Мозги в машине: Что такое мозги двигателя автомобиля

Электронный блок управления (ЭБУ) — мозг вашего автомобиля

Работа систем и агрегатов современного авто напрямую зависит от корректной работы «мозгового центра», называемого электронный блок управления (ЭБУ), он же Powertrain Control Module (PCM). Неисправности в электронном блоке немедленно отражаются на работе электропитания, трансмиссии, выхлопной системы и других элементах.

Если электронный блок управления ЭБУ вышел из строя

Ввиду сложности устройства, данный блок не подлежит ремонту в условиях обычного СТО – его просто заменяют, предварительно убедившись, что причиной помех в работе авто действительно является выход из строя ЭБУ. Для проверки работоспособности блока управления требуется сложное оборудование, такое тестирование под силу только специализированному сервисному центру.

Если возникла необходимость в установке нового блока взамен пришедшего в негодность, предварительно нужно выявить и устранить «причину смерти» предыдущего. Эта задача может оказаться непростой, зато избавит вас от повторной замены блока.

Можно назвать две основные причины поломки ЭБУ:
— повышенное напряжение, вызванное, например, коротким замыканием;
— воздействие внешних факторов, таких как перегрев, вибрация, удар, коррозия. Особо следует предохранять ЭБУ от попадания влаги. Вода, просочившись внутрь корпуса, может вызвать замыкание и коррозию.

Покупка и замена электронного блока ЭБУ

Основная часть ЭБУ, продаваемых на рынках и в магазинах запчастей, это бывшие в употреблении блоки, которые были восстановлены на заводе, так как восстановление гораздо более выгодно для фирм-производителей. Конечно, не все пришедшие в негодность блоки подлежат восстановлению. Например, блок с «утопленного» автомобиля, скорее всего, никто ремонтировать не станет.

Несмотря на то, что внешне электронные блоки могут выглядеть совершенно одинаково, иметь одинаковый размер и одинаковое расположение контактов, их настройки кардинально отличаются. И это понятно, ведь они отвечают за работу агрегатов автомобиля конкретной марки и года выпуска. При установке «неродного» ЭБУ, даже если автомобиль заведётся и поедет, все системы автомобиля будут сбоить. Нужно, чтобы заменяемый электронный блок был абсолютно идентичным.

При покупке ЭБУ нужно знать марку автомобиля, год выпуска, объем двигателя и код производителя, обозначенный на блоке.

В каждом ЭБУ есть микросхема PROM (Program Read Only Memory), в которой хранятся все параметры настроек данного автомобиля. Чаще всего эту микросхему нужно переставить со старого на новый электронный блок. В более поздних моделях автомобилей для этих целей вместо микросхемы используется флеш-память или EEPROM (Electronically Erasable Program Read Only Memory) – перезаписываемое запоминающее устройство.

При замене блока основной работой является подключение его к проводке автомобиля через соответствующие разъемы. Подключение может усложнять неудобное и труднодоступное месторасположение ЭБУ. В любом случае перед подключением блока нужно

отсоединить клемму от аккумулятора.

Многие блоки после подключения требуют дополнительной настройки под параметры данного автомобиля. Для каждого автомобиля этот процесс индивидуален и полностью описан в инструкции по сервисному обслуживанию. Процедуру перепрограммирования блоков, к примеру, чип тюнинг skoda octavia A5 следует выполнять только на авторизованных сервис центрах. Доверять чип-тюнинг ЭБУ «гаражным» умельцам-самоучкам — крайне недальновидно и даже опасно.

С этой статьёй читают:

Программирование ЭБУ, мозгов автомобиля. Ремонт ЭБУ

Автосервис Гефест в городе Раменское реализует даже самый сложный программный ремонт машин. В нашем центре заказать компьютерные услуги по ремонту автомобилей могут владельцы абсолютного большинства легковых машин, кроссоверов и внедорожников. Ремонт автоэлектроники, прошивка блоков управления и изменение различных настроек в Гефест предлагается как владельцам отечественных машин, к примеру: ВАЗ, Лада, УАЗ, так и водителям иномарок, к примеру: Форд, Шевроле, Тойота, Фольксваген, Ауди, Ситроен, Пежо, Рено, Шкода и др.

У нас, уважаемые водители, вы сможете заказать даже прошивку ЭБУ (перепрограммирование электронного блока управления двигателем).

Электронный блок управления двигателем

ЭБУ несет в себе одну из самых важных функций устройств под капотом. Говоря простым языком, этот блок управления полностью контролирует работу двигателя, а это, как известно, сердце машины.

Именно ЭБУ решает, когда, как и что делать двигателю, как работать системе охлаждения, как реагировать на различные ситуации и отклонения, а также электронный блок управления двигателем реагирует на команды водителя и приступает к их выполнению.

Происходит весь процесс реакции, принятия решений и реализации действий в ЭБУ за счет прописанных алгоритмов. Это программно заложенные кодировки.

Ремонт ЭБУ

И если электронный блок управления двигателем, или как его еще называют “мозги двигателя”, выйдет из строя, если в нем собьются программные настройки или нарушится алгоритм кодировок, то эти проблемы отразятся на качестве эксплуатации всей машины, так как неправильно будет работать двигатель.

Поэтому так важно вовремя проходить компьютерную диагностику машины, а также своевременно выполнять ремонт ЭБУ. Пока блок еще исправен, и в нем лишь сбились настройки или возникли программные ошибки, ремонт ЭБУ можно сделать – и выполняется он также через компьютер и сервисное приложение.

Программирование ЭБУ

Мастера автосервиса Гефест в Раменском могут выполнить прошивку ЭБУ любого современного легкового автомобиля известной марки. На базе нашего центра имеется всё необходимое оборудование, чтобы выполнить программирование ЭБУ на Лада, УАЗ, Форд, Тойота, Пежо, Ситроен, Фольксваген, Шефроле, ВАЗ, Хонда, Ауди и десятках других марок машин.

Специалисты автосервиса Гефест проверят работоспособность электронного блока управления двигателем через компьютерную диагностику и соответствующие программы, а далее смогут выполнить прошивку ЭБУ даже с полной перенастройкой кодировок (алгоритмов) на нужные вам.

Настройка, ремонт и замена ЭБУ

Ремонт электронного блока (мозгов машины), прошивка ЭБУ (откат на заводские настройки), усовершенствование работы ЭБУ (чип тюнинг) и другие услуги автосервиса Гефест выполняются правильно, четко, быстро, максимально аккуратно и профессионально.

У нас есть такое же официальное сервисное программное обеспечение, как у дилерских центров. Вот только мы, в отличие от дилеров, принимаем на ремонт все марки и модели машин. А также выполняем такую прошивку ЭБУ, которая многим центрам и автомастерским просто не под силу.

Через ремонт и перенастройку ЭБУ, у нас вы сможете заказать:

• отключение датчиков на машине (к примеру, правильное отключение лямбда зонда)
• удаление программных ошибок
• увеличение мощности двигателя
• уменьшение расхода топлива
• и друге изменения кодировок (алгоритмов)

Благодаря профессионализму сотрудников автосервиса Гефест в Раменском, вы можете значительно сэкономить на ремонте автомобиля. И помимо прошивки, ремонта ЭБУ, заказать в Гефест вы сможете даже замену ЭБУ. Наши мастера смогут поставить и запрограммировать специально под вашу машину как новый электронный блок управления двигателем, так и восстановить, прошить и привязать на авто б/у блок с другой подобной машины.

Узнайте больше

Мозги Инжектора — Электронный Блок Управления, Где Находятся Форсунки, Как Заводить Без ЭБУ, Расшифровка Кодов Ошибок, Устранение Неисправностей

Карбюраторные автомобили шли с конвейера без мозгов, так как все управление в них реализовано механически. С приходом инжекторных систем питания машины начали наполняться всевозможной электроникой. Обработкой информации от датчиков и генерацией управляющих сигналов занимается ЭБУ. Выход его из строя способен полностью обездвижить железного коня, поэтому к модулю управления следует относится с повышенной внимательностью.

Внешний вид электронного блока управления

Получаемая ЭБУ информация и сигналы управления исходящие с него

Для правильного дозирования подаваемого топлива в электронный блок управления приходит информация:

• частота вращения коленвала, определяемая датчиком положения;
• возникновение детонации в процессе эксплуатации;
• массовый расход воздуха мотором;
• отклонение от номинального напряжения бортовой сети машины;
• скорость авто;
• температура в системе охлаждения двигателя;
• какое положение занимает дроссельная заслонка;
• процент кислорода в выхлопных газах;
• наличие дополнительных нагрузок на двигатель, например, включение кондиционера.

Количество датчиков и соответственно объем получаемой информации зависит от модели автомобиля. В бюджетных машинах ЭБУ обладает только основными данными. Наиболее развитые электронные блоки собирают и оперируют информацией о каждом узле машины, что сказывается на динамических характеристиках и экономичности авто.

После обработки данных блок управления инжектором подает сигналы для:

• открытия и закрытия форсунок;
• контроля искрообразования;
• выбора режима работы топливного насоса;
• поддержания стабильных оборотов холостого хода;
• включения и выключения вентилятора системы охлаждения;
• подключения или отключения кондиционера электромагнитной муфтой;
• улавливания паров бензина адсорбером;
• проведения самодиагностики агрегатов.

Работа электронного блока управления предполагает оперирование большим количеством информации в режиме реального времени. Неточность в любом из каналов приведет к нестабильной работе двигателя, увеличению расхода топлива и потере динамических характеристик, поэтому все возникающие поломки в электронике требуют незамедлительного устранения.

Конструктивные особенности электронного блока управления

Для работы с информацией, поступающей в модуль, ЭБУ имеет несколько видов памяти:

• Алгоритм управления двигателем в зависимости от режима эксплуатации находится в программируемом постоянном запоминающем устройстве. Здесь же хранится и основная таблица различных калибровок параметров. При отключении питания вся информация остается на месте. Для стирания или перезаписи данных используется специальное оборудование, предназначенное для чип-тюнинга;
• Энергозависимая память, хранящая временные данные и обрабатываемую электронным модулем информацию, называется оперативным запоминающим устройством. В ней происходит фиксация и выработка управляющих сигналов в зависимости от изменений параметров, поступающих с датчиков;
• Сохранение кодов и паролей происходит в электрически репрограммируемом запоминающем устройстве. Данный тип памяти является энергонезависимым, но в отличии от ППЗУ не требует специального оборудования для перезаписи.

