AI aan het Stuur: Hoe Kunstmatige Intelligentie de Evolutie van Autonome Voertuigen Aandrijft

Terwijl ongeveer 200 jaar geleden hoogwaardige voertuigen met unieke kenmerken onvoorstelbaar waren voor een gewone persoon, zijn we sindsdien een lange weg afgelegd, waarbij elektrische en hybride voertuigen een dagelijks onderdeel van ons leven zijn geworden. 

Vandaag leiden autonome voertuigen (AV’s) de innovatie in de auto-industrie, die met veel spektakel en verwachtingen de mainstream heeft bereikt. Maar wat is het, en hoe veranderen ze het gezicht van voertuigen? Laten we kijken!

Een Blik op Automatisering in Auto’s 

Autonome voertuigen (AV) zijn voertuigen die technologie gebruiken om de menselijke bestuurder gedeeltelijk of volledig te vervangen en zichzelf naar een vooraf bepaalde bestemming te laten rijden in de “autopilot”-modus. Tegelijkertijd reageren deze AV’s op verkeersomstandigheden, vermijden ze wegobstakels en bieden ze meer veiligheid.

Diverse soorten technologieën die door deze voertuigen worden gebruikt, omvatten sensoren, lasers, radar, adaptieve cruisecontrol, actieve besturing, antiblokkeersystemen en GPS-navigatietechnologie.

Volgens de Society of Automotive Engineers (SAE) zijn er zes niveaus van autonome voertuigen op basis van menselijke tussenkomst. Deze classificatie, die ook wordt gebruikt door de Amerikaanse National Highway Traffic Safety Administration (NHTSA), is als volgt:

Level 0: Het voertuig heeft geen controle over de werking, de menselijke bestuurder doet al het rijden.
Level 1: Het geavanceerde bestuurdersassistentiesysteem (ADAS) van het voertuig biedt de mogelijkheid om de bestuurder te ondersteunen bij sturen en remmen.
Level 2: Het ADAS van het voertuig regelt acceleratie en remmen onder bepaalde omstandigheden, hoewel de menselijke bestuurder de benodigde taken moet uitvoeren en gedurende de hele reis volledige aandacht aan de omgeving moet besteden.
Level 3: Het ADAS van het voertuig kan alle onderdelen van de rijtaak onder bepaalde omstandigheden uitvoeren, maar wanneer nodig moet de menselijke bestuurder de controle overnemen. Dit niveau van autonomie wordt momenteel bereikt door AV’s.
Level 4: Het geavanceerde bestuurdersassistentiesysteem van het voertuig kan alle taken uitvoeren zonder menselijke aandacht of assistentie in bepaalde omstandigheden.
Level 5: Het ADAS van het voertuig kan absoluut alle rijgerelateerde taken uitvoeren in alle omstandigheden zonder enige rijassistentie van de menselijke bestuurder. In dit stadium is volledige automatisering bereikt. 

Autonome voertuigen bieden het voordeel van gemak en een verbeterde levenskwaliteit. Bovendien kunnen lichamelijk gehandicapten en ouderen onafhankelijkheid verwerven. Er is ook potentieel om verkeersopstoppingen te verminderen, transportkosten te verlagen, parkeerplaatsen vrij te maken en de CO2-uitstoot drastisch te verlagen. 

Echter, ondanks al het rumoer rond autonome voertuigen, hebben ze nog niet het succes bereikt dat men verwachtte. Wat is hier het probleem?

Uitdagingen voor Autonome Voertuigen

Autonome of bestuurderloze voertuigen hebben de afgelopen jaren miljarden dollars aan investeringen aangetrokken, maar er zijn veel tegenstand geweest bij de lancering van AV’s en een vertraagde klantacceptatie. Laten we dus een kijkje nemen naar enkele van de meest prominente uitdagingen waarmee deze voertuigen worden geconfronteerd. 

Complexe Rijomgeving 

De systemen die AV’s gebruiken om verkeersborden, verkeerslichten en de beweging van objecten op de weg te volgen, zijn niet waterdicht. Ze falen vooral bij het begrijpen van scenario’s uit de echte wereld. 

