Razem: 0,00 zł
AI i Metaverse a Automotive
Zastosowanie sztucznej inteligencji w motoryzacji nie jest niczym nowym. Każdy doskonale zdaje sobie sprawę z tego, że pojawienie się i rozwój autonomicznych pojazdów nie byłyby możliwe bez dynamicznego rozwoju uczenia maszynowego i maszyn zdolnych obsługiwać złożone algorytmy, analizujące w ułamkach sekund informacje pochodzące z rozlicznych czujników i sensorów. Okazuje się jednak, że jest to tylko wierzchołek góry lodowej – niezwykle jaskrawy przykład, który pokazuje, jakie możliwości niesie za sobą umiejętne zastosowanie AI w automotive. W jakich jeszcze obszarach branża motoryzacyjna sięga po AI?
AI w Automotive – autonomiczne samochody
Pierwszym skojarzeniem, jakie przychodzi na myśl w kontekście sztucznej inteligencji w branży motoryzacyjnej jest niewątpliwie autonomiczny pojazd. Naszpikowany technologią samochód, który zdolny jest do tego, by samodzielnie poruszać się po ulicach, omijać przeszkody i zgodnie z wszelkimi zasadami bezpieczeństwa docierać z punktu A do punktu B. I choć jeszcze do niedawna wizja ta mogła się wydawać bardzo futurystyczna i wręcz utopijna, przeprowadzone dotychczas testy jasno pokazują, że realizacja takiego scenariusza jest jak najbardziej realna. Wyzwaniem wciąż jest zagwarantowanie przez producentów odpowiednio wysokiego poziomu bezpieczeństwa, jednak i ten cel wydaje się być coraz bliższy realizacji. Wszystko dzięki dynamicznemu rozwojowi sztucznej inteligencji oraz pojawieniu się komputerów i procesorów, które są w stanie w ułamkach sekund zbierać i analizować najróżniejsze dane i na ich podstawie podejmować właściwe decyzje.
Jak w praktyce działają autonomiczne pojazdy? Rozwój pojazdów autonomicznych, podobnie jak wiele innych technologii, z których tak chętnie dziś korzystamy, zawdzięczamy badaniom i technologiom rozwijanym na potrzeby przemysłu zbrojeniowo-obronnego. By precyzyjnie określić swoje położenie i zeskanować najbliższe otoczenie, autonomiczne pojazdy korzystają z kilku rodzajów sensorów – radaru, lidaru i kamer.
Lidar, który swoją nazwę zaczerpnął od ang. Light Detection and Ranging, pełni rolę zbliżoną do ludzkiego wzroku. Jest to niezwykle skuteczna metoda laserowego skanowania otoczenia, która początkowo wykorzystywana była wyłącznie przez wojsko, a z czasem stała się dostępna również dla rozwiązań cywilnych. Lidar pozwala z niezwykle wysoką precyzją mierzyć odległość poprzez oświetlanie celu światłem laserowym i mierzenia odbicia za pomocą stosownych czujników. Działa tym samym analogicznie jak radar czy sonar, które zamiast lasera używają odpowiednio fal radiowych i dźwiękowych. Lidar pozwala tym samym na szybkie stworzenie niezwykle precyzyjnego, trójwymiarowego modelu otoczenia.
Po co zatem twórcy autonomicznych pojazdów wykorzystują również radar? Oczywiście ze względów bezpieczeństwa. Radar wprawdzie nie jest tak precyzyjny jak lidar, jednak ma znacznie większy zasięg działania. Co więcej, znacznie lepiej radzi sobie w trudnych warunkach pogodowych oraz w nocy. Połączenie obu metod, a także zastosowanie wielu dodatkowych sensorów i kamer, pozwala na precyzyjne określenie pozycji pojazdu, analizę najbliższego otoczenia oraz szybkie identyfikowanie wszelkich przeszkód (np. drzew blokujących drogę, pieszych czy przebiegających przez jezdnię zwierząt).
Liczne sensory, zainstalowane na autonomicznych pojazdach, w każdej sekundzie generują ogromne ilości danych. Konieczne jest tym samym ich wyposażenie również w odpowiednio dużą moc obliczeniową, która poradzi sobie z takim wolumenem i obsługą zaawansowanych modeli uczenia maszynowego. To właśnie one odpowiadają za zachowanie się pojazdu na drodze i bezpieczeństwo innych uczestników ruchu drogowego.
Jak jeszcze branża motoryzacyjna wykorzystuje sztuczną inteligencję?
