Elektronika, software a strojové učení se staly pro současná moderní vozidla nepostradatelné. Zatímco dnešní dopravní letadla používají zhruba 17 milionů řádků kódu, prémiové auto více než 70 milionů. Špičkové asistenční a komfortní systémy vznikají i u nás ve vývojovém centru společnosti Valeo, která má v Česku i světově unikátní testovací polygon.
Společnost Valeo je světovým lídrem v oblasti pokročilých asistenčních systémů (ADAS – Advanced Driver Assistance Systems), svými technologiemi vybavuje každý třetí nový automobil a v této oblasti hodlá ještě více zrychlit.Zásadní roli v tom hraje i naše hlavní město, kde se nachází hlavní R&D centrum pro oblast ADAS v rámci celé skupiny Valeo.
Zásadní proměna R&D centra
To se během posledních dvaceti let výrazně rozrostloa zároveň i rozšířilo své zaměření. K původně strojním inženýrům se přidali inženýři elektroniky a vývojáři softwaru. Jejich prací jsou dnes řádky kódu nebo algoritmus umělé inteligence, který se používá v asistenčních systémech řidiče. K mechanickým a hardwarovým profesím přibyly mimo jiné softwarové profese, systémové inženýrství, testování a validace systémů, kybernetická bezpečnost, sběr a správa velkých množství dat.
V Praze vzniká široké portfolio senzorů, jako jsou ultrazvukové senzory, radary, čelní detekční kamery, optické senzory dešťě a světla pro systémy stěračů automobilů, systémy monitorování řidiče nebo interiérové radary pro detekci cestujících.
Praha – centrum Valeo pro LiDAR
Česko se také stalo centrem pro vývoj senzoru typu LiDAR. Poprvé se významně podílelo na vývojidruhé generace tohoto skeneru,který je součástí výbavy špičkových modelů třídy S a EQS značky Mercedes-Benz. Díky němu jde o první vozidla homologovaná v Evropě a brzy také v Severní Americe s úrovní autonomie stupně 3.
Praha má zásadní podíl i na vývoji třetí generace LiDARu, který přináší téměř 50krát vyšší rozlišení než u té předchozí a který se v reálném provozu objeví již v roce 2024. Jenom pro zajímavost, zatímco úplně první laserový senzor měl čtyři vrstvy skenovacího paprsku, dnešní jich má více než sto.
S validací pomáhá umělá inteligence
Každý nový senzor prochází složitou fází tzv. systémovévalidace, což je ověřování jeho schopností a integrace ve vozidle. Nejdříve probíhá počítačová simulace, kdy se vytvořívirtuální model a na něm se zkouší, co jemožné a jak systém reaguje. Následně se vyrobívzorky, které se testují na zařízení,které se nazývá HIL – Hardware‑in‑the‑Loop – což je vlastně virtuální model auta s elektronikou,ale bez kol. Například detekční kamera virtuálně „projede“ všechny možné dopravní scénářes použitím již v minulosti nahraných videozáznamů, takže není třeba opět ujet desítky tisíc kilometrů a pořizovat další nahrávky. Touto metodou se ušetří i spousta CO2. Zde do hry vstupuje i umělá inteligence a tzv. „augmented data“. Hledají se okrajové podmínky,za kterých by systém mohl případněnefungovat, přičemž ne všechny situace lze ověřit reálným ježděním s autem. Do reálné datové nahrávky z auta seuměle přidávají objekty tak,aby systém nepoznal, že nejsou reálné (např. zvěř na dálnici nebo chodec na přechodu nesoucí velkou kartonovou krabici). Umělá inteligence také umožňuje z nahrávky ve dne vytvořit věrohodný ekvivalent stejné dopravní situace v noci. Detekční algoritmy v kamerách a senzorech se díky těmto metodám mohou učit a zdokonalovat.
Reálné testování
Po virtuálním testování probíhá i to reálné. A to na vlastním testovacím polygonu na bývalém vojenském letišti v Milovicích, které je v rámci skupiny Valeo největšína světě určené pro testováníautonomních vozidel. Je to i jediné místo, kdelze provádět vysokorychlostní testy.
Teprve když jsou všechny tytotzv. deterministické testy (např. autonomní brzdění na atrapu chodců nebo cyklistů) stoprocentní, zkouší se systémyv běžném provozu.Jedná se o tzv. statistické testy, které mají za úkol sbírat data z různých zemí, snímat různé dopravní značení, různé počasí, a to ve dne i v noci, a dokázat na reprezentativním vzorku, že systém reaguje správně.
ZAJÍMAVOSTI Z VÝVOJE:
- Valeo má 9 testovacích polygonů na světě, jediný vysokorychlostní je v Česku
- Celosvětová testovací flotila čítá přes 400 vozidel
- K dispozici je přes 300 testovacích sestav hardware-in-the-loop
- Pro systémovou validaci autonomního systému úrovně 3 (např. dálniční autopilot)je třeba:
- 20 000 až 33 000 hodin nahrávek z testovacích jízd v reálném provozu
- 60 až 180 PB dat
- > 40 GB/s potřebná budoucí přenosová rychlost do datacenter
- Při vývoji a testování chytrých aut se používají např. následující programovací jazyky a nástroje:
- C
- C++
- Python
- Matlab Simulink
- Labview
- IPG Carmaker
- Kibana Elastic