Bijvoorbeeld, als een zwerm vogels op de weg zit, begrijpen menselijke bestuurders dat de vogels wegvliegen zodra het voertuig vooruitrijdt, maar AV’s zullen onnodig stoppen of abrupt remmen. AV’s falen ook bij het detecteren van complexe sociale interacties, zoals de handbeweging of oogcontact van een andere bestuurder die aangeeft door te gaan. 

Om nog maar te zwijgen, kunnen AV’s tot nu toe niet veilig opereren wanneer er geen verkeersborden op de weg staan. Dit betekent dat AV’s nog niet met maximale nauwkeurigheid kunnen functioneren op elke locatie in verschillende landen. 

Als een passagier een locatie wil bezoeken die niet in het kaartsysteem is opgenomen, kan dit erg moeilijk zijn omdat de AV’s zich kunnen desoriënteren. Dit vereist complexe driedimensionale (3D) routekaarten om het voertuig te begeleiden, wat een tijdrovend proces is als men volledige dekking en nauwkeurigheid wil bereiken.

Slecht Weer

Een grote uitdaging voor AV’s is slecht weer. Deze voertuigen gebruiken een breed scala aan sensoren: camera’s om objecten te bekijken en te identificeren, lasers om de afstand te meten, en radar om de snelheid en richting van een object te bepalen. 

Zodra de gegevens zijn vastgelegd, neemt het systeem een beslissing, maar sneeuw, mist of zware regen maakt het moeilijk voor de sensoren om correct te functioneren. Slecht weer heeft dus een negatieve invloed op de nauwkeurigheid van de detectiecapaciteit van AV’s, wat de veiligheid van de gebruiker kan compromitteren. Daarnaast zijn er problemen met zware neerslag en stoffen zoals water, olie, ijs of puin die de weglijnen verduisteren.

Kosten

Een ander groot probleem met AV’s zijn de kosten; sensoren die door deze voertuigen worden gebruikt, zoals Lidar en radar, zijn duur. Bovendien probeert Lidar nog steeds de juiste balans te vinden tussen bereik en resolutie. Dit roept de vraag op: als meerdere AV’s op dezelfde weg rijden, hinderen hun lidar-signalen elkaar dan?

Aansprakelijkheid

Een andere grote vraag rondom AV’s is de aansprakelijkheid bij ongevallen; wie is verantwoordelijk voor ongevallen veroorzaakt door AV’s? Dit zal nog belangrijker worden voor volledig autonome AV’s die geen stuurwiel hebben zodat een mens in een noodsituatie het voertuig kan overnemen. Daarnaast is er verzekering, een ander onduidelijk gebied voor deze voertuigen.

Wetten & Regelgeving

Hoewel AV’s de mainstream hebben bereikt, zijn wetten en regelgeving eromheen nog schaars. Recentelijk is het regelgevingsproces voor AV’s in de VS verschoven van federale richtlijnen naar staatsgebonden mandaten. 

Om de opkomst van “zombie-auto’s” te voorkomen, hebben sommige staten zelfs een kilometerbelasting voorgesteld. Wetgevers hebben ook wetsvoorstellen geschreven waarin wordt geëist dat alle AV’s een paniekknop moeten hebben. 

Cybersecurity 

Gezien het sterk verbonden transportsysteem en de uitrol van 5G, zijn gegevensprivacy en cybersecurity ook problemen voor deze voertuigen. Bijvoorbeeld, in 2015, Fiat Chrysler herinnerde 1,4 miljoen van zijn voertuigen om bugs te verhelpen omdat ze gehackt en op afstand kunnen worden bestuurd. AV’s moeten ervoor zorgen dat ze niet alleen de privacy van consumentengegevens niet schenden, maar ook de gegevens beschermen tegen hackers.