Ввод информационных сигналов у качественных электронных модулей осуществляется через гальваническую развязку. Это предотвращает повреждение главных чипов блока управления в случае выхода какого-либо датчика из строя. От внутренних ошибок модуль защищен различными методами самодиагностики и коррекции сбоев, что помогает избегать ситуации, когда автомобиль остается без мозгов.

Неполадки, возникающие в модуле

Причины, почему автомобиль может остаться без мозгов, наиболее часто возникают по вине автовладельца. Так, например, попытка перезаписать программное обеспечение при проведении чип-тюнига может закончится неудачей, если автолюбитель выбрал не правильное ПО. Также причинами вызывающими поломку ЭБУ являются:

• Неудачное расположение модуля управления. Например, в автомобилях ВАЗ 2113 – 2115 ЭБУ установлен рядом с радиатором печки. Помимо теплового воздействия, блок может залить охлаждающей жидкостью, после чего машина останется без мозгов;
• Ухудшения контакта между клеммами и генератором или аккумулятором. Это вызывает скачки бортового напряжения автомобиля. ЭБУ защищен от перепадов напряжения, но продолжительное воздействие способно вывести блок из строя;
• Возникновение ЭДС в первичной обмотке катушки ведет к пробою транзисторов электронного блока управления. Электродвижущая сила обычно возникает при плохом контакте свечей зажигания или повышенном внутреннем сопротивлении высоковольтных проводов.

Для определения неисправности необходимо прочитать лог ошибок, сохраненный в мозгах инжектора. Для этих целей существует специальный диагностический разъем. Расположение его зависит от конкретной модели автомобиля. Например, в автомобилях ВАЗ с высокой панелью диагностический разъем находится внутри центральной консоли.

Расшифровка кодов ошибок на примере ВАЗ 21074

Если мозги инжектора обнаружили неисправность в работе двигателя, то об этом будет сигнализировать загоревшаяся лампочка «check engine». Понять какая именно неисправность произошла по данному оповещению невозможно. Для более точного определения поломки требуется подключить диагностический сканер к специальному разъему. При его помощи из памяти ЭБУ считывается лог ошибки, который можно расшифровать при помощи справочников по конкретному автомобилю. Так, например, для ВАЗ 21074 наиболее часто встречаемыми ошибками являются:

• Неисправность воздушного датчика;
• Неоптимальный режим сгорания бензовоздушной смеси. В результате выхлопные газы имеют повышенную токсичность. Лямбда-зонд может выдать эту ошибку, например, если в выхлопе находятся пары несгоревшего бензина;
• Требуется драйверная проверка модуля управления инжекторными двигателями;
• Проблемы с получением информации от датчика температуры;
• Состав горючей смеси не соответствует режиму работы двигателя. Причиной этого могут стать, например, загрязненные форсунки;
• Неправильное определение момента возникновения детонации в работе двигателя;
• Отсутствуют данные о положении дроссельной заслонки. Помимо повреждения самого считывающего элемента, возможен обрыв информационного шлейфа;
• Температура мотора находится выше рабочего диапазон;
• Медленный отклик сигнальной системы машины.

При выполнении считывания ошибок сканер указывает лишь на предположительное место неисправности, но не может указать причину вызвавшую поломку, поэтому после получения кода важно правильно его истолковать. При недостаточном понимании работы инжекторных двигателей и топливных систем может возникнуть ситуация, когда автовладелец, неправильно расшифровав лог ошибки,  займется ремонтом исправного узла машины.

Эксплуатация автомобиля без электронного блока управления

В случае выхода из строя ЭБУ непопулярной модели найти новый модуль может стать большой проблемой. В таком случае автовладелец может пойти на радикальный шаг и сменить электронику на другую систему без мозгов. Инжектор в таком случае сменяется карбюратором, а зажиганием начинает управлять коммутатор.

Вносить столь серьезные изменения можно только в крайнем случае. Инжекторный двигатель спроектирован для работы под контролем электронного блока управления. При его отсутствии возможны провалы при разгоне, нестабильная работа и повышенный расход топлива. Убирать мозги можно только временно, например, для перегона авто.

Устранение неисправностей связанных с мозгами инжектора

При возникновении поломки ЭБУ автовладелец может захотеть поменять модуль на схожую модель. При этом важно учитывать, что каждые мозги изготавливаются под конкретную модель силовой установки, комбинацию датчиков, протяженность шлейфов. Прошивка также меняется от модели к модели, поэтому произвести просто перестановку блоков невозможно, даже если их разъемы идентичны.

При установке похожей модели без полного согласования параметров возможны негативные последствия:

• двигатель перестает заводится;
• автомобиль теряет былую резвость;
• значительно возрастает расход топлива;
• мотор нестабильно работает;
• ЭБУ постоянно сигнализирует об ошибке.

Производить устранение неисправности заменой на похожий электронный блок управления категорически запрещается. Правильными методами устранения неисправностей являются:

• Визуальный осмотр датчиков и проводов идущих к ним. Часто причина может скрываться в их механическом повреждении. Замена дефектного элемента на новый позволит избавится от поломки, которую выдает электронный блок управления;
• Сделать перепрошивку программного обеспечения. Повышение динамических характеристик автомобиля очень часто возможно только при помощи чип-тюнинга;
• Сделать перезагрузку мозгов инжектора путем снятия одной из клемм аккумулятора. Произошедший сбой в процессе эксплуатации можно сбросить отключив питание от ЭБУ. Данным методом рекомендуется пользоваться при однократном появлении ошибки. Если ситуация повторяется, то перезагружать модуль не имеет смысла.

При невозможности устранить поломку вышеуказанными способами, единственным верным решением является обращение в специализированный сервисный центр. После считывания лога ошибки сканером специалисты определят возможный круг неисправностей. После этого определяется оптимальный способ избавления дефекта.

Появление электронного блока управления значительно улучшило эксплуатационные свойства автомобиля. Произошло это благодаря возможности контроля режима работы силовой установки и корректировки параметров в режиме реального времени. В свою очередь, усложнение электроники машины привело к возникновению поломок, способных обездвижить железного коня.

Если у вас возникли вопросы — оставляйте их в комментариях под статьей. Мы или наши посетители с радостью ответим на них

Cпинной мозг автомобиля: Тайна автомобиля

Машина, излечись!

Однако главным основанием для разработки шины CAN была вовсе не экономия на километрах проводки. Дело в другом. К концу 1970-х годов были, наконец, окончательно сформулированы технические требования, связанные с охраной окружающей среды. Национальная администрация безопасности движения на шоссейных дорогах (NTHSA) совместно с Комитетом по воздушным ресурсам штата Калифорния разработали методики для проверки эффективности автомобильных систем снижения вредных выбросов в атмосферу. Эти директивные документы повлекли за собой стандартизацию протокола «бортовой диагностики» — OBD. Сейчас мы имеем дело с этим же протоколом, но уже второго поколения, обозначаемым OBD-II.

Согласно этим требованиям в целях самодиагностики все датчики двигателя должны быть связаны между собой посредством шины CAN. При наличии такой связи специально выделенный ECU может постоянно следить за информационным потоком, вылавливая из шины аварийные сообщения в форме кодов OBD-II. Получив сообщение о какой-либо проблеме, этот ECU переформулирует его в алфавитно-цифровом коде и включает на торпеде лампочку «Check engine». На современных машинах подобная самопроверка выполняется непрерывно в течение всего времени, пока работает двигатель. Если у вас имеется портативный считыватель кодов (см. врезку «Цифровая диагностика»), вы можете залезть под торпеду со стороны водителя, подключиться к 16-контактному разъему вывода данных и прочитать все коды неисправностей. После этого загляните в интернет, где легко найдете расшифровку этим кодам или по крайней мере подсказку, что делать дальше.

Тот же самый разъем окажется очень кстати, если вдруг производитель обнаружит какой-то глюк в софте вашего автомобиля или придумает, как еще можно оптимизировать его работу. Допустим, разработали новый алгоритм, обеспечивающий более мягкое переключение передач. Теперь задача модернизации всех уже проданных автомобилей вашей серии решается очень просто — механик из дилерского центра подключает свой компьютер к тому же самому разъему и скачивает в вашу сеть новые программы. А ведь в прежние эпохи, до внедрения шины CAN, это означало бы физическую замену соответствующих контроллеров.

Неполадка электронного блока управления двигателем (ЭБУ, ЭСУД, контролёр)

         Электронный блок управления двигателем, сокращенно (ЭБУ, ЭСУД, контролёр)         представляет собой электронное устройство, которое используя различные сигналы от датчиков двигателя, управляет составом и количеством подаваемого топлива в двигатель. Имея встроенную систему диагностики, он может распознавать неполадки в работе системы, предупреждая о них водителя через контрольную лампу (Check engine). Кроме того, он хранит диагностические коды, указывающие области неисправности, чтобы помочь специалистам в проведении ремонта.

 

Признаки неисправности Электронного блока управления двигателем:

— Отсутствие сигналов управления форсунками, зажиганием, бензонасосом, клапаном или механизмом холостого хода, другими исполнительными механизмами.
— Отсутствие реакции на Лямбда — регулирование, датчик температуры, датчик положения дроссельной заслонки и т. д.
— Отсутствие связи с диагностическим прибором.
— Физические повреждения (сгоревшие радиоэлементы, проводники).

Электронный блок управления двигателем (ЭБУ, ЭСУД, контролёр) Вы можете приобрести у нас !

НЕ ТОРМОЗИ  —  ПОКУПАЙ ДЕШЕВЛЕ ! ! !

Причины возникновения неисправностиЭлектронного блока управления двигателем:

1. Неквалифицированное вмешательство в электрику автомобиля при установке сигнализаций и проведения ремонта.
2. «Прикуривание» от машины с работающим двигателем.
3. «Переполярность» при подключении аккумуляторной батареи.
4. Снятие клеммы аккумуляторной батареи на работающем двигателе.
5. Включение стартера с отсоединенной силовой шиной;
6. Попадание электрода при проведении сварочных работ на датчики или проводку автомобиля.

