ولوو از Gaussian Splatting در دنیای مجازی برای ساخت خودروهای ایمن‌تر استفاده می‌کند

ایمنی، اولویت اصلی ولوو

ایمنی یکی از بزرگ‌ترین اولویت‌های ولوو است. از کمربند ایمنی سه‌نقطه‌ای گرفته تا حفاظت در برابر تصادف‌های جانبی و نظارت بر نقاط کور، این خودروساز سوئدی نوآوری‌های خود را بر روی ایمن‌تر کردن خودروهایش متمرکز کرده است، نه بر سرعت آن‌ها در پیست نوربرگرینگ. (اگرچه در گذشته نیز رکوردهایی در آنجا ثبت کرده است.) به عنوان بخشی از تلاش‌های خود، ولوو داده‌هایی از ده‌ها هزار تصادف خودرو جمع‌آوری کرده است که اکنون از آن‌ها در دنیای مجازی استفاده می‌کند تا خودروها و شاسی‌بلندهای شبیه‌سازی‌شده را با کمک فناوری جالبی به نام "Gaussian splatting" آزمایش کند.

تجربه‌های طولانی‌مدت در جمع‌آوری داده‌ها

آلوین باکنس، رئیس مهندسی نرم‌افزار جهانی در ولوو کارز، گفت: "ما از دهه ۷۰ میلادی به بازدید از محل تصادف‌ها می‌پردازیم. ما برای سال‌ها داده‌های مربوط به رویدادها را از یک ناوگان خودرو ثبت کرده‌ایم. و تمام این داده‌ها در واقع به ما کمک کرده‌اند تا نوآوری‌های ایمنی را ایجاد کنیم... از کمربند ایمنی سه‌نقطه‌ای گرفته تا سیستم‌های حفاظت در برابر صدمات گردن و اکنون نیز، همان‌طور که در ES90 معرفی می‌کنیم، یک عملکرد به نام 'lidar AS' که به خودرو کمک می‌کند تا از کاربران آسیب‌پذیر جاده در شب دوری کند."

توسعه خودروهای نرم‌افزاری

مانند برخی دیگر از شرکت‌های صنعت، ولوو یکی از پیشگامان خودروهای نرم‌افزاری (SDV) است. به عنوان یک یادآوری سریع، SDVها طراحی‌هایی کاملاً جدید در زمینه معماری الکترونیکی خود هستند. به جای ده‌ها یا حتی صدها جعبه سیاه مجزا، هر کدام با سخت‌افزار و نرم‌افزار خاص خود و انجام کارهای مجزا (مانند کنترل تهویه مطبوع یا مدیریت کنترل کشش)، چهار یا پنج کامپیوتر مرکزی قدرتمند این نقش‌ها را بر عهده می‌گیرند و بر حوزه‌هایی مانند سرگرمی، سیستم‌های کمک‌راننده پیشرفته، کنترل و قدرت و راحتی داخلی نظارت می‌کنند.

توسعه نرم‌افزار داخلی

اریک کولینگ، معاون محصول در زنسکت، یک توسعه‌دهنده ADAS متعلق به ولوو، گفت: "یک نکته این است که ما اکنون این را درون‌سازمانی توسعه می‌دهیم، بنابراین به جای اتکا به تأمین‌کنندگان با مهلت‌های طولانی و فرآیندهای طولانی و ارسال الزامات به‌طور مکرر، ما نرم‌افزار را توسعه می‌دهیم."

کولینگ افزود: "اگر مشکلی وجود داشته باشد، ما آن را در یک روز حل می‌کنیم. این بسیار سریع‌تر است. بنابراین ما به‌طور قابل توجهی سریع‌تر پیشرفت می‌کنیم. همان‌طور که باکنس گفت، ما هر روز با نرم‌افزار جدید آزمایش می‌کنیم. بنابراین سرعت نوآوری به‌طور بنیادی با قبل متفاوت است و طریقه‌ای که ما سعی می‌کنیم از این استفاده کنیم، واقعاً ساخت ایمنی و حرکت به سمت کاهش نرخ تصادف‌ها با سرعتی است که هرگز ندیده‌ایم."

مزایای SDVها و شبیه‌سازی

از جمله مزایای انتقال به SDVها این است که شبیه‌سازی آن‌ها بسیار آسان‌تر است زیرا کل پشته نرم‌افزاری می‌تواند به‌صورت مجازی اجرا شود. به همین دلیل، ولوو یکی از بزرگ‌ترین مراکز داده در اروپا را ساخته است: تا بتواند آن شبیه‌سازی‌ها را اجرا کند.

