Автопроизводители по всему миру используют искусственный интеллект практически во всех аспектах процесса создания и эксплуатации автомобилей — на этапе проектирования, виртуального тестирования, на этапе производства в системах планирования цепочек поставки, в роботах, собирающих автомобили, в беспилотных автомобилях, использующих машинное обучение и компьютерное зрение для автономного движения, в системах «помощи водителю», в сервисах предиктивного обслуживания, страхования и т. п.
Условно применение ИИ-технологий в автомобильной промышленности можно разбить на три этапа (рис. 3.12).
Рис. 3.12. Применение ИИ в цепочке создания стоимости в автомобильной промышленности. Источник: по материалам FutureBridge Analysis and Insights
Кратко рассмотрим упомянутые этапы. Говоря об этапе проектирования, можно привести пример применения цифровых двойников, которые базируются на сочетании моделирования физических процессов и моделей, основанных на данных с использованием методов машинного обучения. Цифровые двойники позволяют провести большую часть испытаний на виртуальных моделях на стадии проектирования и устранить возможные недочеты до запуска машины в производство.
Задача оптимизации цепочек поставки также является актуальной проблемой для автомобильной промышленности. Современный автомобиль состоит из сотен тысяч деталей. Возможность построить цифровой двойник сложного логистического процесса (включая склады, распределительные центры, перевозку, системы формирования заказа и отслеживания груза, автоматизированные системы учета и маркировки груза и так далее) позволяет получить существенную экономию ресурсов.
Цифровые двойники, которые начинают создавать на стадии проектирования, сопровождают автомобиль на всем этапе его жизни, что дает возможность оптимизировать изделие и сервисы на его основе на всех этапах, включая процессы проектирования, изготовления компонентов, сборку, складирование, продажу, обслуживание и даже утилизацию.
Производство автомобиля — весьма широкая тема. Ее можно рассматривать как с точки зрения создания новой умной производственной инфраструктуры, так и с точки зрения создания умных элементов автомобиля.
В первом случае речь идет о компаниях, занятых в создании так называемого умного производства автомобильной промышленности, которое подразумевает использование ряда интеллектуальных технологий — таких как системы разработки новых передовых материалов, системы быстрого прототипирования, 3D-печати, создания передовых автоматизированных сборочных линий, применения эк-зоскелетов для участников сборочного процесса и других технологий, которые, как правило, используют внутри себя или интегрированы с системами ИИ.
Комментируя тему производства автомобиля, можно также говорить о производстве компонентов автомобиля, имеющих элементы ИИ. Здесь можно упомянуть компании, занятые разработкой инфраструктуры подключенных автомобилей, разработчиков интеллектуальных систем для беспилотных автомобилей.
Технологии ИИ также активно применяются в послепродажном обслуживании транспортных средств. Автопроизводителям важен анализ опыта клиентов по использованию различных функций, информация о сбоях и поломках, данные о предпочтениях пользователей. Сбор и обработка этих данных с использованием методов машинного обучения позволяет получить информацию не только для лучшего обслуживания автомобиля, но и для создания более совершенных его версий в будущем. Упомянутые выше цифровые двойники эффективны и в отслеживании истории изменений в автомобиле на протяжении его жизненного цикла, в том числе и при смене автовладельца. Это особенно актуально в связи с тем, что при смене собственности история обслуживания транспортного средства может потеряться из-за отсутствия интеграции учетных ИТ-систем.
Комментируя тему «оценки рисков мониторинга и помощи водителю», следует отметить провайдеров, занятых разработкой систем планирования маршрутов на базе ИИ, помощи при парковке или таких сервисов, как например, пулинг. Здесь также можно отметить разработчиков систем обеспечения безопасности — компании, поставляющие решения в области физической безопасности автомобиля и водителя, включая распознавание эмоционального состояния водителя (усталость, прием алкоголя), а также системы обнаружения аварий. Кроме того, необходимо упомянуть поставщиков систем диагностики транспортного средства, разработчиков персональных голосовых ассистентов и т. п. Сюда же следует отнести кибербезопасность — отдельное многопрофильное направление, где ИИ играет все большую роль.
Тема беспилотных автомобилей, упомянутая на рисунке 3.12, имеет особое место в вопросах применения ИИ в автомобильной промышленности. И о ней поговорим отдельно далее в этой лекции.
На этапе обслуживания на рис. 3.12 выделено две темы: предиктивное техническое обслуживание и страхование. Согласно данным, оптимальное проведение технических ремонтов может повысить время жизни автомобиля почти на 50%. Предиктивное техническое обслуживание, используя технологии машинного обучения, помогает определить, когда машина или деталь автомобиля нуждается в обслуживании, еще до наступления неисправности.