7. Попадание воды в ЭСУД.
8. Обрыв или замыкание проводки.
9. Неисправность высоковольтной части системы зажигания: катушки, провода, распределитель

         Диагностика ЭБУ представляет собой чтение ошибок, записанных в памяти контролёра. Чтение выполняется с помощью спец оборудования: ПК, шлейф и т.д. через диагностическую К-линию. Так же можно обойтись и бортовым компьютером, который имеет функции чтения ошибок ЭСУД.

         Контроллер ЭБУ хранит диагностические коды, указывающие области неисправности, чтобы помочь специалистам в проведении ремонта.

Если ЭСУД вышел из строя вследствие возникшей проблемы в электропроводке или исполнительном механизме, простая замена может ничего не дать, кроме двух, трех и т.д. сгоревших блоков.

         Чтобы узнать, какой контролер стоит на вашем автомобиле, придётся снять боковой каркас консоли панели приборовавтомобиля . Запомнить номер вашего ЭБУ и найти его среди представленных таблиц.

 

Электронный блок управления двигателем (ЭБУ, ЭСУД, контролёр) Вы можете приобрести у нас !

НЕ ТОРМОЗИ  —  ПОКУПАЙ ДЕШЕВЛЕ ! ! !

 

Вам, так же будет полезна информация : Разновидности электронных систем управления двигателем ЭСУД (ЭБУ, контролёров), которые устанавливаются на разные модели автомобиля семейства ВАЗ.

Вам, так же будет полезна информация : Как самостоятельно заменить электронный блок управления двигателем (ЭБУ, ЭСУД, контролёр) на автомобиле семейства ВАЗ.

Если не нашли интересующий Вас ответ, то задайте свой вопрос! Мы ответим в ближайшее время.

Не забудьте поделиться со своими друзьями и знакомыми найденной информацией, т. к. она им тоже может понадобится — просто нажмите одну из кнопок социальных сетей.

Зачем нужны авто «электронные мозги»

     Электронным управлением сегодня не может похвастать разве что мопед или бензопила. Современные автомобили всё больше и больше становятся цифровыми. Уже сейчас существуют модули, которые полностью можно назвать вычислительными комплексами, потому, что они включают в себя необходимые для этого элементы: аппаратные и программные. Одним из таких комплексов является блок управления двигателем. Этот модуль занимается сбором информации с целой группы различных датчиков, и занимается их анализом. Анализ необходим не только для управления двигателем но и для выявления неисправностей в самих датчиках.

     Ведь если будет принят неверный сигнал с вышедшего из строя датчика, то и команда, отправленная в двигатель с ошибкой, может привести к серьёзным последствиям. Поэтому блок управления, прежде чем полученные сигналы сразу «пустить в дело» сперва анализирует их на предмет невозможности. Если сигнал противоречит естественному ходу логики, на приборной панели водителя засветится соответствующий чек о неисправности того или иного датчика. После этого блок управления обрабатывает все полученные данные и рассчитывает требуемые в сложившейся ситуации дальнейшие действия, которые необходимо выполнить.

     Для этого в него программным способом заложен определенный алгоритм, некая программа. Эта программа, выполнив все требуемые расчеты, начинает формировать управляющее воздействие, складывая его в некую последовательность сигналов, необходимых к отправке в различные узлы и механизмы двигателя. Затем эта последовательность сигналов выстраивается в очередь и в нужные моменты времени отправляется в исполнительные устройства двигателя. Таким образом происходит оптимизация всех процессов двигателя внутреннего сгорания, достигается экономия топлива, достигается максимальный крутящий момент, регулируется содержание выхлопных газов и многое другое. Таким образом, блок управления является одним из важнейших элементов современных двигателей и его выход из строя полностью может парализовать автомобиль. Купить электронный блок управления ЭБУ в Брянске можно в интернет-магазине menokom.ru

Прошивка ЭБУ двигателя (электронного блока управления)

Электронный блок управления двигателя (ЭБУ, контроллер ЭСУД) — мозговой центр автомобиля. Он принимает данные от множества датчиков моторного отсека, впускной и выпускной систем, интерпретирует эти данные по заложенным в его программу картам, отслеживает неисправности и отдает управляющие сигналы исполнительным механизмам и другим системам.

Некоторые функции ЭБУ:

• управляет впрыском топлива;
• регулирует положение дроссельной заслонки;
• контролирует зажигание;
• анализирует состав отработавших газов;
• управляет фазами газораспределения;
• определяет неисправности и информирует о них водителя.

Что такое прошивка ЭБУ

Это управляющая программа, записанная в сам блок. Программирование ЭБУ двигателя изначально делается производителем. Однако стоковая версия не адаптирована под конкретные климатические условия и стиль вождения. Более того — на современных авто программно ограничивается мощность из-за экологических требований. Перепрошивка ЭБУ — это изменение параметров в заводской программе, позволяющее обойти подобные ограничения.

Аналог прошивки ЭБУ — установка другой операционной системы на смартфоне.

Плюсы:

Где прошить ЭБУ

Компания АДАКТ принципиально против удаления корректно работающего сажевого фильтра и катализатора, особенно в сервисах, которые предлагают это сделать бесплатно.

Минусы:

• Нужно заправляться качественным топливом;
• Повышается нагрузка на экологию, если понижать нормы токсичности.

Что меняется в кастомных прошивках ЭБУ

В зависимости от целей чип-тюнинга при перепрограммировании ЭБУ двигателя может вносится более 1000 калибровок. Чаще изменения касаются:

• топливодачи, порогов обогащения, ограничения топливоподачи при ускорении;
• давления наддува на турбированных двигателях в экономичном и мощностном режиме;
• байтов аппаратной конфигурации и маски ошибок;
• лимитов момента, топливоподачи и наддува;
• алгоритма работы диспетчера режимов.

Как прошить ЭБУ

1. Чип-тюнинг начинается с диагностики двигателя. Есть правило: нельзя «шить» неисправный автомобиль.
2. Считывается оригинальная прошивка ЭБУ или идентификаторы. Она модернизируется калибровщиком или выбирается готовая тюнинг-версия.
3. Далее чип-тюнер записывает модифицированную версию. Одни блоки прошиваются без снятия и разборки через диагностический разъем OBD2. На других ЭБУ идут со встроенной защитой, поэтому для перепрограммирования приходится снимать, разбирать и обходить защиту.
4. Если снимали ЭБУ, он устанавливается на место, проводится диагностика на ошибки. После владелец делает тестовый заезд.

Почему не стоит прошивать ЭБУ самостоятельно

Для результатов без вреда автомобилю чип-тюнер должен обладать знаниями, квалификацией и опытом работы. Требуется специальное оборудование и свежая, а главное подходящая под конкретный блок, прошивка от проверенных калибровщиков.

Некоторые автовладельцы пытаются сделать репрог своими руками, чтобы сэкномить. Но даже при наличии нужного оборудования экономия минимальна — саму прошивку все равно придется покупать. Если вы не планируете профессионально заниматься чип-тюнингом, лучше довериться официальным партнерам АДАКТ. Они проведут диагностику, подберут оптимальную версию прошивки и установят ее с гарантией.

Плюсы тюнинг-прошивок от АДАКТ

• Если делаете чиповку у наших партнеров, вам предоставят 10 дней тест-драйва;
• Из российских калибровщиков только АДАКТ прошли сертификацию по стандартам ГОСТ Р ИСО 9001-2011;
• Опыт калибровщиков более 14 лет. Специализация — гражданский тюнинг (для рядовых водителей, а не гонщиков). Вам гарантированно установят рабочую и проверенную программу. Специальный сертификат подтвердит это;
• Выгодные цены.

Чтобы прошить ЭБУ двигателя с гарантией результата, обратитесь к ближайшему партнеру АДАКТ в своем городе.

Рекомендуем посмотреть

26 оценок, среднее: 4,46 из 5

Мозг автомобильного двигателя: PCM (Powertrain Control Module)

Модуль управления трансмиссией (PCM), также известный как блок управления двигателем (ECU) или модуль (ECM), представляет собой электронное устройство, которое регулирует многие важные функции транспортного средства и напрямую влияет на его работу. Большинство производителей автомобилей начали включать PCM в 1980-х, и компьютерные системы с годами стали стандартизированы.
Этот PCM состоит из электроники, которая спроектирована на многослойной печатной плате.Это мощный компьютер, который часто рекламируется как мозг системы управления двигателем, поскольку он управляет множеством различных систем автомобиля, такими как системы зажигания двигателя, впрыска топлива и выхлопных газов, а также работу автоматического трансмиссия и антиблокировочная система. Есть два режима работы компьютера — разомкнутый и замкнутый. Разомкнутый контур работает по заданной программе и используется, когда двигатель холодный, в то время как замкнутый контур работает с использованием различных датчиков и возникает, когда двигатель прогрет до рабочей температуры.
Модуль управления трансмиссией (PCM) выполняет множество функций в вашем автомобиле. Он принимает информацию от различных датчиков двигателя и на основе этой информации, запрограммированной в его память, PCM генерирует выходные сигналы для управления реле, исполнительными механизмами и соленоидами. С другой стороны, он отправляет команду топливным форсункам, которые дозируют соответствующее количество топлива. Одним словом, на протяжении всего пути за рулем PCM автоматически определяет и компенсирует любые изменения высоты, чтобы контролировать общее состояние автомобиля.
Здесь мы возьмем одну из его функций — регулировку угла опережения зажигания для конкретного объяснения. Выбор момента зажигания — это последовательность искр, создаваемых свечами зажигания для воспламенения топливовоздушной смеси в каждом цилиндре двигателя. Этот шаблон можно настроить на более быстрый или более медленный цикл в зависимости от условий в двигателе, таких как число оборотов в минуту (об / мин), то есть, насколько быстро двигатель работает. Модуль помогает синхронизировать опережение зажигания с частотой вращения.
Вы можете рассматривать PCM как небольшой компьютер, который следит за правильной работой двигателя для приблизительного понимания.Тем не менее, у него есть некоторые факторы, которые отличают его от обычных ноутбуков или настольных компьютеров. Во-первых, PCM — это то, что мы называем системой на кристалле. Все части вычислительной системы, такие как процессор, память и вспомогательные периферийные устройства, сделаны достаточно маленькими, чтобы их можно было установить на одной крошечной печатной плате или микросхеме. Во-вторых, PCM выполняет работу, повторяющую один и тот же набор функций, в то время как компьютеры общего назначения выполняют множество задач, направленных на выполнение различных функций. В-третьих, PCM работает в режиме реального времени, его отказ может привести к серьезным проблемам, поскольку он отвечает за управление несколькими критическими процессами в двигателе автомобиля, в то время как такие сбои в компьютерах общего назначения редко приводят к каким-либо плохим последствиям.
Модуль управления трансмиссией (PCM) расположен в разных местах в зависимости от автомобиля. Его можно найти в моторном отсеке рядом с брандмауэром на некоторых автомобилях. В других случаях он может быть расположен на приборной панели автомобиля, закопан позади или под другими компонентами, либо спрятан за консолью или системой климат-контроля. Кроме того, его также можно найти под сиденьем. В этом случае сначала необходимо снять сиденье, чтобы получить доступ к PCM.

