החלקים שמרכיבים את רכב המחר: ההגה בידיים של תעשיית ההייטק

ועידת מובייל 2017: לתוכנית ולהרשמה לחצו כאן

אלגוריתמיקה: הרכב לומד בעצמו איך בני אדם חושבים

הדרך הרגילה שבה מחשבים חושבים ופועלים — אם א' אז ב' — אינה מתאימה לעולם הרכב הדינמי. כלי רכב אוטונומיים צריכים לקבל החלטות, בדומה לבני אדם, גם כאשר אין את כל המידע. חברות המחשבים מתחילות לבחון לאחרונה את האפשרות של שימוש במערכות הידועות כ"רשתות עצביות" — אלגוריתמים המסוגלים לחקות את הדרך שבה המוח האנושי פועל — ומאפשרות למחשב ללמוד.

לכתבות נוספות בפרויקט

הרכב האוטונומי אולי יתעכב, אבל לעצור אותו כבר אי אפשר

איך כותבים קוד אתי בשורות קוד

הערפל הרגולטורי מקשה את עליית הרכב האוטונומי לכביש

"אנו רחוקים עשרות שנים מרכבים ברמת נהיגה של בן אדם"

"אמא מתי המכונית תאסוף אותי מהגן?"

כך, רכב המבוסס על רשת עצבית ילמד את עצמו לנהוג. הרשתות גם חיוניות כדי שהרכב ילמד את התנהגותו של הגורם הכי פחות צפוי על הכביש — בני האדם. הרכב צריך לדעת לצפות, למשל, שבמקרה של רכב אטי במסלול הימני, יש סיכוי גבוה שהרכב מאחוריו יעקוף אותו.  

מצלמות: 360 מעלות של כמויות מידע אדירות

מערכות הרדאר, הלייזרים והאולטרה־סאונד של הרכב מודדות את המרחק מהאובייקטים שבסביבה, אבל רק מצלמה מסוגלת לספק לרכב מידע על מה שאכן ניצב לפניו. המצלמות זולות ונפוצות וניתן למקם אותן מסביב לרכב, והן מציעות רמת חדות ויכולות ראייה למרחקים שמערכות אחרות מתקשות לספק.  

כל רכב אוטונומי משתמש במצלמות שמבחינות בצבעים ובמרקמים, מזהות אובייקטים ונתיבים, ומאפשרות לרכב להבין את התמרורים שלאורך הכביש, לדעת אם הרמזור מסמל ירוק או אדום ואפילו לזהות איתותים של הולכי רגל ורוכבי אופניים.

המצלמות סללו את דרכן ממערכות סיוע נהיגה וזיהוי נתיבים, כמו המערכות המוקדמות של מובילאיי הישראלית, למערכות שמסוגלות להבין את העולם סביבן. החיסרון הגדול של המצלמות הוא שהן מייצרות כמויות אדירות של מידע גולמי ולכן דורשות שבבי עיבוד תמונה ומעבדים חזקים.

LIDAR: הלייזר השנוי במחלוקת

הרכבים האוטונומיים המתקדמים ביותר משתמשים במערכת LIDAR, ראשי התיבות של "מדידה וגילוי באמצעות אור". מדובר במערכת המותקנת לרוב על גג הרכב אשר משתמשת בקרני לייזר כמעין מכ"ם. היא יורה את הקרניים בטווח של 360 מעלות, ומודדת את הזמן שלוקח לאור להשתקף בחזרה מאובייקטים שונים כדי למדוד את המרחק מהם בדיוק של עד 2 ס"מ. אף שהמערכת נמצאת בשימוש אבות־טיפוס כבר מ־2005, אין הסכמה בקרב מומחים לגבי החיוניות שלה. הסיבה העיקרית היא המחיר — המערכת שבה גוגל משתמשת עולה יותר מ־70 אלף דולר, והיא אף נחשבת ללא מהירה מספיק וככזאת שמתקשה לתפקד בגשם, שלג, ערפל וסופות חול. כמה חברות מעוניינות לפתור זאת: Lidow האמריקאית מפתחת שבבים חדשים שיפעילו את המערכת במהירויות גבוהות, ו־Innoviz הישראלית מבטיחה לספק בתוך כשנתיים שבבים שיעלו 100 דולר.

