De weg naar zelfrijdende voertuigontwikkeling

Publish date:

Onze klant moest het transformatiepotentieel van 5G voor een scala van bedrijfstakken aantonen om zijn investering te gelde te maken.

Al jaren werken autofabrikanten aan de verwezenlijking van een lang gekoesterde droom, namelijk dat zelfrijdende auto’s zonder verstoringen op de openbare weg rijden en hun passagiers comfortabel en veilig naar hun bestemming brengen.

Er zijn grote stappen gezet in de richting van deze nieuwe realiteit. Veel autofabrikanten hebben al software met verschillende niveaus van zelfbesturende mogelijkheden in hun voertuigen ingebouwd, hoewel slechts een handvol deze functies momenteel toegankelijk heeft gemaakt voor de bestuurder.

De vooruitgang op dit gebied wordt niet noodzakelijk afgeremd door de beschikbaarheid van de technologie die in zelfrijdende auto’s wordt gebruikt – deze zit al in veel auto’s die momenteel op de weg zijn – maar meer door de regelgeving en de interoperabiliteit van de technologieën.

Het is bekend dat sommige bedrijven die de functionaliteit voor autonoom rijden toegankelijk hebben gemaakt, in ernstige problemen zijn gekomen, met gewonden en zelfs dodelijke slachtoffers onder bestuurders en voetgangers als gevolg. Dergelijke verschrikkelijke resultaten maken de juridische kwesties rond de inzet en invoering van de technologie nog ingewikkelder, waardoor de ontwikkeling mogelijk jaren vertraging oploopt.

Dus hoe kunnen we op een veilige manier versnellen richting een toekomst met zelfrijdende auto’s?

Vijf stappen naar zelfrijdende technologie

Er zijn vijf niveaus van zelfrijdende technologie, waarbij niveau één staat voor een aantal automatische functies, zoals botsingdetectie of waarschuwingen bij het verlaten van de rijstrook en niveau vijf voor volledige automatisering, waarbij geen bestuurder meer nodig is.

Hogere automatiseringsniveaus zijn afhankelijk van de sensoren van een voertuig die externe obstakels waarnemen en rekening houden met het oordeel van de bestuurder op basis van afstand en tijd, net zoals een menselijke bestuurder dat zou doen. Het is dus van essentieel belang dat voertuigen worden uitgerust met intelligentie op basis van crowdsourced en gevalideerde ‘waarheden’ of gegevens van de bestuurder en verder met secundaire hoogwaardige sensoren en secundaire camerasystemen om 2D of 3D outer labelling en scenario-extractie mogelijk te maken.

Om deze intelligence uitrusting en scenario-extractie mogelijk te maken, is handmatig werk nodig, zoals het labelen en verrijken van gegevens – wat tot nu toe een aanzienlijke inspanning was. Maar kunstmatige intelligentie maakt het aanzienlijk eenvoudiger door het creëren van wat in wezen geautomatiseerde, crowdsourced waarheden zijn.

Menselijke ingenieurs zijn niet in staat om zulke enorme gegevensbestanden efficiënt te verwerken. Automatisering is van cruciaal belang om ervoor te zorgen dat voertuigen worden uitgerust met nauwkeurige scenario-intelligentie zonder overtolligheden.

De technologie die in zelfrijdende auto’s wordt gebruikt implementeren

Momenteel zitten zelfs de marktleiders pas op niveau drie en zijn functies niet hoger dan niveau twee wettelijk toegestaan voor gebruik op de openbare weg. Zo moet de bestuurder in de automatische piloot-modus nog steeds wakker en alert zijn en zo nodig handmatig ingrijpen door te sturen en te remmen.

Dit vereist op zich al een enorm geavanceerde technologie, waarbij het voertuig niet alleen de omstandigheden en gebeurtenissen op de weg aan de buitenkant waarneemt, maar ook in de gaten houdt wat de bestuurder doet, zelfs wanneer hij op de automatische piloot is overgeschakeld en de controle aan de processors heeft overgedragen.

Geavanceerde hulpsystemen voor de bestuurder (Advanced Driver Assistance Systems – ADAS) vormen een fundamenteel onderdeel van de legpuzzel, met name bij het doorlopen van de niveaus van autonomie. Bij niveau drie wordt het natuurlijk ingewikkeld. Niet alleen is de technologie exponentieel complexer, maar elke technologiecomponent moet bij elke stap zodanig worden ontwikkeld dat deze zich in elke situatie correct kan gedragen, en vervolgens moet onafhankelijk worden gevalideerd en gewaarborgd dat deze doeltreffend en veilig wordt gebruikt.