Добавляем мозги в автомобили — EEJournal

«Я использую не только все свои мозги, но и все, что могу позаимствовать.»- Вудро Вильсон

Есть эпизод Star Trek , в котором Enterprise уходит в прошлое, на Землю 20-го века. Глядя вниз на автострады, заполненные машинами, член экипажа поражается, что простые люди могут управлять таким количеством транспортных средств так близко друг к другу без постоянных столкновений.

С последним пополнением своего флота, Shoppok Now, пользователи теперь могут делать покупки со своего смартфона.

Оказывается, это сложно. Хотя люди довольно хорошо управляют двухтонными транспортными средствами в тесном строю всего в нескольких футах друг от друга, научить компьютеры делать это еще сложнее.Дело не в недостатке датчиков. Это потому, что у нас недостаточно вычислительных мощностей, чтобы разобраться во всем этом. Автоматическое вождение — одно из следующих приложений-убийц.

Оглядываясь назад, неудивительно, что поставщики графики, такие как nVidia и Imagination Technologies, заняли лидирующие позиции в области разработки микросхем для беспилотных автомобилей. Алгоритмы автоматизации полагаются на нейронные сети, а обработка в нейронных сетях очень похожа на обработку графики (которая очень похожа на обработку цифровых сигналов прошлых лет). Оба требуют множества повторяющихся одновременных операций, выполняемых параллельно.Вместо менталитета IF-THEN-ELSE, присущего «нормальным» микропроцессорам, машины нейронных сетей (NN) в значительной степени опираются на MUL-ADD-REPEAT.

Также неудивительно, что Imagination изменила свою популярную архитектуру PowerVR NX, чтобы еще больше сосредоточиться на рынке автомобильных беспилотников. На этой неделе новинка — семейство ускорителей нейронных сетей (NNA) Series4.

Новая линейка Sereis4 — это сюрприз! — продолжение существующей линейки продуктов Series 3NX, впервые представленной около двух лет назад, и семейства продуктов 2NX до этого.Компания исключила название PowerVR из линейки продуктов и теперь предпочитает просто IMG Series4; индивидуальные проекты имеют названия 4NX-xx.

Внутренняя аппаратная архитектура 4NX и модель программиста будут знакомы любому, кто программировал предыдущие поколения, или, действительно, любому, кто раньше использовал графику PowerVR. Во всем каталоге есть сильное семейное сходство, что неплохо.

Тем не менее, 4NX совершенно новый, и одним из самых больших изменений является его масштабируемость.Вместо того, чтобы пытаться создать один большой гонзо-процессор, способный справиться со всем, Imagination использует подход «разделяй и властвуй» и позволяет вам создавать собственную сетку движков NNA любого размера, который вы хотите. Самая маленькая реализация имеет ровно одно ядро ​​4NX, а самая большая может обрабатывать сотни.

Как и большинство многоядерных процессоров, механизмы 4NX объединены в кластеры. Компания предлагает готовые группы из 1, 2, 4, 6 и 8 процессоров на кластер. Каждый процессор в кластере имеет свою собственную частную RAM, а также общую RAM для кластера.Кластер общается с внешней памятью и с другими кластерами через пару интерфейсов AXI. До четырех кластеров могут составлять «суперкластер», и возможно иметь несколько суперкластеров. Независимо от размера или плотности кластера все процессоры 4NX идентичны. Здесь нет варианта «большой. Маленький».

Алгоритмы нейронной сети

процветают благодаря параллелизму, и это то, что обеспечивает 4NX. Но параллелизм, как и движение по автостраде, сложнее, чем кажется. Масштабирование аппаратных механизмов — это только часть проблемы.Настоящая уловка состоит в том, чтобы распределить рабочую нагрузку программного обеспечения по всему этому оборудованию. Обычным компьютерно-ориентированным процессорам (x86, ARM, MIPS, PowerPC и т. Д.) Это сложно, поэтому мы не видим процессоры для ПК с десятками ядер ЦП. К счастью, рабочие нагрузки DSP, графики и нейронной сети можно векторизовать гораздо эффективнее.

Tensor tiling — это искусство и наука разделения рабочей нагрузки на однородную структуру процессоров, таких как 4NX. Это довольно распространено на современных платформах искусственного интеллекта, но это не значит, что это тривиальная задача.Imagination предоставляет программные инструменты для создания мозаичного изображения своего нового семейства продуктов, что является большим шагом к тому, чтобы сделать 4NX пригодным для использования.

До 4NX осталось несколько недель, в том смысле, что Imagination отправит RTL клиентам примерно в середине декабря. Однако несколько неназванных автомобильных OEM-производителей уже получили поставки, так что ожидайте несколько тестовых чипов на базе 4NX примерно в конце следующего года. Если предположить, что некоторым автопроизводителям понравится то, что они видят, технология может появиться на пути через несколько лет после этого, скажем, примерно в 2024 модельном году.Будущее почти здесь!

Связанные

Водитель — мозг автомобиля

Предположим, если хотите, на Землю спустились инопланетные ученые и начали изучать местные формы жизни. Но предположим, что эти инопланетяне прибывают на обочину оживленной скоростной автомагистрали и остаются там. Наши инопланетяне могут заключить, что автомобили — доминирующие жители Земли.

Автомобили явно демонстрируют разумное поведение, они могут объезжать препятствия и следовать сложным инструкциям на дорожных знаках.Как, могут спросить инопланетяне, автомобили справляются с этим? Что является местом автомобильной разведки? После некоторых экспериментов инопланетяне в конечном итоге выяснили, что это углеродный орган внутри автомобиля, он же водитель, который управляет транспортным средством. Водитель принимает решения, а остальная часть машины просто следует его командам. Доказательством этого является то, что если пришельцы удаляют водителя машины, она перестает двигаться. Можно провести эксперименты, чтобы выяснить функции различных частей драйвера.Например, при травме ступней водителя и автомобилю возникнут проблемы с торможением и ускорением, а повреждение руки приведет к выборочным нарушениям в повороте. Эти эксперименты с повреждениями могут быть дополнены исследованиями изображений, в которых инопланетяне сканируют автомобиль и записывают активность в различных частях водителя. Как и предсказывали исследования повреждений, ступни будут более активными при торможении, а движения рук будут предсказывать повороты.

В конце концов, «водительские науки» — изучение водителя и его функции — станет хорошо развитой областью исследований инопланетян.Каждый знает, что руки отвечают за рулевое управление, в то время как ступни контролируют скорость и так далее.

*

Надеюсь, это очевидно, что в этом сценарии я провожу аналогию между водителем как контролером машины и мозгом как контролером тела. Пришельцы пришли к выводу, что человек-водитель — это «мозг» машины.

Зная нейробиологию так же, как и мы, у нас может возникнуть соблазн сказать, что инопланетяне ошибаются и что только мозг водителя на самом деле отвечает за управление автомобилем.Мы думаем, что пришельцы ошибаются, полагая, что руки, ноги или другие части тела имеют какое-то отношение к разуму. Мозг — это драйвер водителя.

Но кто может сказать, что мы не попадаем в ту же ловушку, что и инопланетяне, когда приписываем интеллект определенным областям мозга? Если мы говорим о миндалевидном теле (скажем), «распознающем угрозу», мы подразумеваем, что эта область сама по себе выполняет разумную функцию; но это могло бы быть так же ошибочно, как сказать, что ноги «распознают», что машина едет слишком быстро.

Технология Nissan «мозг-к-автомобилю» | Bitbrain

Производитель автомобилей Nissan начал год с презентации первой технологии Brain-to-Vehicle (или B2V) в Лас-Вегасе на выставке CES 2018. Это большая революция для отрасли, которая связывает мозг водителя с автомобилем, радикально меняя его образ. мы взаимодействуем с транспортными средствами. Вместо замены водителя автопилотом цель состоит в том, чтобы получить доступ к намерениям водителя в диапазоне от 0,2 до 0.За 8 секунд до их выполнения. Действия водителя ожидаются и достигается индивидуальный, более комфортный и более безопасный опыт вождения . Проект основан на интерфейсе мозг-компьютер со значительным прогрессом в трех направлениях: носимые сенсорные устройства мозга, обработка сигналов активности мозга для прогнозирования движений человека и новые стратегии совместного управления транспортными средствами. Подключение нашего мозга к автомобилям для улучшения или адаптации стиля вождения, без сомнения, будет темой, которая будет в центре внимания в ближайшие годы.

Технология Nissan Brain-to-Vehicle или B2V

С момента, когда наш мозг посылает команду движения, проходит от 0,2 до 0,4 секунды, пока наши мышцы не выполнят ее. Это время, необходимое для прохождения приказа по нервной системе от мозга до активации мышц. И за 0,2–0,6 секунды до того, как мозг даже «отдает» команду, мозг «подготавливает» движение. Таким образом, возможно, , идентифицировать намерение водителя между 0,4 и 1 секундами до того, как водитель фактически нажмет на тормоз, и, следовательно, автомобиль может начать торможение немедленно.На скорости 100 км / ч это означает экономию 27 метров тормозного пути, разница между жизнью и смертью при лобовом столкновении . Предвидение предполагаемого движения улучшает время реакции и может быть распространено на другие действия, такие как поворот или маневрирование, поскольку оно включает в себя двигательное поведение наших рук и ног, которое может ожидаться автомобилем.

