mirakuløst hook op alle køretøjer til nogle rør og indsamle alle data element og på en eller anden måde bygge datacentre, der er på størrelse med staten Texas.
Det er ikke den strategi, fordi det ikke er muligt. Men den gode nyhed er, at teknologi er at lade os nu gøre andre ting at afbøde disse problemer.
Vi er nødt til at gentænke vores forståelse af biler data?
Evangelos Simoudis: Der er et behov for nye rammer, som du kan tænke over data. Der er transport infrastruktur, data fra køretøjet, fra passagerer i det køretøj, fra andre køretøjer, såvel som leverandører af data.
Det er et meget komplekst økosystem. Vi har en tendens til at tænke på de data, køretøjer, producere, men det går langt ud over det. Jeg er glad for, at Paul nævnt, at vi er nødt til at genoverveje data management. Det er ikke alle cloud-baseret storage. Du har brug for politikker for, hvilke data der skal holde i bil, hvad med at skubbe uden for bilen.
Du er nødt til at forstå, at vi ikke taler om en enkelt sky. Dette er ikke om Ford ‘s cloud versus BMW’ s cloud eller GM ‘ s cloud. Ford wll har en sky, men Delphi vil også have en sky, og weather.com vil have en sky. Så selv for de data, der kommer udefra til denne type af infrastruktur, data afgørelser, der er meget komplekse.
I løbet af de sidste tyve år, som bilerne er blevet mere software-afhængige, auto beslutningstagere er blevet opmærksomme på betydningen af data. Der er allerede en hel del sensorer i køretøjer i dag. Men den type af data, kompleksiteten af data, mængden af data, big data, som vi taler om — i et miljø, hvor vi er autonome, og til sidst førerløse køretøjer og on-demand-mobilitet-er uhyre i forhold til, hvad vi beskæftiger os med i dag.
Og, som kræver nytænkning.
Paul Ballew: Vi er enige. Vi har samlet en organisation til at gøre dette, dels for at bringe nye tanker frem. Helt sikkert, det gælder for selvstyrende køretøjer, men også til andre ting, som vi har i gang som IoT.
Når vi taler om Internettet Ting i en industriel opsætning og planter, du kan ikke gå ned af en konventionel data management tilgang. Selv hvis du bruger cloud-baseret storage til fysiske datacentre, er det stadig upraktisk og giver absolut ingen mening i form af en bæredygtig model.
Vi beskriver det som “moderne master data management.” Data management er afgørende, data strukturer og dermed beslægtede aktiviteter. Men, det er en unik måde at tænke på. Hvordan du indtager og lave og udnytte disse data aktiver til at understøtte de forretningsmæssige mål.
Vi har fået til at gå ud over den konventionelle tanke processer, ikke bare biler, men i den måde vi tænker om data management: opbygge en central miljøet, kalder det en data-søen, sætte nogle typer af identifikatorer, og alle disse ting med det. Verden bevæger sig et godt stykke ud.
Hvad er spørgsmål omkring køretøjer, som data platform?
Evangelos Simoudis: i Løbet af de sidste tyve år eller så, har bilindustrien har tænkt på køretøjer, som platforme. Faktisk er meget af den terminologi, som de har brugt, herunder Ford, har været omkring platforme.
Vi taler om forskellige type platform. Det er ikke længere en platform for elektromekaniske enheder med nogle computing, men det er en platform af sensorer og aktuatorer med en enorm mængde computerkraft og en hel del af skiudstyr.
Nogle har beskrevet det som “robotter på hjul”. Når man tænker på on-demand mobilitet og applikationer såsom ride-signalsystemet, du kan tænke på robot taxaer og robotter på hjul. Long-haul tracking, en anden forventede anvendelse for selvstyrende køretøjer, er meget robot.
Vi har en meget anderledes form for platform, end vi har brugt til dato i køretøjer.
Paul Ballew: Nogen af os, der er vokset op i branchen, når vi tænker på alle platforme, er det den fysiske arkitektur af et køretøj. Der var et lille hjælpeprogram platform. Der er en mid-platformen. Og udviklingen i de sidste par år har været tale om Køretøj-som-en-Platform.
Når vi beskriver en platform nu, er det som et interface punkt, en indsigt, der skaber punkt, eller evnen til at udnytte og forbinde køretøjer.
At ord har udviklet sig i en meget kort periode i vores branche. Nu, når vi beskriver det som en platform, er vi nødt til at stoppe et øjeblik og beskrive, hvad vi mener. Troede aldrig jeg ville være nødt til at sætte en operationel definition omkring “platform” i auto branchen, fordi det var en fælles terminologi.
Hvad om andre emner, såsom data for uddannelse AI systemer og interoperabilitet?
Evangelos Simoudis: at Have data til at træne de systemer, der vil gå ind i disse autonome platforme er en meget større del end vi selv troede. Faktisk, i dag, en af de investeringer afhandlinger i min virksomhed er at identificere, start-ups, der kan simulationer, fordi selv de virksomheder, der er fielding teste køretøjer kan kun indsamle meget små mængder af data. De har meget små flåder og mængden af data, der kan indsamles fysisk tendens til at være et relativt lille udsnit af, hvad vi har brug for til effektivt at træne kunstig intelligens-systemer, der vil give selvstændighed til disse køretøjer.
I dag, Waymo og Tesla har formentlig de fleste data, men selv det er et meget lille beløb i forhold til, hvad der er behov for. Så, skabe større samlinger, uanset om de kommer fra andre bidragydere, som har faktiske data eller oprettelse af simulerede data for at uddanne systemer, vil være en meget stor aftale på vores rejse mod et førerløse fremtiden.
David Bray: Vi leder i det næste årti for autonomi er fuldt modne. Men på samme tid, der er allerede fremskridt her og nu, og ting, der kommer undervejs.
En af de nødder, som vi er nødt til at knække løse interoperabilitet mellem data. Som en, der har deltaget i det menneskelige standarder grupper, de har som regel tre – til fire-årig tidshorisont til at skabe standarder for det. Det betyder ikke slår mig som rimelig i forhold til at sætte data her.
Vi formentlig kommer til at bruge nogle semi-autonome mekanismer til at skabe mening af data fra forskellige enheder, forskellige køretøjer, og have en vis udveksling mellem. Fordi, hvis vi kun stole på den menneskelige tilstand, vi kommer til at være bremset af os selv.
Jeg tror, vi kommer til at se fremskridt i løbet af de næste ti år, og jeg tror fuldt udbygget autonomi – sandsynligvis syv til ti år, med fremskridt undervejs.
CXOTalk bringer dig verdens mest innovative virksomhedsledere, forfattere og analytikere for en dybdegående diskussion utilgængelige steder.
0