Infrastructuur 

Om AV’s op de weg te krijgen, moeten er enorme investeringen in infrastructuur worden gedaan. AV’s hebben vaak duidelijke rijstrookmarkeringen, opslagplaatsen voor data en een robuustere laadinfrastructuur nodig. Dit zal het stadsbudget beïnvloeden. Daarom is er een dialoog nodig over publieke investeringen evenals betrokkenheid van de gemeenschap en de industrie om de bestaande infrastructuur uit te breiden.

AI Banen de Weg Vooruit voor Autonome Voertuigen

Gezien al deze uitdagingen neemt kunstmatige intelligentie (AI) het voortouw en baant ze de weg vooruit voor autonome voertuigen.

Het feit is dat de auto-industrie de afgelopen jaren snel is gevorderd met de komst van nieuwe technologieën. AI is zo’n technologie die de automobielindustrie helpt transformeren. In wezen draait AI om het slimmer maken van machines. Het omvat de simulatie van menselijke intelligentie in machines zodat ze kunnen denken en handelen als wij mensen.

AI stelt voertuigen in staat objecten te herkennen, te voorspellen wat er vervolgens kan gebeuren, zelfs te reageren op onverwachte situaties, en beter te presteren dan menselijke bestuurders in complexe verkeerssituaties. Volgens Statista, wordt verwacht dat de wereldwijde markt voor automotive AI een omvang van $74,5 miljard zal bereiken. 

Volgens een studie van de NHTSA veroorzaken menselijke fouten zoals verminderde visie en gehoor ongeveer 93% van de verkeersongevallen. Het inzetten van AI in AV’s in de vorm van sensoren en algoritmen kan zorgen voor veiligere en meer beveiligde vervoersmiddelen, wat het aantal slachtoffers door menselijke fouten aanzienlijk kan verminderen. AI’s vermogen om de omgeving te leren en zich vervolgens aan te passen maakt de technologie vaardiger in het omgaan met complexe wegen en situaties.

AI wordt op verschillende manieren in AV’s gebruikt:

• De technologie kan AV’s helpen het gedrag van andere bestuurders en voetgangers te voorspellen door het voertuig uit te rusten met analytische mogelijkheden, eventuele problemen te voorspellen en vervolgens te voorkomen.
• Door gebruik te maken van machine learning, waarbij een model wordt getraind op gelabelde datasets om invoer correct aan uitvoer te koppelen, kunnen AI’s AV’s helpen bij objectherkenning en modellering. Ondertussen kan een model getraind op ongelabelde datasets AV’s helpen bij anomaliedetectie, het begrijpen van complexe situaties en feature-extractie.
• AV’s vertrouwen op sensoren zoals camera’s, Lidar, radar en ultrasone sensoren om informatie over hun omgeving te verkrijgen. Hier kunnen AI-algoritmen deze data analyseren om gedetailleerde kaarten te genereren, waardoor AV’s weloverwogen beslissingen kunnen nemen.
• Door gebruik te maken van Natural Language Processing (NLP) kunnen AV’s spraakherkenning inzetten om met passagiers te communiceren. Op deze manier kan AI voertuigen helpen menselijke vragen te begrijpen en effectief te reageren. 
• Door realtime beslissingen mogelijk te maken op basis van sensordata, helpt AI AV’s te bepalen of de beste reactie vertragen of stoppen is. Zo helpt AI AV’s in gevaarlijke situaties waarin mensen fouten maken. De technologie doet dit door gegevensstromen van alle sensoren te analyseren. Het presteert veel beter bij het detecteren van kruisverkeer, actief monitoren van dode hoeken, synchroniseren met verkeerslichten en het noodmatig besturen van het voertuig.

Over het algemeen kan AI in AV’s realtime data verzamelen, objecten detecteren en identificeren, trajecten optimaliseren, wegomstandigheden navigeren en storingen voorspellen. Al deze AI-toepassingen helpen autonome voertuigen om minder verkeer, sneller energie besparen, betere toegankelijkheid, verhoogde efficiëntie en meer veiligheid te realiseren. 