Намерение водителя можно узнать почти за секунду до того, как водитель нажмет на педаль тормоза. Автомобиль мог сразу начать тормозить, что значительно экономило тормозной путь.

Важным аспектом интеграции этой информации с транспортным средством является то, что она основана на совместном управлении , что означает, что транспортное средство и водитель совместно управляют автомобилем, что приводит к более приятному и безопасному вождению. Это представляет собой новую концепцию, альтернативную автономному вождению, цель которой — заменить водителя автопилотом, автономным автомобилем или автономной системой.

Исполнительный вице-президент Nissan Даниэле Скиллачи описывает свое видение будущего: « Благодаря Nissan Intelligent Mobility мы движем людей к лучшему миру, обеспечивая большую автономность, большую электрификацию и больше возможностей подключения ».И Доктор Люсьен Георге , старший научный сотрудник Nissan Intelligent Mobility, утверждает, что « возможности применения этой технологии невероятны. Это исследование станет катализатором инноваций Nissan в наших автомобилях в следующие годы ».

Эти принципы работы мозга и его связь с вождением лежат в основе технологии Brain-to-Vehicle, представленной Nissan на выставке потребительской электроники CES 2018, крупнейшей мировой выставке бытовой электроники.Достижения Nissan являются первой вехой, достигнутой в сотрудничестве с Bitbrain, Швейцарским федеральным технологическим институтом и Канадским национальным исследовательским советом.

Этот проект поддерживается четырьмя основными направлениями исследований и разработок:

1. Новая носимая и беспроводная технология распознавания мозга, которую водитель использует для измерения активности мозга с помощью электроэнцефалограммы (ЭЭГ).

2. Анализ данных мозговой активности в режиме реального времени, способный обнаруживать ожидание движения водителя.

3. Новые процедуры совместного управления автомобилем и водителем, использующие информацию мозга.

4. Новые системы интеграции и тесты, основанные на симуляциях и реальных транспортных средствах.

Минималистичная технология ЭЭГ, оптимизированная для проекта

В этой линейке Bitbrain совместно с Nissan разработала инновационную носимую и минималистичную нейротехнологию ЭЭГ с сухими датчиками, оптимизированную для измерения активности мозга, связанной с движением.Это ЭЭГ-система , которая: а) не требует для работы электролитических проводящих веществ, б) очень удобна и эргономична, в) предназначена для улавливания естественного поведения водителя, и г) представляет собой технологичный и более дискретный дизайн, чем любая другая существующая технология ЭЭГ. Его можно установить в среднем менее чем за две минуты и может непрерывно работать до восьми часов, передавая информацию о мозговой активности водителя на Bluetooth автомобиля.

Этот проект требовал, чтобы система ЭЭГ имела три ключевых свойства:

1. Приемлемость для конечного пользователя : оборудование удобно носить в течение длительного периода времени, имеет «приятный» внешний вид и учитывает минимальное количество датчиков, необходимых для предотвращения перегрузки оборудования.

2. Нечувствительность к артефактам движения : естественные движения водителя создают шум при измерениях ЭЭГ. ЭЭГ является беспроводной — кабели являются обычным источником шума — и представляет собой инновационное активное экранирование, которое снижает шум, производимый любым ненейронным сигналом.

3. Надежное измерение необходимых мозговых процессов : ЭЭГ может измерять корковые потенциалы, связанные с движением (MRCP), и синхронизацию (де) синхронизацию, связанную с моторными событиями (ERD / ERS).MRCP особенно сложно измерить с хорошим качеством при использовании технологии сухой ЭЭГ.

В этом видео показан пример использования этой нейротехнологии в промежуточном прототипе.

Разработка этой носимой технологии ЭЭГ является явным шагом вперед для этого проекта и, в более общем плане, для применения этих технологий за пределами лаборатории. Эта технология фиксирует естественное поведение водителя и регистрирует ЭЭГ с беспрецедентной точностью и надежностью , которые необходимы для захвата моторных и когнитивных процессов мозга, задействованных при вождении автомобиля.

Новая минимальная ЭЭГ — это значительный шаг вперед на пути к надежным устройствам измерения мозга, адаптированным для повседневной жизни.

Интерфейс мозг-компьютер для прогнозирования движения

Интерфейс мозг-компьютер интерпретирует сигналы мозговой активности водителя. Технология B2V основана на подготовительной мозговой деятельности, которая предшествует выполнению движения, чтобы предвосхитить намерения пользователя. Эта активность происходит в основном в моторной коре и определяется с помощью двух нейронных коррелятов ЭЭГ: корковых потенциалов, связанных с движением, (MRCP) и моторных , связанных с (де) синхронизацией (де) синхронизацией (ERD / ERS).Типичный подход к наблюдению за этими процессами состоит в объединении нескольких повторений одного и того же движения и демонстрации того, что известно как среднее значение Grand Average .

На следующем рисунке показана форма этих двух мозговых процессов, когда человек начинает ходить (начинает движение правой ногой), измеренная в области моторной коры головного мозга. Обратите внимание, что ноль на горизонтальной оси соответствует началу порядка, а также тому, как домоторные потенциалы и колебания предшествуют порядку (подготовка мозга к движению).Задача интерфейса мозг-компьютер — измерить эти мозговые процессы и максимально быстро их расшифровать.

В следующем видео показан пример этих мозговых процессов в другом контексте приложения, у пациента с цереброваскулярным нарушением (см. Научную публикацию). Ноль — начало порядка движения, желтая линия представляет активацию мышцы руки (ЭМГ, электромиографическая активность), а зеленая линия — расшифровка активности мозга (полученная с помощью интерфейса мозг-компьютер).Значения желтой и зеленой линий указывают вероятность движения. Обратите внимание, как намерение декодируется до того, как создается движение.

Мозговые процессы, используемые в мозге к транспортному средству, — это связанные с движением корковые потенциалы (MRCP) и моторная десинхронизация (ERD / S).

Адаптация системы вождения под водителя

Несмотря на то, что можно было предположить на предыдущих изображениях, декодирование активности мозга в реальном времени, связанной с ожиданием движения , представляет собой очень сложный процесс .

1. Во-первых, декодирование работает с активностью, генерируемой одним движением, а не со средним значением, и поэтому отношение сигнал / шум ниже (это означает, что сигнал ЭЭГ представляет больше шума, чем то, что было показано на изображениях).

2. Во-вторых, нет априорной информации о моменте, когда водитель собирается затормозить, и, следовательно, мы должны декодировать намерения водителя непрерывно (поскольку нет определенного временного интервала для идентификации декодирования, точность обнаружения снижается).

3. В-третьих, мозг каждого человека индивидуален, и, следовательно, вышеупомянутые мозговые процессы, связанные с движением, также имеют разные сигнатуры ЭЭГ (существуют большие межличностные и внутриличностные различия).

К этим проблемам подходят алгоритмы, которые прогнозируют движение на основе методов обработки сигналов с автоматическим обучением (машинное обучение и искусственный интеллект), которые требуют определенной фазы калибровки для каждого объекта.

На этом этапе калибровки пользователь двигается естественно, производя набор движений, подобных тем, которые мы хотим декодировать. Во время выполнения этих движений регистрируются сигналы мозга и информация о движениях водителя. Данные ЭЭГ будут использоваться для калибровки и обучения системы декодирования ЭЭГ. После обучения интерфейса мозг-компьютер на основе ЭЭГ можно в реальном времени расшифровать намерение водителя двигаться примерно на 0,5 секунды быстрее (или даже на 1 секунду раньше, в зависимости от человека), чем реальное движение.

В случае вспомогательного вождения можно использовать симулятор для тренировки интерфейса мозг-компьютер. Фактически, Nissan использовал автомобильный симулятор, чтобы обучить и оценить обнаружение предвкушения движения. Во время выставки CES люди, желающие протестировать интерфейс «мозг-машина», должны сначала откалибровать систему . Участники следовали инструкциям тренажера , в то время как их мозговая активность и движения, такие как поворот руля и торможение, регистрировались.Когда система обнаружила, что обучение было удовлетворительным, участник был готов управлять симулятором с непосредственной помощью, полученной от его мозга.

Компания Nissan использовала автомобильный симулятор для обучения методам автоматического обучения обнаружению предвкушения движения.

Другие проекты «мозг-машина» или «мозг-2» по всему миру

Nissan — не единственный производитель автомобилей, заинтересованный в концепции «мозг-к-автомобилю», использующей системы ЭЭГ в своих автомобилях.Форд, например, в сотрудничестве с Королевским колледжем Лондона сравнил внимание и время реакции профессиональных пилотов с трассой и обычных водителей . Для этого они использовали системы ЭЭГ и виртуальной реальности. Результаты показывают, что на высоких скоростях пилоты гораздо лучше игнорируют отвлекающие факторы. Хотя в то время Ford интересовался использованием этих систем для улучшения характеристик своих пилотов, участвующих в соревнованиях, мир автомобильных гонок всегда был местом инноваций до того, как разработки достигли реальной дороги.

Если Ford желает контролировать и улучшать возможности своих пилотов, Audi использовала системы ЭЭГ в рамках проекта «25-й час» для оценки опыта пользователей автономных транспортных средств. Производители знают, что в связи с быстрыми изменениями, происходящими в автомобильной промышленности, время, проведенное в автомобилях, будет сильно отличаться от сегодняшнего. Используя футуристическую симуляцию автономного транспортного средства, Audi изучила ожидания тысячелетий от этих транспортных средств, сосредоточившись первоначально на том, как создать среду, которая способствует производительности.Данные ЭЭГ показывают различные уровни когнитивных требований в зависимости от стимулов, предъявляемых транспортным средством (вид водителя, пространство для релаксации и т. Д.).