חיישנים: מכ"ם ורדארים לגילוי הסביבה

החברות שמפתחות רכבים אוטונומיים משתמשות בפתרונות מגוונים על מנת להשלים את יכולתו של הרכב להבין, לנתח ולראות את העולם. כל רכב אוטונומי מחזיק ב־GPS שמאתר את מיקומו, אבל המערכת הזאת לבדה לא מספקת — שכן רמת הדיוק שלה לא גבוהה. לכן, כמעט כל רכב משתמש במכ"ם המסוגל לזהות בדיוק ובמהירות היכן נמצאים כלי רכב בסביבה. חלק מהרכבים משתמשים גם במספר רדארים — מקצרי טווח ועד כאלה שצופים למרחק של עד 80 מטר — כשאת המערך משלימים חיישני אולטרה־סאונד. חברת Oryx Vision הישראלית, מצדה, פיתחה מערכת של מאות אלפי אנטנות זעירות, שאמורה למפות את העולם בדיוק רב, אם כי היא עדיין כמה שנים מפיתוח מסחרי.

מעבדי תמונה: גם 18 ליבות לא מבחינות בהכל

המצלמה היא הידידה הטובה ביותר של הרכב האוטונומי, אבל המצלמה יודעת רק לשדר וידיאו בזמן אמת. כדי להבין מה היא רואה, הרכב צריך שבבי עיבוד תמונה שמסוגלים לנתח את זרם התמונות ולזהות בו אובייקטים. מכיוון שכמויות המידע הגולמי בזרם תמונות גדול מדי, המחשב מחפש תבניות ונקודות עניין כמו פינות של בניינים, מסלולים או תמרורים. אבל מערכות עיבוד התמונה עדיין סובלות מבעיות קריטיות, כמו למשל היכולת להבחין אם עצם מסוים שנראה בכביש הוא ילד או סתם שקית נייר המתבדרת ברוח. אחד הפתרונות הנפוצים בשוק הוא של מובילאיי הישראלית. המעבד החדש ביותר של החברה, EyeQ5 שצפוי לצאת לשוק ב־2018, כולל לא פחות מ־18 יחידות עיבוד תמונה. החברה חתמה על הסכם עם יצרנית הרכיבים הבריטית דלפי, ויצרניות רכב מרכזיות כמו ב.מ.וו ופולקסווגן שידאגו שהשבבים של מובילאיי יגיעו למיליוני כלי רכב בשנים הבאות.

מעבד מרכזי: מוח שמבצע 24 טריליון פעולות בשנייה

המידע שמגיע מהמצלמות של הרכב האוטונומי עובר דרך יחידות עיבוד התמונה ומגיע למעבד המרכזי — הלב הפועם של הרכב האוטונומי. הרכבים האוטונומיים צריכים להתמודד עם כמויות עצומות של מידע, ולכן יצרניות השבבים השונות ממהרות לזנק לתחום ולפתח מעבדים ייעודיים, שכן המידע שמספקים החיישנים אינו מספיק. הרכב גם צריך לדעת היכן הוא נמצא, לאן הוא צריך להגיע, מה המסלול הבטוח ביותר עבורו ועוד.

שבב PX2

חברת Nvidia, המוכרת בעיקר בזכות המאיצים הגרפיים שלה, הימרה על תעשיית הרכב האוטונומי עוד כשהיתה בחיתוליה — וההימור שלה השתלם כשיותר מ־70 חברות משתמשות כיום בשבבים הייעודיים שלה בתחום הרכב האוטונומי. כך, למשל, שבב ה־Drive PX2 של Nvidia כולל לא פחות מ־256 ליבות שמסוגלות לבצע 24 טריליון פעולות בשנייה ולנתח בזמן אמת את המידע שמגיע מ־18 מצלמות ברזולוציית 4K. בשבוע שעבר הודיעה טסלה שתשתף פעולה עם Nvidia בהטמעת טכנולוגיית נהיגה עצמאית.

בעורפה של Nvidia נושפות יצרנית שבבי המובייל קוואלקום, עם גרסת ה־M של מעבדי הסנאפדרגון שלה המותאמים לרכב, וכן סמסונג שהקימה עם SAP מרכז מחקר ופיתוח לטכנולוגיות רכב אוטונומי בישראל.

המעבדים יאפשרו לרכב לקחת את המידע שנאסף בזמן אמת, לשלב אותו עם מידע קיים משירותי מפות, ולערוך מיפוי תלת־ממדי מדויק שנאסף אט־אט בידי רכבים אוטונומיים אחרים. גוגל מקווה בעתיד להעשיר את שירותי המיפוי שלה עם מידע שיאסף ויתעדכן בזמן אמת ממיליוני כלי רכב אוטונומיים. יכולת זו תאפשר לרכבים לזהות איומים אפשריים שנוצרו משינויים לא צפויים בכביש. נקודת האתגר נותרה הקושי ליצור בזמן אמת מפה תלת־ממדית של העולם, ולהשוות אותה למפות קיימות.