Предиктивное техническое обслуживание может быть использовано для оптимизации работы двигателя, трансмиссии, выхлопных систем и общей стабильности работы автомобиля. При высокой конкуренции на рынке сервисы в области предиктивного обслуживания являются важным показателем качества услуг.
В качестве примера использования ИИ в области страхования можно привести систему на базе ИИ, позволяющую клиенту загрузить фотографии с места происшествия в приложение, которое распознает поврежденные части автомобиля, сопоставляет их с эталонным состоянием машины, выделяет деформированные участки, тип повреждения и по каждому дефекту подбирает формат ремонта.
Беспилотные автомобили
Тема беспилотных автомобилей непосредственно связана с успехами в области ИИ. Переход на автомобиль без водителя — это логичный этап в развитии автотранспорта на пути автоматизации всех его функций, превращения автомобиля из механического устройства в программное, интеллектуальное. Этот процесс может быть выражен количественно. Так, стоимость приложений, связанных с ИИ в автомобиле, постоянно увеличивается: если в 2019 г. (по данным FutureBridge Analysis and Insights) на долю ПО в стоимости автомобиля приходилось около 10%, а на контент менее 5%, то к 2030 году на долю ПО будет приходиться около 45% стоимости, а на долю контента около 20%.
Действительно, традиционно в автомобилестроении доминировали производители двигателей внутреннего сгорания, их поддерживали производители деталей, поставщики технологий и т. д. Рост числа электромобилей и подключенного транспорта выводит на передний край новых игроков. Как и во многих других отраслях, идет процесс, в результате которого механика постепенно становится вторичной, а программное обеспечение первичным.
Беспилотный автомобиль — это технология, которая кардинально меняет саму концепцию транспортного средства, превращая его из объекта управления в устройство, которое, по сути, берет на себя все когнитивные функции водителя.
Упрощенная функциональная схема автономного транспортного средства состоит из пяти основных компонентов: датчики, восприятие и понимание сцены, планирование поведения и движения, управление автомобилем и общая система управления ( рис. 3.13). Автономный автомобиль — это сложнейший технический объект, который обеспечивает получение данных с помощью широкого набора датчиков и приборов (GPS-данные, IMU-данные, видеоданные и т. п.) и на основе синтеза и интеллектуальной обработки этих данных принимает решения, обеспечивающие управление автомобилем. Самоуправляемые автомобили сочетают в себе технологии машинного обучения, навигации, картографии, облачные технологии, которые вместе с различными датчиками, камерами и радарами обеспечивают автомобилям способность автономного движения при различных погодных условиях.
Рис. 3.13. Функциональная схема автономного транспортного средства
азличают разную степень автономности/автоматизации автомобиля от нулевого до пятого (см. табл. 3.4).
Таблица 3.4. Уровни автоматизации автомобиля
№
Уровень автоматизации
Описание уровня автоматизации
0
Автоматизации нет
Машина полностью управляется человеком
1
Помощь водителю
Автомобиль управляется человеком, имеется функция помощи в управлении, ускорении/торможении
2
Частичная автоматизация
Контроль со стороны человека снижен за счет наличия автоматизированной системы, которая одновременно контролирует рулевое управление и ускорение
3
Условная автоматизация
Человек должен реагировать и вмешиваться, когда это необходимо, все остальное время автомобиль управляется автоматизированной системой
4
Высокая автоматизация
В определенных областях и при определенных состояниях окружающей среды управление автомобилем полностью контролируются автономной системой вождения
5
Полная автоматизация
Во всех районах передвижения и при всех состояниях окружающей среды управление автомобилем полностью контролируется автономной системой вождения
Аналитические компании делают прогнозы процентного соотношения автомобилей, соответствующих разным этапам автоматизации на ближайшее будущее. В частности, согласно исследованиям аналитической компания FutureBridge (см. рис. 3.14), в 2019 году примерно 89% автомобилей относились к 1 уровню, и по прогнозам аналитиков, к 2030 году на автономные автомобили 3 уровня будет приходиться более 40% (большая часть рынка).
Рис. 3.14. Доли автономных автомобилей разного типа на рынке. Источник: FutureBridge 2020 г.