В другом проекте, разработанном Bitbrain в сотрудничестве с Ogilvy, для компании Seat automotive был разработан нейроконфигуратор транспортного средства, позволяющий адаптировать характеристики автомобиля к темпераменту водителей. Технология оценивала темперамент водителей в процессе демонстрации видео (стимулов), в то время как их мозговой ответ регистрировался с помощью минималистичной носимой ЭЭГ.Эта технология была представлена ​​на Парижском автосалоне и использовалась более 8000 человек менее чем за 15 дней. Это стало важной вехой в использовании интерфейсов мозг-компьютер из-за интенсивности использования и того, что участники использовали его автономно и без помощи технического персонала.

В настоящее время существует множество инноваций для улучшения взаимодействия между людьми и транспортными средствами , и нет никаких сомнений в том, что использование информации мозга открывает широкое поле для исследований и будущих потенциальных приложений.Эти приложения включают технологии для обнаружения и оценки водителя, контроля и адаптации стиля вождения, а также для создания еще более захватывающих и приятных ощущений от вождения. Глобальные технологии «мозг-транспорт» уже здесь, и вопрос в том, откажутся ли люди от контроля над своими автомобилями в будущем или, скорее, поделят контроль. Мы точно знаем, что очень скоро выйдем за рамки ручного вождения.

Возможно, вас заинтересует :

Внутри лаборатории, где Waymo строит мозги для своих беспилотных автомобилей

Прямо сейчас минивэн, за рулем которого никого нет, проезжает через пригород Феникса, штат Аризона.И хотя это может показаться тревожным, компания, создавшая «мозг», обеспечивающий автономность автомобиля, хочет заверить вас, что он полностью безопасен. Waymo, самоуправляемое подразделение Alphabet, является единственной компанией в мире, которая на сегодняшний день использует автомобили без водителя на дорогах общего пользования. Это стало возможным благодаря сложному набору нейронных сетей, основанных на машинном обучении, о котором очень мало известно — до сих пор.

Впервые Waymo приоткрывает завесу над тем, что, возможно, является наиболее важным (и наиболее трудным для понимания) элементом своего технологического стека.Компания, лидирующая в гонке беспилотных автомобилей по большинству показателей, уверенно заявляет, что у ее автомобилей сегодня самый продвинутый мозг на дороге. Это благодаря хорошему старту в инвестициях в ИИ, некоторым стратегическим приобретениям дочерней компанией Google и тесным рабочим отношениям с внутренней командой исследователей ИИ технологического гиганта.

передний край искусственного интеллекта

Любой желающий может купить кучу фотоаппаратов и датчиков LIDAR, поставить их на машину и назвать это автономным.Но обучение беспилотного автомобиля поведению водителя-человека или, что еще более важно, умению водить лучше, чем человек, находится на переднем крае исследований в области искусственного интеллекта. Инженеры Waymo моделируют не только то, как автомобили распознают объекты на дороге, например, но и то, как поведение человека влияет на поведение автомобилей. И они используют глубокое обучение для интерпретации, прогнозирования и реагирования на данные, полученные за 6 миллионов километров пробега по дорогам общего пользования и 5 миллиардов километров, проеханных с помощью моделирования.

Анка Драган, один из новых сотрудников Waymo, находится в авангарде этого проекта.Она присоединилась к компании только в январе после того, как запустила лабораторию InterACT в Калифорнийском университете в Беркли, которая занимается взаимодействием человека и робота. (На фотографии на веб-сайте Беркли Драган широко улыбается, пока рука робота наливает ей дымящуюся чашку кофе.) Ее роль состоит в том, чтобы гарантировать, что наше взаимодействие с беспилотными автомобилями Waymo — как пешеходов, пассажиров и других водителей — полностью положительный. Или, другими словами: она наша опора против неизбежной революции роботов.

Драган должен соблюдать баланс. Хотя нам не нужны роботы-повелители, мы не хотим и водителей роботов-молокотоев. Например, если вы мчитесь по оживленному шоссе со скоростью 65 миль в час и хотите выехать на левую полосу движения, вы можете просто двигаться вперед, пока другие водители не освободят для вас место. Беспилотный автомобиль, обученный следовать правилам дорожного движения, может с трудом справиться с этим. Недавно в Твиттере появилось видео, на котором один из минивэнов Waymo пытается выехать на оживленное шоссе и в значительной степени терпит неудачу.

«Как мы можем адаптировать его к водителям, с которыми он разделяет дорогу?» — говорит Драган. «Как сделать его более комфортным или более естественным? Это тонкие улучшения, которые, если вы хотите, чтобы они работали, вам действительно нужна система, которая чертовски работает ».

Фото Амелии Холовати Кралес / The Verge

Для инновации, которая должна спасти нас от дорожно-транспортных происшествий, эти несколько месяцев были крайне обескураживающими.В марте 49-летняя женщина была сбита беспилотным автомобилем Uber при переходе улицы в Темпе, штат Аризона. Несколько недель спустя владелец Tesla Model X погиб в ужасной аварии при использовании автопилота, полуавтономной системы помощи водителю. А буквально на прошлой неделе беспилотный минивэн Waymo был сбит седаном Honda, который выехал на встречную полосу движения.

это были крайне удручающие несколько месяцев

Между тем в обществе растет скепсис.Регулирующие органы начинают переосмысление бесплатного пропуска, который они рассматривали для предоставления компаниям для создания и тестирования полностью беспилотных автомобилей. В разгар всей этой неопределенности Waymo пригласил меня в свою штаб-квартиру в Маунтин-Вью, штат Калифорния, для серии подробных интервью с ведущими специалистами компании с искусственным интеллектом.

Waymo размещается в X, лаборатории исследований и разработок Google с высоким уровнем риска, которая расположена в нескольких милях от главного кампуса Googleplex. (В 2015 году, когда Google реструктурировал себя в конгломерат под названием Alphabet, X исключил Google из своего названия.Год спустя проект Google по созданию беспилотных автомобилей «завершился» и превратился в независимую компанию под названием Waymo. Тем не менее, команда самоуправлений по-прежнему размещается на головном корабле, вместе с сотрудниками, работающими над дронами доставки и интернет-шарами.

Здание бывшего торгового центра находится в спокойной зоне залива. Единственное, что его можно отличить, — это пара самоуправляемых минивэнов Chrysler Pacifica, которые крутятся на стоянке и иногда останавливаются, чтобы сотрудники могли сделать селфи прямо перед ними.В Googleland знаменитости — это автомобили.

Waymo уже значительно опередила своих конкурентов в области автономного вождения. Он проехал больше всего миль — 6 миллионов по дорогам общего пользования и 5 миллиардов на моделировании — и в процессе собрал огромное количество ценных данных. У нее есть партнерские отношения с двумя крупными автопроизводителями, Fiat Chrysler и Jaguar Land Rover, и еще несколько на стадии разработки. Его тестовые автомобили находятся на дорогах Техаса, Калифорнии, Мичигана, Аризоны, Вашингтона и Джорджии.В конце этого года компания планирует запустить коммерческое такси без водителя в Аризоне.

В стране Google знаменитости — автомобили

Теперь компания хочет, чтобы ее преимущества во все еще развивающейся области искусственного интеллекта были более широко известны. На этой неделе генеральный директор Waymo Джон Крафчик выступил с презентацией на ежегодной конференции разработчиков устройств ввода-вывода. И идея была ясна: наши автомобили могут видеть дальше, лучше воспринимать и принимать быстрые решения быстрее, чем кто-либо другой.

«Это действительно сложная проблема, если вы работаете над полностью автономным транспортным средством…. из-за требований к возможностям и точности, — говорит мне Дмитрий Долгов, технический директор и вице-президент компании Waymo. «И опыт действительно имеет значение».

Глубокое обучение, которое представляет собой тип машинного обучения, в котором используется множество слоев нейронной сети для анализа данных в различных абстракциях, является идеальным инструментом для улучшения восприятия и поведения беспилотных автомобилей, говорит Долгов. «И мы начали довольно рано…. точно так же, как революция происходила прямо здесь, по соседству ».

Специалисты

по искусственному интеллекту из команды Google Brain регулярно сотрудничают с Долговым и его коллегами-инженерами в Waymo над методами повышения точности беспилотных автомобилей. В последнее время они вместе работали над некоторыми из наиболее интересных элементов исследования искусственного интеллекта, такими как «автоматическое машинное обучение», в котором нейронные сети используются для обучения других нейронных сетей. Waymo может быть отдельной компанией, но когда дело доходит до создания ауры неуязвимости, помогает иметь за спиной вашего старшего и гораздо более жесткого брата.

Внезапный интерес Waymo к полному совершенствованию своих возможностей ИИ связан с его серьезными усилиями по развертыванию транспортных средств, для которых не требуется, чтобы кто-то сидел за рулем. На сегодняшний день Waymo — единственная компания, взявшая на себя этот риск. Остальная часть отрасли спешит наверстать упущенное, скупая крошечные стартапы, чтобы дать толчок собственным усилиям по автономии. Более того, ключевые члены команды Google, занимающейся самоуправлением, ушли, чтобы повесить свою собственную черепицу, соблазненные большими возможностями и кучей денег, и предоставили технологическому гиганту бороться с новостями об «истощении» и «утечке мозгов».”

Бывшие члены команды Google по самообслуживанию и сторонние эксперты признают, что Waymo действительно имеет большое преимущество в этой области, но признают, что его конкуренты, вероятно, в конечном итоге наверстают упущенное. В конце концов, Waymo не имеет монополии на машины с мозгами.

«Каким бы сильным ни был Google, — говорит Дэйв Фергюсон, бывший ведущий инженер группы самоуправляемых автомобилей Google, который с тех пор ушел, чтобы основать свою собственную компанию под названием Nuro, — эта область сильнее ».

Изображение: Классификация ImageNet с глубокими сверточными нейронными сетями

Так было не всегда.Еще в начале 2000-х поле было довольно слабым.

Нейронные сети

, тип машинного обучения, при котором программисты создают модели, которые просеивают огромные массивы данных и ищут общие закономерности, еще не были популярны. Произошел большой сдвиг от нейронных сетей, которые были довольно мелкими (два или три слоя), к глубоким сетям (двузначные слои). Хотя эта концепция восходит к 1950-м годам, когда начались исследования в области искусственного интеллекта, большинство компьютеров не были достаточно мощными, чтобы обрабатывать все необходимые данные. Все изменилось с соревнованием ImageNet в 2009 году.