De technologie wordt al wereldwijd door autofabrikanten gebruikt. Bijvoorbeeld, Tesla’s (TSLA ) Autopilot rijdde meer dan 3 miljard mijl in deze modus in bijna een decennium. Elon Musk’s Tesla maakt gebruik van geavanceerde AI-algoritmen voor nauwkeurige besturing. 

Waymo is een andere die een AI-gebaseerd zelfrijdendsysteem gebruikt voor complexe routeplanning en intelligente reacties op de omgeving. Het bedrijf heeft zijn voertuigen getest door tientallen miljarden mijlen in simulatie te rijden.

Daimler’s digitale assistent, Audi’s R10 e-tron SUV en Mercedes-Benz’s EQR4 autonome rijsysteem zijn enkele andere voorbeelden. Andere belangrijke bijdragers aan AI in AV’s zijn onder meer BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ) en Ford.

Klik hier om te leren hoe 2023 het doorbraakjaar voor AI was en wat we in de toekomst kunnen verwachten. 

Belangrijkste AI Doorbraken in de Autonome Voertuigenruimte

2023 was een geweldig jaar voor AI-ontwikkelingen, die impact hadden op alles van kunst, financiën, gezondheidszorg en onderwijs tot klimaatverandering, onderzoek, financiering en AV’s. Laten we dus een kijkje nemen naar enkele van de belangrijkste AI-doorbraken van 2023 in de autonome voertuigenruimte.

Onlangs hebben onderzoekers van de Incheon National University (INU) in Korea een nieuw end-to-end 3D-objectdetectiesysteem ontwikkeld, dat gebaseerd is op deep learning en IoT-ondersteuning biedt. Dit systeem geeft AV’s verbeterde detectiecapaciteiten, zelfs onder ongunstige omstandigheden. 

Om de kwetsbaarheid van sensoren zoals camera’s, lidars en radars voor obstructies, weer en ongestructureerde wegen aan te pakken, paste deze studie het YOLOv3-algoritme (You Only Look Once) aan om 3D-objecten te identificeren door IoT te integreren, waardoor objecten data kunnen uitwisselen en via internet kunnen communiceren. 

Het voorgestelde systeem is ontworpen om RGB-afbeeldingen en point cloud-gegevens als invoer te verwerken. Het genereert vervolgens begrenzingskaders die worden beoordeeld en gelabeld voor het identificeren van obstakels. Dit systeem is bedreven in het detecteren van een breed scala aan objecten en kan variaties in zowel schaal als rotatie beheren.

De studie testte het systeem met de Lyft-dataset en ontdekte dat het een hogere nauwkeurigheid en lagere latentie liet zien. Volgens het team strekt de veelzijdigheid van het voorgestelde systeem zich uit tot buiten autonome voertuigen, met potentiële toepassingen in bewaking, robotica en gaming.

Een ander project, Helm.ai, heeft een AI-doorbraak gerealiseerd die de intentie van de bestuurder voorspelt en optimale routes plant. Het bedrijf dat AI-software ontwikkelt voor de automatisering van robots en voertuigen, kondigde aan dat dit Helm.ai in staat zal stellen schaalbare L2/L3- en L4-implementaties te realiseren. 

De DNN-gebaseerde fundamentele modellen van het bedrijf worden getraind met behulp van hun eigen technologie, Deep Teaching, die echte rijgegevens gebruikt voor complexe rijomgevingen. 

Nu analyseert hun model ook omringende voertuigen en voetgangers om nauwkeurig hun waarschijnlijke acties in diverse stedelijke situaties te voorspellen en, op basis daarvan, het meest efficiënte en veiligste pad voor de AV’s te genereren. Het platform van het bedrijf werkt naadloos met verschillende hardwareconfiguraties en maakt efficiënte training en validatie mogelijk.

“Ons softwareplatform pakt de kritieke perceptie-uitdagingen van stedelijke omgevingen aan en baant de weg voor schaalbare ontwikkeling en validatie van AI-gestuurde intentievoorspelling en routeplanning.” 