Voor sommige nieuwere autofabrikanten zit het testen en inzetten van technologie al vanaf het begin in hun DNA, met hun visie op autonoom rijden als duidelijk omschreven doel. Maar voor langer gevestigde bedrijven en Original Equipment Manufacturers (OEM’s) is de reis naar zelfrijdende technologie aantoonbaar uitdagender. Deze bedrijven kunnen niet zomaar hun lei schoonvegen en hun ontwikkelprocessen van de grond af aan herontwerpen – tenzij dat gebeurt via een volledig nieuwe experimentele spin-off die niet wordt gehinderd door verouderde processen. Zelfs in die situatie zal de consument, naarmate de ADAS-technologie meer ingang vindt, verwachten dat nieuwe auto’s standaard zijn uitgerust met ADAS-functies van niveau één en twee. Dit betekent dat de fabrikant deze nieuwe technologieën achteraf moet inbouwen in bestaande voertuigreeksen en dat er dus nieuwe elementen moeten worden toegevoegd aan bestaande ontwerp-, test- en productieprocessen.

Weinig bedrijven hebben de middelen of de tijd om zelf experimenten uit te voeren en nieuwe ADAS-implementatieprocessen te ontwikkelen. Door een werkend proof-of-concept in te kopen en toe te passen, kunnen ze de ontwikkelingstijd en het budget inkorten en zich bevrijden van een deel van de regelgevingslasten waarmee ze worden geconfronteerd.

De gegevens achter de aandrijving

ADAS en autonoom rijden hebben naast technologie en regulering nog een ander fundamenteel element, namelijk gegevens.

Hogere niveaus van autonoom rijden vereisen meer situaties en ingrepen om te berekenen en beslissingen over uit te voeren. Geen enkel voertuig kan genoeg kilometers afleggen op de openbare weg om alle mogelijke eventualiteiten te ervaren, dus virtuele modellering wordt een cruciaal onderdeel van het testen – en dit betekent dat er veel gegevens moeten worden gegenereerd en verwerkt.

Digitalisering speelt ook een fundamentele rol bij de validering van gegevens, vooral wanneer noodzakelijke functies en software-updates moeten worden doorgevoerd. Over-the-air updates die software- en UI-updates vereisen, zijn veel handiger met software- en feature release managementprocessen in plaats van de traditionele methoden die afhankelijk waren van hardware-gebaseerde updates.

Daarnaast vereisen automatische voertuig-voertuig (V2V) communicatie en interacties met apparaten en activa die bijvoorbeeld deel uitmaken van de nieuwe slimme infrastructuur op wegen (voertuig-tot-alles of V2X-communicatie) ook de overdracht van enorme hoeveelheden gegevens, ook over nieuwe 5G-netwerken.

Maar meer dan dat, alle gegevens die een voertuig produceert en verwerkt, moeten worden opgeslagen, geannoteerd, gevisualiseerd, geanalyseerd en vervolgens beschikbaar worden gesteld aan alle verschillende belanghebbenden bij de ontwikkeling.

Ervaring en inzicht voor de toekomst

Volgens het recente AI in Automotive-rapport van het Capgemini Research Institute kunnen grote OEM’s in de auto-industrie hun bedrijfsresultaat met wel 16% verhogen door AI op schaal in te zetten. Het rapport geeft ook aan waar autofabrikanten hun AI-investeringen op moeten richten.

Capgemini werkt samen met klanten uit de auto-industrie aan het valideren, verifiëren en standaardiseren van de data die op alle niveaus van autonomie wordt gebruikt, en brengt organisaties werkende proof-of-concepts en voortdurend bijgewerkte datasets voor hun bestaande ontwerp- en ontwikkelingsprocessen.

5G is een van de kerntechnologieën die autonoom rijden op de openbare weg mogelijk zal maken. Deze nieuwe cellulaire standaard versnelt de verbinding en vermindert de latentie en stelt voertuigen in staat om vrijwel onmiddellijk met elkaar en met een enorm aantal aangesloten assets en infrastructuur op de weg te communiceren.

Capgemini heeft uitgebreide ervaring met de uitrol van 5G voor autonoom rijden, van het bouwen van de infrastructuur tot het ontwerpen en produceren van voertuigen met 5G-technologie. En met Capgemini Engineering zijn we het enige wereldwijde bedrijf met zowel de diepte van product engineering als de breedte van het vermogen om gegevens te beheersen en technologie op schaal in te zetten, die de vooruitgang van Intelligent Industry ondersteunt.

Bovenal kunnen we autonome systemen en technologieën helpen ontwikkelen en de relevante verantwoordelijkheden voor hun veiligheid valideren en verifiëren, zodat geavanceerde en autonome voertuigen sneller en veilig de weg op kunnen.

Ontdek meer over de validatie van ’driving automation’-systemen!

Onze Authors

Sandhya Sule

VICE PRESIDENT, DIGITAL ENGINEERING AND MANUFACTURING SERVICES

Roberto Castellano

GROUP AUTOMOTIVE SOLUTION MANAGER, CAPGEMINI ENGINEERING FRANCE

 

Related Resources

Intelligent Industry

Get The Future You Want

Een nieuwe merkbelofte die de geest van Capgemini overbrengt.

Intelligent Industry

Intelligente industrie – De kracht van data

De intelligente industrie laat bedrijven data omzetten in inzicht en acties.

Intelligent Industry

Predictive Asset Maintenance met Edge Compute

Gartner voorspelt dat de bestedingen aan IoT-ondersteund voorspellend onderhoud in 2022...