Dynamiczny rozwój sztucznej inteligencji jest niewątpliwie katalizatorem rozwoju autonomicznych pojazdów, jednak warto zauważyć, że nie tylko w tym obszarze znajduje ona szerokie zastosowanie. Branża motoryzacyjna AI wykorzystuje również na wiele innych sposobów, które mniej lub bardziej zmieniają dotychczasowe zasady projektowania i produkcji samochodów, a także doświadczenia samych kierowców podczas ich prowadzenia. Sztuczna inteligencja a automotive – gdzie jeszcze jest wykorzystywana przez branżę?
Produkcja samochodów
Każdego roku ze światowych zakładów produkcyjnych wyjeżdża kilkadziesiąt milionów samochodów. Nikogo zatem nie powinno dziwić, że firmy dokładają wszelkich starań, by usprawniać i optymalizować proces produkcji, obniżać koszty prowadzenia biznesu i jednocześnie minimalizować ryzyko przestojów czy usterek, które mogą paraliżować działanie zakładu.
Metaverse (NVIDIA Omniverse™) to jedno z rozwiązań, które skutecznie adresuje wszystkie te problemy. Pozwala nie tylko zaprojektować wirtualną fabrykę i przetestować jej działanie przed rozpoczęciem inwestycji, ale również w analogiczny sposób projektować nowe modele samochodów. Stworzyć tzw. cyfrowego bliźniaka i móc niezwykle precyzyjnie testować jego zachowanie w najróżniejszych warunkach.
Projektowanie pojazdów czy poszczególnych ich elementów w wirtualnej przestrzeni niewątpliwie ułatwia i przyspiesza cały proces, umożliwia kreatywną współpracę zespołową i dokładne przyjrzenie się projektowanym elementom czy kompletnym pojazdom przed ich przekazaniem do produkcji. Podejście takie pozwala obniżyć koszty produkcyjne, a dodatkowo minimalizuje ryzyko popełnienia kosztownych błędów, skutkujących problemami technicznymi w gotowych już samochodach, które mogą bardzo niekorzystnie odbijać się na renomie producenta i wpływać na jego wynik finansowy.
Sprzedaż i marketing
Oczywiście zastosowanie Metaverse nie kończy się jedynie na etapie projektowania i produkcji samochodów. Do wirtualnego świata zaprosić można również klientów, co już w nieodległej przyszłości może stanowić istotny czynnik przewagi konkurencyjnej. Główną grupą docelową dla producentów samochodów będą już wkrótce osoby, które od najmłodszych lat mają kontakt z nowoczesną technologią i sięgają po nią przy każdej możliwej okazji. Można tym samym przypuszczać, że spersonalizowanych doświadczeń zakupowych będą oczekiwać również ze strony producentów samochodów.
Potrzeby te branża już zauważa i właściwie adresuje. Doskonałym przykładem może być chociażby Fiat, który zabiera swoich klientów do wirtualnego salonu. FIAT Metaverse Store oferuje możliwość dokładnego zapoznania się z interesującym klienta modelem samochodu, a nawet pozwala mu odbyć jazdę próbną po wirtualnym torze. Czy podobnych inicjatyw będzie w przyszłości coraz więcej? Niewątpliwie. Spora w tym zasługa m.in. firmy NVIDIA, która każdego roku wypuszcza na rynek coraz bardziej zaawansowane narzędzia do tworzenia wirtualnej rzeczywistości, czyniąc ją jeszcze bardziej realistyczną.
Predykcyjna konserwacja
Nowoczesne fabryki w niczym nie przypominają już tych, które znamy z przeszłości. Naszpikowane są technologią, robotami i innymi urządzeniami, które coraz częściej zastępują człowieka i nierzadko wykonują jego dotychczasową pracę znacznie bardziej precyzyjnie. Tak duże uzależnienie się od maszyn to z jednej strony ogromne oszczędności, a z drugiej niemałe ryzyko. Ewentualna usterka może bowiem skutecznie sparaliżować pracę całego zakładu. W przypadku branży motoryzacyjnej nawet krótkotrwały przestój może wygenerować milionowe koszty.
Jak przeciwdziałać usterkom i minimalizować ryzyko ewentualnych przestojów? Okazuje się, że i tu z pomocą przychodzi sztuczna inteligencja. Operacyjne działanie nowoczesnych zakładów produkcyjnych dzięki Internetowi rzeczy (IoT), uczeniu maszynowemu i zaawansowanej analizie predykcyjnej coraz częściej monitorowane jest w czasie rzeczywistym. Najróżniejsze czynniki i sensory nieustannie przekazują wartości monitorowanych parametrów, które następnie porównywane są z przyjętymi normami, by w ten sposób identyfikować ewentualne problemy, niedostępności czy anomalie i podejmować odpowiednie kroki zaradcze. Modele analizują również historię usterek poszczególnych maszyn, dzięki czemu z dużą skutecznością przewidują ryzyko i czas kolejnej awarii. W jakim celu? Wszystko po to, by nie dopuścić do wystąpienia poważnego problemu i w konsekwencji zatrzymania linii produkcyjnej na długie godziny. W ten sposób mogą kupić firmie czas niezbędny do tego, by zorganizować potrzebne części zamienne lub sprowadzić fachowca, który usunie problem.