– Vladislav Voroninski, CEO van Helm.ai

Dit jaar heeft de elektrische voertuigpionier Tesla ook vooruitgang geboekt met zijn Full Self-Driving (FSD)-software. De nieuwste versie, 12 (v12), brengt het bedrijf een stap dichter bij het bereiken van niveau 4 of niveau 5 autonomie met zijn auto’s. 

In augustus demonstreerde Musk FSD v12 waarbij het voertuig autonoom reed en taken uitvoerde zoals parallel parkeren, verkeerslichten gehoorzamen en rotondes navigeren. Wat deze versie onderscheidt van eerdere versies is de sterke afhankelijkheid van FSD v12 van AI-gestuurde zelftrainende neurale netwerken. 

Dit betekent dat in plaats van menselijke programmeurs te laten hardcoderen voor verschillende rijsituaties, AI enorme hoeveelheden data die van Tesla-voertuigen zijn verzameld zal analyseren en vervolgens de meest geschikte reactie zal kiezen.

Deze ontwikkeling brengt Tesla een stap dichter bij het realiseren van zijn brede doel van een robotaxi-bedrijf, dat, volgens Ark Invest, zelfs in een bearish scenario, $200 miljard (meer dan $600 miljard volgens de meest optimistische prognose) aan jaarlijkse omzet genereert.

Eerder dit jaar kwam een andere doorbraak voor AV’s in de vorm van een camera-imagingsysteem, HADAR, of ‘heat-assisted detection and ranging’, die warmtehandtekeningen interpreteert om gedetailleerde en scherpe beelden te leveren terwijl het door optische rommel heen snijdt. 

Hun AI-model maakte gebruik van machine learning-algoritmen die data van commerciële infraroodcamera’s verzamelen om de fysieke eigenschappen van objecten en hun omgeving te herkennen, waardoor HADAR heldere nachtelijke scènes kan reconstrueren. 

Aangezien het systeem thermische stralingspatronen, materiaalsamenstelling en temperatuur met groot succes kan detecteren, heeft het enorme potentie, waaronder contactloze openbare beveiligingscontroles en zelfs het overwinnen van de angst voor het donker. Echter, HADAR kent uitdagingen op het gebied van apparatuurkosten en de noodzaak van realtime kalibratie.

Ford Motor Company (F ) heeft ook een volledig dochteronderneming opgericht genaamd Latitude AI om een handsfree, van de weg afkijkend geautomatiseerd rijsysteem te ontwikkelen. De autofabrikant heeft al meer dan 50 miljoen mijl handsfree rijden in zijn Ford BlueCruise.

Nu, met Latitude, is het idee om het rijden tijdens vermoeiende, stressvolle en onaangename momenten zoals lange snelwegsegmenten of bumper-tot-bumper verkeer te automatiseren. Over geautomatiseerd rijden zei Ford’s chief technology officer, Doug Field:

“We zien geautomatiseerde rijtechnologie als een kans om de relatie tussen mensen en hun voertuigen te herdefiniëren.” 

Conclusieve Gedachten

Dus, zoals we hebben gezien, afhankelijk van het niveau van menselijke hulp dat nodig is, vallen autonome voertuigen onder verschillende categorieën, namelijk automatisering voor bestuurdersassistentie, gedeeltelijk geautomatiseerd rijden, sterk geautomatiseerd rijden, volledig geautomatiseerd rijden en volledig geautomatiseerd voertuig. Met de komst van AI is de mogelijkheid dat AV’s eindelijk hun uiteindelijke stadia bereiken dichterbij dan ooit.

De toekomst van de AI-markt in de auto-industrie ziet er duidelijk veelbelovend uit. Deze stond in 2022 op meer dan $6 miljard en wordt naar verwachting tegen 2032 met een CAGR van 55% groeien. 

Vooruitgang in AI-algoritmen, zoals sensortechnologieën, rekenkracht en voorspellende onderhoudsoplossingen, zal autonome voertuigen verder helpen hun uitdagingen aan te pakken en brede acceptatie te verkrijgen! 

Klik hier om alles te leren over investeren in kunstmatige intelligentie.