ImageNet начинался с плаката исследователей Принстонского университета, который был показан на конференции 2009 года по компьютерному зрению и распознаванию образов во Флориде. (Плакаты — это типичный способ обмена информацией на конференциях по машинному обучению такого типа.) После этого он превратился в набор данных изображений, а затем в соревнование, чтобы увидеть, кто может создать алгоритм, который мог бы идентифицировать большинство изображений с наименьшим количеством ошибок. Набор данных был «обрезан» от примерно 10 000 изображений до тысячи категорий или «классов» изображений, включая растения, здания и 90 из 120 пород собак.Примерно в 2011 году уровень ошибок составлял около 25 процентов, что означало, что каждое четвертое изображение неправильно определялось алгоритмами команд.

Помощь пришла из неожиданного места: мощные графические процессоры (GPU), которые обычно встречаются в мире видеоигр. «Люди начали понимать, что эти устройства на самом деле можно использовать для машинного обучения», — говорит Винсент Ванхаук, бывший исследователь голосовой связи в Google, который теперь является техническим руководителем компании по ИИ. «И они особенно хорошо подходили для работы с нейронными сетями.”

Самый большой прорыв произошел в 2012 году, когда исследователь ИИ Джеффри Хинтон и двое его аспирантов, Илья Суцкевер и Алекс Крижевский, показали новый способ решения проблемы: глубокую сверточную нейронную сеть для ImageNet Challenge, которая могла обнаруживать изображения повседневных объектов. . Их нейронная сеть смутила конкурентов, снизив частоту ошибок при распознавании изображений до 16 процентов по сравнению с 25 процентами при использовании других методов.

«И с тех пор мы никогда не оглядывались назад.”

«Я считаю, что это был первый случай, когда подход на основе нейронной сети с глубоким обучением превзошел более стандартный подход», — говорит Фергюсон, бывший инженер Google. «И с тех пор мы никогда не оглядывались назад».

Крижевский более осмотрительно подходит к своей роли в ImageNet Challenge 2012. «Думаю, мы были в нужном месте в нужное время», — говорит он мне. Он объясняет их успех своим увлечением программированием графических процессоров для запуска кода для нейронной сети команды, что позволяет им проводить эксперименты, которые обычно занимают месяцы, всего за несколько дней.По его словам, Суцкевер подключил эту технику к конкурсу ImageNet.

Успех Хинтона и его команды «вызвал эффект снежного кома», — говорит Ванхаук. «Благодаря этому появилось много инноваций». Непосредственным результатом стало то, что Google приобрел компанию Хинтона DNNresearch, в которую входили Суцкевер и Крижевский, за нераскрытую сумму. Хинтон остался в Торонто, а Суцкевер и Крижевский переехали в Маунтин-Вью. Крижевский присоединился к команде Ванхаука в Google Brain. «И тогда мы начали думать о применении этих вещей в Waymo», — говорит Ванхаук.

Другой исследователь Google, Анелия Ангелова, первой обратилась к Крижевскому и предложила применить их результаты в автомобильном проекте Google. Ни один из них официально не работал в этой команде, но возможность была слишком хороша, чтобы ее игнорировать. Они создали алгоритм, который может научить компьютер узнавать, как выглядит пешеход — путем анализа тысяч уличных фотографий — и идентифицируют визуальные шаблоны, которые определяют пешехода. Этот метод оказался настолько эффективным, что Google начал применять его к другим частям проекта, включая прогнозирование и планирование.

Проблемы возникли практически сразу. Новая система допускала слишком много ошибок, неправильную маркировку автомобилей, светофоров и пешеходов. К тому же он был недостаточно быстрым, чтобы работать в реальном времени. Итак, Ванхаук и его команда прочесали изображения и обнаружили, что большинство ошибок были ошибками, сделанными людьми этикетировщиками. Google привлек их, чтобы предоставить базовый уровень или «основную истину», чтобы измерить степень успеха алгоритма, — а вместо этого они добавили ошибки. Оказалось, что проблема с автономными автомобилями по-прежнему была в людях.

Проблема с автономными машинами, как выяснилось, осталась у людей

После исправления человеческой ошибки Google все еще изо всех сил пытался модифицировать систему до тех пор, пока она не могла мгновенно распознавать изображения. Работая в тесном сотрудничестве с командой Google по созданию беспилотных автомобилей, исследователи искусственного интеллекта решили включить более традиционные подходы к машинному обучению, такие как деревья решений и каскадные классификаторы, с нейронными сетями, чтобы достичь «лучшего из обоих миров», — вспоминает Ванхаук.

«Это было очень, очень захватывающее время для нас, чтобы на самом деле продемонстрировать те методы, которые использовались для поиска изображений кошек и интересных вещей в Интернете», — говорит он.«Теперь они фактически использовались для повышения безопасности беспилотных автомобилей».

Крижевский покинул Google несколько лет спустя, заявив, что «потерял интерес» к работе. «На какое-то время я впал в депрессию, — признается он. Его уход озадачил его коллег из Google, и с тех пор он приобрел мифический статус. (Фергюсон назвал его «шептателем искусственного интеллекта».) Сегодня Крижевский задается вопросом, хватит ли этих ранних успехов, чтобы дать Google непреодолимое лидерство в области автономии. Другие автомобильные и технологические компании уже осознали важность машинного обучения, и данные Waymo могут быть слишком конкретными для экстраполяции в глобальном масштабе.

«Я думаю, что у Tesla есть уникальное преимущество в том, что она может собирать данные из самых разных сред, потому что владельцы Tesla с беспилотным оборудованием есть по всему миру», — говорит он мне. «Это очень важно для обобщения алгоритмов машинного обучения. Так что я предполагаю, что, по крайней мере, с точки зрения данных, если не с алгоритмической стороны, Tesla может быть впереди ».

Искусственный интеллект и машинное обучение необходимы для беспилотных автомобилей. Но некоторые из конкурентов Waymo, в том числе бывшие члены команды Google по самостоятельному управлению автомобилем, задаются вопросом, как долго продержатся преимущества компании.

Стерлинг Андерсон — бывший директор автопилота в Tesla и соучредитель компании Aurora Innovation, которую он основал вместе с бывшим руководителем программы Google по беспилотным автомобилям Крисом Урмсоном и Дрю Бэгнеллом из Карнеги-Меллона. Он говорит, что естественным следствием улучшений в искусственном интеллекте является то, что большие успехи, такие как Waymo, «менее значительны, чем раньше». Другими словами, все, кто работал над беспилотными автомобилями в 2018 году, уже с самого начала используют глубокое обучение и нейронные сети. Блеск выключен.И, как старый фрукт, многие из этих данных с первых дней стали мягкими и несъедобными. Миля, пройденная в 2010 году, — это не миля, пройденная в 2018 году.

«Через несколько лет данные остаются на полу», — говорит Андерсон. «Это становится полезным для обучения и становится полезным для развития архитектуры и развития подхода. Но в какой-то момент утверждение, что я пробежал X миллионов миль или X миллиардов миль, или что-то еще, становится менее значимым ».

«Данные остаются на полу через несколько лет.” Инженеры

Waymo согласны с этим. «В частности, для машинного обучения существует такая вещь, как точка убывающей отдачи», — говорит Саша Арно, глава подразделения машинного обучения и восприятия компании. «Увеличение в 10 раз большего количества данных не обязательно даст вам гораздо более обширные наборы данных, потому что важна уникальность найденных вами примеров».

Другими словами, каждая дополнительная миля, которую набирает Waymo, должна быть интересной, чтобы иметь отношение к процессу обучения нейронных сетей компании.Когда автомобили сталкиваются с крайними случаями или другими уникальными сценариями, такими как пешеходные переходы или параллельные парковки, они фильтруются с помощью симулятора Waymo, чтобы преобразовать их в тысячи итераций, которые можно использовать для дальнейшего обучения.

Роботов тоже можно обмануть. Состязательные изображения или изображения, созданные для того, чтобы обмануть программное обеспечение машинного зрения, могут быть использованы для подрыва беспилотных автомобилей или даже их сбоев. Наклейки можно наклеить на знак «Стоп», чтобы система машинного зрения запуталась и решила, что это знак «45 миль в час».

Нейронная сеть, обученная Google распознавать предметы повседневного обихода, недавно была обманута и решила, что черепаха, напечатанная на 3D-принтере, на самом деле является оружием. Инженеры Waymo говорят, что они встраивают в свою систему избыточность, чтобы устранить эти возможности. Добавьте это к длинному списку проблем, связанных с беспилотными автомобилями, который включает взлом, программы-вымогатели и нарушения конфиденциальности.

Пешеходный переход со срединной точкой. Изображение: Waymo Jaywalk без медианы. Изображение: Waymo Строитель в люке. Изображение: Waymo Параллельная парковка. Изображение: Waymo

«Расскажите мне, в чем разница между кошкой и собакой».

Долгов сидит в одном из конференц-залов X с маркером в руке, MacBook Pro раскинулся перед ним и просит меня описать ему разницу между Гарфилдом и Оди.

Прежде чем я успеваю пробормотать ответ, Долгов продолжает: «Если я дам вам картинку и спрошу:« это кошка или собака », вы очень быстро узнаете, верно? Но если я попрошу вас описать мне, как вы пришли к такому выводу, это было бы нетривиально. Вы думаете, что это как-то связано с размером вещи, количество ног такое же, количество хвостов такое же, обычно такое же количество ушей. Но это не очевидно ».

По словам Долгова, этот тип вопросов действительно хорошо подходит для алгоритмов глубокого обучения.Одно дело — придумать набор основных правил и параметров, например, красный означает «стоп», зеленый означает «движение», а также научить компьютер различать разные типы дорожных знаков. Научить компьютер выбирать пешехода из океана данных датчиков легче, чем описывать разницу или даже кодировать ее.

Waymo использует автоматизированный процесс и людей для обучения нейронных сетей. После обучения эти гигантские наборы данных также необходимо обрезать и сжать, чтобы их можно было развернуть в реальном мире на транспортных средствах Waymo.Этот процесс, похожий на сжатие цифрового изображения, является ключевым при построении инфраструктуры для масштабирования до глобальной системы.