مانند بسیاری از شرکت‌های دیگر، ولوو به هوش مصنوعی روی آورده است تا فرآیند توسعه را تسریع کند. اما چگونه چنین شرکتی با توجه به ایمنی مانند ولوو می‌داند که می‌تواند به خروجی این الگوریتم‌های انتها به انتها اعتماد کند؟

تکنولوژی Gaussian splatting

کولینگ گفت: "Gaussian splatting یک فناوری است که به ما این امکان را می‌دهد که یک نقطه، یک سناریو ترافیکی را بگیریم و آن را به هزاران یا ده‌ها هزار سناریو از این داده‌های دنیای واقعی گسترش دهیم. و سپس می‌توانیم یک سناریو را به هزار سناریو مختلف تبدیل کنیم و سپس شبیه‌سازی را محصور کنیم و نرم‌افزار خود را در برابر این آزمایش کنیم."

توسعه‌دهندگان خودروهای خودران برای مدتی است که در محیط‌هایی مانند Unreal Engine شبیه‌سازی می‌کنند. کولینگ گفت: "این بسیار بصری است و برای داده‌های دوربین کار می‌کند. اما در اینجا ما داده‌های lidar، داده‌های دوربین و داده‌های راداری را بررسی می‌کنیم و صحنه را با شبکه عصبی بازسازی می‌کنیم و سپس دستکاری کرده و از شبیه‌سازی حلقه بسته استفاده می‌کنیم. بنابراین این یک راه برای آزمایش سریع نرم‌افزار شما در برابر مقدار بسیار زیادی از سناریوهای مختلف است که نمایانگر دنیای واقعی هستند."

بازسازی صحنه‌ها با استفاده از داده‌های واقعی

اولین میدان‌های تابش عصبی (NeRF) قادر بودند اشیاء سه‌بعدی را از ورودی تصاویر دو بعدی گرفته شده از زوایای مختلف درون‌یابی کنند. کولینگ گفت: "بنابراین به جای انجام تمام محاسبات فیزیکی در مورد چگونگی بازتاب پرتوها و همه این‌ها، در عوض، شما یک شبکه عصبی را آموزش می‌دهید تا صحنه ثابت را یاد بگیرد."

گام بعدی ساخت NeRFها در ۴ بعد - در زمان و فضا بود. بنابراین ما از این برای، بیایید بگوییم، یک توالی دوربین ۱۰ ثانیه‌ای استفاده می‌کنیم و سپس می‌توانید در زمان، این را بازسازی کنید.

اجرای داده‌های اصلی با شرایط اصلی در شبیه‌سازی به ولوو این امکان را می‌دهد که بررسی کند که آیا شبیه‌سازی به اندازه کافی وفادار است تا نتیجه اصلی را بازسازی کند. از آنجا، می‌تواند شرایط را تغییر داده و آزمایش را دوباره اجرا کند تا ببیند رفتار خودرو چگونه (یا آیا) تغییر می‌کند. با انجام همین کار برای داده‌های راداری و lidar و همچنین داده‌های دوربین، کولینگ گفت: "ما می‌توانیم سناریوهایی را که خودرو در واقع می‌بیند بازسازی کنیم... با تمام چیزهای عجیب و غریبی که در دنیای واقعی اتفاق می‌افتد."

جمع‌آوری داده‌های میلیون‌ها رویداد

باکنس گفت: "ما میلیون‌ها و میلیون‌ها نقطه داده داریم که در واقع رویدادهایی هستند که از ناوگان خود جمع‌آوری کرده‌ایم. وقتی چیزی را پیدا می‌کنیم که سیستم با آن مشکل دارد - یک سناریو - سپس می‌توانیم به یکی از آن سناریوها با تمام داده‌های حسگر زوم کنیم و می‌توانیم آن را به هزاران واریانت از آن سناریو خاص گسترش دهیم."

آزمایش‌های مجازی با Gaussian splatting جایگزین رانندگی خودروهای واقعی در پیست آزمایش نشده است، اما به ولوو این امکان را می‌دهد که خودروهای جدید را در دامنه وسیع‌تری از شرایط آزمایش کند که در غیر این صورت ممکن نبود.