По мнению аналитиков, существенным тормозом внедрения автономного транспорта в мире является тот факт, что в настоящее время немногие страны имеют необходимую вспомогательную инфраструктуру
Темой беспилотного транспорта занималось и продолжает заниматься большое число компаний. Представление о том, какие средства ведущие разработчики вкладывали в развитие данного технологического направления, можно получить по данным рис. 3.15.
Рис. 3.15. Оценки затрат до 2019 года на исследования и разработки самоуправляемых автомобилей.
Примечание: в категории «другие» представлены совокупные минимальные расходы компаний, включая Яндекс, Mobileye, Daimler и Bosch, Audi, Voyage, Optimus Ride, May Mobility, Oxbotica, Wayve Al, WeRide, AutoX, Pony Al, Didi Chuxing, BMW, Zenuity, FiveAl, Nissan, Drive.ai.
Tesla не фигурирует явно на рис 3.15, который приводит данные совокупных инвестиций до 2019 года, но в последнее время Tesla предлагает одни из наиболее передовых решений в области беспилотного транспорта. В частности, исследователи компании специально под задачи беспилотного вождения спроектировали новый нейропроцессор — DOJO. Его особенностями являются пониженная точность вычислений и полное дублирование всех вычислений, обеспечивающее беспрецедентный уровень отказоустойчивости.
В России ряд компаний занимается разработкой беспилотных автомобилей.
В первую очередь в этом отношении следует отметить компанию Яндекс,котораязанимаетсябеспилотнымиавтомобилямис2017года. Яндекс запустил первый в Европе сервис роботакси в 2018 году и первый в России автономный робот доставки Яндекс.Ровер в 2019 году.
В 2020 году компания объявила о выделении этого направления в отдельную компанию Yandex Self-Driving Group. У Яндекса есть команда сотрудников в Израиле, где компания получила разрешение на испытания беспилотного автомобиля в 2018 году. В августе 2022 г. появилась информация, что Яндекс планирует перевести из России в Израиль разработку технологий для развития беспилотного такси и роботов-доставщиков. Компания уже начала перевод работы своих сервисов на облачную инфраструктуру зарубежных провайдеров, подчеркнув, что исходный код и технологии беспилотных автомобилей останутся в России, а переход на внешние облачные сервисы необходим для выхода на новые рынки.
КАМАЗ разрабатывает беспилотник на основе дизельного КАМАЗ-4308 (проект «Одиссей») и беспилотный «Челнок» 3373. Компания планирует запустить беспилотные фуры по международным магистралям к 2025 году.
В Научном центре ФГУП НАМИ разрабатывают самоуправляемый автобус НАМИ Шатл.
В 2020 году в Сбере создана компания «СберАвтоТех» для развития автомобильных сервисов Сбера.
Темой беспилотных автомобилей занимается в России также компания НПО СтарЛайн, специализирующаяся в области телематики и автоматизации перевозок.
Автопроизводители по всему миру используют искусственный интеллект практически во всех аспектах процесса создания и эксплуатации автомобилей — на этапе проектирования, виртуального тестирования, на этапе производства в системах планирования цепочек поставки, в роботах, собирающих автомобили, в беспилотных автомобилях, использующих машинное обучение и компьютерное зрение для автономного движения, в системах «помощи водителю», в сервисах предиктивного обслуживания, страхования и т. п.
Условно применение ИИ-технологий в автомобильной промышленности можно разбить на три этапа (рис. 3.12).
Рис. 3.12. Применение ИИ в цепочке создания стоимости в автомобильной промышленности. Источник: по материалам FutureBridge Analysis and Insights
Кратко рассмотрим упомянутые этапы. Говоря об этапе проектирования, можно привести пример применения цифровых двойников, которые базируются на сочетании моделирования физических процессов и моделей, основанных на данных с использованием методов машинного обучения. Цифровые двойники позволяют провести большую часть испытаний на виртуальных моделях на стадии проектирования и устранить возможные недочеты до запуска машины в производство.
Задача оптимизации цепочек поставки также является актуальной проблемой для автомобильной промышленности. Современный автомобиль состоит из сотен тысяч деталей. Возможность построить цифровой двойник сложного логистического процесса (включая склады, распределительные центры, перевозку, системы формирования заказа и отслеживания груза, автоматизированные системы учета и маркировки груза и так далее) позволяет получить существенную экономию ресурсов.
Цифровые двойники, которые начинают создавать на стадии проектирования, сопровождают автомобиль на всем этапе его жизни, что дает возможность оптимизировать изделие и сервисы на его основе на всех этапах, включая процессы проектирования, изготовления компонентов, сборку, складирование, продажу, обслуживание и даже утилизацию.