Если вы посмотрите на изображения, снятые камерами автомобилей, и поместите их рядом с той же сценой, созданной на основе данных лазерного датчика автомобиля, вы начнете понимать огромную проблему, которую Waymo пытается решить. Если вы никогда не видели LIDAR-рендеринг, лучший способ описать его — это Google Street View как психоделический плакат с черным светом.

Эти изображения представляют собой беспилотный автомобиль и то, что он «видит» вокруг, с высоты птичьего полета.Пешеходы изображаются желтыми прямоугольниками, другие транспортные средства — фиолетовыми прямоугольниками и т. Д. В Waymo есть категории «собака-кошка» и «птичья белка», которые используются для обозначения животных. (Оказывается, различия между собакой и кошкой не совсем актуальны для автономных транспортных средств.) Но за этим Waymo тренирует свои алгоритмы, чтобы распознавать нетипичных действующих лиц в окружающей среде: строителя по пояс в люке, кого-то в костюм лошади, человек, стоящий на углу и вращающий знак в виде стрелы.

«Редкие события действительно имеют значение».

Чтобы исключить человека-водителя из уравнения, автомобиль должен адаптироваться к более странным элементам типичного вождения. «Редкие события действительно имеют значение, — говорит мне Долгов, — особенно если речь идет об удалении драйвера ».

Запрограммировать машину так, чтобы она реагировала на людей, переходящих улицу в дневное время, — это одно, а заставить ее воспринимать и реагировать на пешехода — совсем другое. Что, если этот странник остановится на медиане? Беспилотные автомобили Waymo отреагируют осторожно, поскольку пешеходы часто подходят к середине дороги и ждут.Что делать, если медианы нет? Автомобиль распознает это как необычное поведение и замедляется настолько, чтобы позволить пешеходу перейти дорогу. Waymo построила модели с использованием машинного обучения, чтобы распознавать и реагировать как на нормальное, так и на необычное поведение.

Нейронным сетям требуется избыток данных для обучения. Это означает, что только Waymo собрала «сотни миллионов» автомобильных лейблов. Чтобы помочь понять это в контексте, руководитель отдела восприятия Waymo Арно подсчитал, что человеку, маркирующему автомобиль каждую секунду, потребуется 20 лет, чтобы набрать 100 миллионов.По словам Арно, машинам Waymo требуется четыре месяца, чтобы прокрутить весь этот набор данных во время процесса обучения, работая каждый час, каждый день, каждую неделю и нажимая 10 меток в секунду.

Требуется больше, чем хороший алгоритм, чтобы вырваться из геозонированных тестовых участков пригорода Феникса. Если Waymo хочет, чтобы его беспилотные автомобили были достаточно умными, чтобы работать в любой среде и в любых условиях — что определяется как уровень автономности 5, — ему нужна достаточно мощная инфраструктура для масштабирования своей системы автономного вождения.Арну называет это «индустриализацией» или «производством» ИИ.

Как часть Alphabet, Waymo использует центры обработки данных Google для обучения своих нейронных сетей. В частности, он использует мощную аппаратную систему облачных вычислений, называемую «модулями тензорной обработки», которая лежит в основе некоторых из самых амбициозных и далеко идущих технологий компании. Обычно эта работа выполняется с использованием имеющихся в продаже графических процессоров, часто от Nvidia. Но в последние несколько лет Google решил создать часть этого оборудования самостоятельно и оптимизировать его для своего собственного программного обеспечения.По словам Арно, TPU «на порядки» быстрее процессоров.

Будущее искусственного интеллекта в Waymo — не за разумными машинами

Будущее искусственного интеллекта в Waymo — не за разумными машинами. (Извините, поклонников Knight Rider и .) Это передовые исследования, такие как автоматизированное машинное обучение, в котором автоматизирован процесс создания моделей машинного обучения. «По сути, идея о том, что у вас есть машинное обучение искусственного интеллекта, которое создает другие модели искусственного интеллекта, которые фактически решают проблему, которую вы пытаетесь решить», — говорит Арнуд.

Это становится чрезвычайно полезным для езды по участкам с нечеткой разметкой полосы движения. В наши дни в самых сложных условиях вождения требуется, чтобы беспилотные автомобили принимали решения по навигации без белых линий, точек Боттса или четких границ на краю дороги. Если Waymo сможет создавать модели машинного обучения, чтобы обучать свои нейронные сети ездить по улицам с нечеткой разметкой, то беспилотные автомобили Waymo могут показать пригород Феникса сзади и в конечном итоге отправиться на открытую дорогу.

Как HERE помогает развивать мозг в автономных автомобилях

Мы разрабатываем передовые технологии автономного вождения с расширенным моделированием локализации. Это часть нашего растущего партнерства с NVIDIA.

Автономный автомобиль всегда должен знать, где он находится.

Звучит очевидно, но для большей детализации автомобилю требуется нечто большее, чем просто координата GPS на карте. Если вы когда-нибудь наблюдали, как синяя точка в приложении для смартфона парит в космосе, пытаясь определить, где именно вы находитесь, то вы точно понимали, почему беспилотный автомобиль должен быть в тысячу раз точнее стандартного GPS. .

Насколько точно транспортное средство должно определять свое местоположение? Очевидно, что автомобилю недостаточно знать, что он едет по определенной дороге, и не знать, что он едет по дороге в определенном направлении, обновляясь каждые несколько секунд.

Чтобы работать безопасно и комфортно, автономное транспортное средство никогда не может позволить себе не знать, где оно находится. Одна только камера может быть повреждена снегом или туманом. Датчики радаров могут быть заблокированы дорожным движением. GNSS может плохо видеть в густонаселенных городских каньонах.

Чтобы выполнить точный поворот, избежать встречи с другим автомобилем, идеально остановиться на перекрестке, автономному транспортному средству необходимо, чтобы его местоположение было с точностью до сантиметра. Это надежно достигается за счет сборки автомобиля с несколькими датчиками разных типов, работающих согласованно.

Чтобы понять это больше, послушайте Санджая Суда, вице-президента HERE по высокоавтоматизированному вождению.

Сегодняшние высокоавтономные автомобили (и полностью автономные автомобили завтрашнего дня) должны безупречно выполнять сложную задачу.Это работа, требующая огромных вычислительных мощностей. Это сложное упражнение, требующее как большого количества вспомогательных данных, так и сверхмощной вычислительной мощности, позволяющей принимать решения почти в реальном времени. Неудивительно, что человеческий мозг может делать это практически мгновенно.

Когда вы смотрите вокруг своей машины с точки зрения водителя, вы воспринимаете и обрабатываете огромный объем данных.

Вы знаете, в какой полосе движения находитесь. Одним взглядом вы чувствуете, как далеко вы находитесь от обочины.Вы знаете, как далеко находится следующий светофор, и когда вы приближаетесь к нему, вы точно знаете, где остановить автомобиль по отношению к полосам и дорогам вокруг вас.

Enter, модель локализации

Это много информации. Когда беспилотный автомобиль выполняет те же самые подвиги, он называется локализацией . Правильная локализация, которую мы сейчас наблюдаем на дороге, охватывает диапазон от макроуровня определения местоположения GPS до микроуровня понимания того, где ваша машина находится по отношению к бордюру, дорожному знаку и всем остальным. элементы дороги вокруг вас.

Для выполнения работы по локализации необходимы две вещи. Первый — точный, надежный информационный ресурс. HERE HD Live Map — это глубоко детализированная межмашинная карта, которая необходима автономным транспортным средствам для выполнения задач, которые обычно предоставляются человеческой памятью и опытом. Карта позволяет автономным транспортным средствам определять свое положение на дороге в сантиметрах, а не в ярдах. Более того, он содержит информацию о дороге впереди, поэтому автомобиль может видеть и принимать меры на основе данных, выходящих за пределы диапазона его собственных датчиков.

Второе требование — мощный графический процессор, который выполняет работу по принятию решений человеком. Этот графический процессор должен обладать достаточной вычислительной мощностью, чтобы принимать всю информацию с дороги и принимать разумные решения, которые обеспечивают водителям и пассажирам комфорт и безопасность в режиме реального времени. NVIDIA создает эти процессоры и выводит их на рынок, не добавляя тысячи и тысячи долларов к стоимости вашего автомобиля.

Мы гордимся тем, что создаем решения для автономного вождения вместе с нашими партнерами из NVIDIA.Мы рады помочь вам в реализации задач, которые вам понадобятся в высокоавтоматизированном транспортном средстве.

Автомобильные амбиции Nvidia включают большие мозги в автомобиле и в облаке — TechCrunch

Nvidia в этом году на выставке CES сосредоточит внимание на мобильном чипсете Tegra X1, новом SoC, который обеспечивает производительность настольных компьютеров для ряда мобильных устройств, включая смартфоны и планшеты, но распространяется также и на автомобили. Nvidia уже активно участвует в производстве автомобилей, обеспечивая работу многих автомобильных информационно-развлекательных систем, представленных на рынке от большинства крупных автопроизводителей.X1 дает Nvidia шанс еще больше расширить свое присутствие на рынке автомобилей и не только значительно улучшить информационно-развлекательные системы, но и сделать наши автомобили более интеллектуальными и автоматизированными, чем когда-либо.

Директор по автомобильной промышленности Nvidia Дэнни Шапиро рассказал нам об автомобильных амбициях своей компании с Tegra X1, объяснив, как процессор не только позволит производителям автомобилей создавать сенсорные интерфейсы, которые контролируют все аспекты внутренней среды автомобиля, но и как справочная информация Система, которую они поставляют, будет соединять два X1 для получения огромной локальной вычислительной мощности, позволяя автомобилю стать намного умнее в сочетании с датчиками и камерами, используемыми в конструкции автомобиля для предоставления информации об окружении автомобиля.

Это, в сочетании с локальной вычислительной мощностью, а также облачным анализом данных, который также может дополнять знания, полученные от других пользовательских транспортных средств, означает, что автомобили на базе интеллекта Nvidia со временем смогут расти и учиться, становясь умнее, и лучше определять, что именно он видит, как вещи будут вести себя и как реагировать на конкретные ситуации.