Wspomaganie kierowcy
Rozwijanie autonomicznych pojazdów w dużej mierze polega na właściwym wykorzystaniu najróżniejszych sensorów i czujników, które mają za zadanie zbierać najróżniejsze informacje, które następnie analizowane są przez sztuczną inteligencję. Szerokie pole w zakresie ich wykorzystania tyczy się również pojazdów, które prowadzone są przez człowieka. Mowa o inteligentnych rozwiązaniach, które mają za zadanie poprawić doświadczenia kierowcy podczas jazdy czy zwiększyć poziom bezpieczeństwa.
O czym konkretnie mowa? Chociażby o systemach monitorujących samego kierowcę. Statystyki wskazują, że wiele wypadków, w tym wypadków śmiertelnych, powodowanych jest przez senność czy zmęczenie kierowcy. Do tego dochodzą również nadzwyczajne sytuacje zdrowotne – nagłe zasłabnięcie, atak serca itp. By do minimum ograniczyć ryzyko wypadku w takich sytuacjach, z powodzeniem rozwija się dziś systemy, wykorzystujące widzenie komputerowe (ang. computer vision), by śledzić zachowanie kierowcy: monitorować jego postawę i wykrywać twarz w celu odczytywania emocji i identyfikowania senności, a w konsekwencji przeciwdziałania tysiącom wypadków.
Jak rozwiązania takie działają w praktyce? Za każdym razem, gdy identyfikują problem, ostrzegają kierowcę i doradzają chwilę przerwy w celu regeneracji. W analogiczny sposób działają systemy, które mają za zadanie identyfikować rozproszenie kierowcy. Przywołają go do porządku za każdym razem, gdy skoncentruje on swoją uwagę chociażby na telefonie czy rozmowie z pasażerami na tylnych siedzeniach.
Powyższy przykład to tylko jedno z wielu ciekawych rozwiązań, rozwijanych z wykorzystaniem sztucznej inteligencji z myślą o komforcie i bezpieczeństwie kierowców. Wspomnieć warto również o wszelkiego rodzaju systemach wspomagania jazdy – np. rozwiązaniach, które pozwalają lepiej zrozumieć warunki pogodowe, warunki panujące na drodze, a także ruch uliczny i zachowanie jego uczestników. W kategorię tę wpisują się również wszelkie systemy wspomagania kierowcy, w tym chociażby asystent parkowania.
Sztuczna inteligencja a automotive – wymagania techniczne
Nie da się ukryć, że wykorzystanie sztucznej inteligencji, niezależnie od tego, jakiego obszaru branży automotive miałoby dotyczyć, wymaga odpowiedniej infrastruktury systemowej. Na współczesne potrzeby dużych firm motoryzacyjnych niezwykle skutecznie odpowiada NVIDIA i jej rozwiązania wspierające wysokowydajne obliczenia (ang. High-performance computing, HPC), napędzające dynamiczny postęp informatyki naukowej. To właśnie dzięki HPC naukowcy są w stanie coraz skuteczniej odpowiadać na nurtujące ich od lat pytania i rozwiązywać zagadki otaczającego nas świata – m.in. skuteczniej przewidywać pogodę czy nieuchronne zmiany klimatu.
Po rozwiązania HPC sięgają również firmy motoryzacyjne, które wysokowydajne obliczenia wykorzystują m.in. do projektowania nowych samochodów, testowania nowych projektów, tworzenia zaawansowanych systemów wspierania kierowców, a także rozwijania autonomicznej wizji przyszłości. HPC wspiera również technologię Omniverse, która umożliwia chociażby planowanie i optymalizację wielomiliardowych projektów – np. tworzenie i testowanie nowych zakładów produkcyjnych całkowicie wirtualnie. Umożliwia to precyzyjne planowanie, szybsze przejście do fazy produkcyjnej i pełnej wydajności już od pierwszych dni funkcjonowania zakładu. Tyczy się to również wprowadzenia do oferty nowych modeli – dzięki Omniverse czas niezbędny do wprowadzenia ich na rynek może być istotnie krótszy, a ryzyko problemów i usterek ograniczone do minimum.