Производство автомобиля — весьма широкая тема. Ее можно рассматривать как с точки зрения создания новой умной производственной инфраструктуры, так и с точки зрения создания умных элементов автомобиля.
В первом случае речь идет о компаниях, занятых в создании так называемого умного производства автомобильной промышленности, которое подразумевает использование ряда интеллектуальных технологий — таких как системы разработки новых передовых материалов, системы быстрого прототипирования, 3D-печати, создания передовых автоматизированных сборочных линий, применения эк-зоскелетов для участников сборочного процесса и других технологий, которые, как правило, используют внутри себя или интегрированы с системами ИИ.
Комментируя тему производства автомобиля, можно также говорить о производстве компонентов автомобиля, имеющих элементы ИИ. Здесь можно упомянуть компании, занятые разработкой инфраструктуры подключенных автомобилей, разработчиков интеллектуальных систем для беспилотных автомобилей.
Технологии ИИ также активно применяются в послепродажном обслуживании транспортных средств. Автопроизводителям важен анализ опыта клиентов по использованию различных функций, информация о сбоях и поломках, данные о предпочтениях пользователей. Сбор и обработка этих данных с использованием методов машинного обучения позволяет получить информацию не только для лучшего обслуживания автомобиля, но и для создания более совершенных его версий в будущем. Упомянутые выше цифровые двойники эффективны и в отслеживании истории изменений в автомобиле на протяжении его жизненного цикла, в том числе и при смене автовладельца. Это особенно актуально в связи с тем, что при смене собственности история обслуживания транспортного средства может потеряться из-за отсутствия интеграции учетных ИТ-систем.
Комментируя тему «оценки рисков мониторинга и помощи водителю», следует отметить провайдеров, занятых разработкой систем планирования маршрутов на базе ИИ, помощи при парковке или таких сервисов, как например, пулинг. Здесь также можно отметить разработчиков систем обеспечения безопасности — компании, поставляющие решения в области физической безопасности автомобиля и водителя, включая распознавание эмоционального состояния водителя (усталость, прием алкоголя), а также системы обнаружения аварий. Кроме того, необходимо упомянуть поставщиков систем диагностики транспортного средства, разработчиков персональных голосовых ассистентов и т. п. Сюда же следует отнести кибербезопасность — отдельное многопрофильное направление, где ИИ играет все большую роль.
Тема беспилотных автомобилей, упомянутая на рисунке 3.12, имеет особое место в вопросах применения ИИ в автомобильной промышленности. И о ней поговорим отдельно далее в этой лекции.
На этапе обслуживания на рис. 3.12 выделено две темы: предиктивное техническое обслуживание и страхование. Согласно данным, оптимальное проведение технических ремонтов может повысить время жизни автомобиля почти на 50%. Предиктивное техническое обслуживание, используя технологии машинного обучения, помогает определить, когда машина или деталь автомобиля нуждается в обслуживании, еще до наступления неисправности.
Предиктивное техническое обслуживание может быть использовано для оптимизации работы двигателя, трансмиссии, выхлопных систем и общей стабильности работы автомобиля. При высокой конкуренции на рынке сервисы в области предиктивного обслуживания являются важным показателем качества услуг.
В качестве примера использования ИИ в области страхования можно привести систему на базе ИИ, позволяющую клиенту загрузить фотографии с места происшествия в приложение, которое распознает поврежденные части автомобиля, сопоставляет их с эталонным состоянием машины, выделяет деформированные участки, тип повреждения и по каждому дефекту подбирает формат ремонта.
Беспилотные автомобили
Тема беспилотных автомобилей непосредственно связана с успехами в области ИИ. Переход на автомобиль без водителя — это логичный этап в развитии автотранспорта на пути автоматизации всех его функций, превращения автомобиля из механического устройства в программное, интеллектуальное. Этот процесс может быть выражен количественно. Так, стоимость приложений, связанных с ИИ в автомобиле, постоянно увеличивается: если в 2019 г. (по данным FutureBridge Analysis and Insights) на долю ПО в стоимости автомобиля приходилось около 10%, а на контент менее 5%, то к 2030 году на долю ПО будет приходиться около 45% стоимости, а на долю контента около 20%.
Действительно, традиционно в автомобилестроении доминировали производители двигателей внутреннего сгорания, их поддерживали производители деталей, поставщики технологий и т. д. Рост числа электромобилей и подключенного транспорта выводит на передний край новых игроков. Как и во многих других отраслях, идет процесс, в результате которого механика постепенно становится вторичной, а программное обеспечение первичным.
Беспилотный автомобиль — это технология, которая кардинально меняет саму концепцию транспортного средства, превращая его из объекта управления в устройство, которое, по сути, берет на себя все когнитивные функции водителя.
Упрощенная функциональная схема автономного транспортного средства состоит из пяти основных компонентов: датчики, восприятие и понимание сцены, планирование поведения и движения, управление автомобилем и общая система управления ( рис. 3.13). Автономный автомобиль — это сложнейший технический объект, который обеспечивает получение данных с помощью широкого набора датчиков и приборов (GPS-данные, IMU-данные, видеоданные и т. п.) и на основе синтеза и интеллектуальной обработки этих данных принимает решения, обеспечивающие управление автомобилем. Самоуправляемые автомобили сочетают в себе технологии машинного обучения, навигации, картографии, облачные технологии, которые вместе с различными датчиками, камерами и радарами обеспечивают автомобилям способность автономного движения при различных погодных условиях.
Рис. 3.13. Функциональная схема автономного транспортного средства
азличают разную степень автономности/автоматизации автомобиля от нулевого до пятого (см. табл. 3.4).
Аналитические компании делают прогнозы процентного соотношения автомобилей, соответствующих разным этапам автоматизации на ближайшее будущее. В частности, согласно исследованиям аналитической компания FutureBridge (см. рис. 3.14), в 2019 году примерно 89% автомобилей относились к 1 уровню, и по прогнозам аналитиков, к 2030 году на автономные автомобили 3 уровня будет приходиться более 40% (большая часть рынка).
Рис. 3.14. Доли автономных автомобилей разного типа на рынке. Источник: FutureBridge 2020 г.
По мнению аналитиков, существенным тормозом внедрения автономного транспорта в мире является тот факт, что в настоящее время немногие страны имеют необходимую вспомогательную инфраструктуру
Темой беспилотного транспорта занималось и продолжает заниматься большое число компаний. Представление о том, какие средства ведущие разработчики вкладывали в развитие данного технологического направления, можно получить по данным рис. 3.15.
Рис. 3.15. Оценки затрат до 2019 года на исследования и разработки самоуправляемых автомобилей.
Примечание: в категории «другие» представлены совокупные минимальные расходы компаний, включая Яндекс, Mobileye, Daimler и Bosch, Audi, Voyage, Optimus Ride, May Mobility, Oxbotica, Wayve Al, WeRide, AutoX, Pony Al, Didi Chuxing, BMW, Zenuity, FiveAl, Nissan, Drive.ai.
Tesla не фигурирует явно на рис 3.15, который приводит данные совокупных инвестиций до 2019 года, но в последнее время Tesla предлагает одни из наиболее передовых решений в области беспилотного транспорта. В частности, исследователи компании специально под задачи беспилотного вождения спроектировали новый нейропроцессор — DOJO. Его особенностями являются пониженная точность вычислений и полное дублирование всех вычислений, обеспечивающее беспрецедентный уровень отказоустойчивости.
В России ряд компаний занимается разработкой беспилотных автомобилей.
В первую очередь в этом отношении следует отметить компанию Яндекс,котораязанимаетсябеспилотнымиавтомобилямис2017года. Яндекс запустил первый в Европе сервис роботакси в 2018 году и первый в России автономный робот доставки Яндекс.Ровер в 2019 году.
В 2020 году компания объявила о выделении этого направления в отдельную компанию Yandex Self-Driving Group. У Яндекса есть команда сотрудников в Израиле, где компания получила разрешение на испытания беспилотного автомобиля в 2018 году. В августе 2022 г. появилась информация, что Яндекс планирует перевести из России в Израиль разработку технологий для развития беспилотного такси и роботов-доставщиков. Компания уже начала перевод работы своих сервисов на облачную инфраструктуру зарубежных провайдеров, подчеркнув, что исходный код и технологии беспилотных автомобилей останутся в России, а переход на внешние облачные сервисы необходим для выхода на новые рынки.
КАМАЗ разрабатывает беспилотник на основе дизельного КАМАЗ-4308 (проект «Одиссей») и беспилотный «Челнок» 3373. Компания планирует запустить беспилотные фуры по международным магистралям к 2025 году.
В Научном центре ФГУП НАМИ разрабатывают самоуправляемый автобус НАМИ Шатл.
В 2020 году в Сбере создана компания «СберАвтоТех» для развития автомобильных сервисов Сбера.
Темой беспилотных автомобилей занимается в России также компания НПО СтарЛайн, специализирующаяся в области телематики и автоматизации перевозок.