בטיחות ואמינות הם מרכיב קריטי עבור מפתחי רכב אוטונומי (AV), וזו משימה עוד יותר מורכבת כשצריך להאיץ את זמן היציאה לשוק ולצמצם את עלויות הפיתוח. על מנת להתמודד עם אתגרים אלה, חברת פורטליקס (Foretellix) שילבה APIs חדשים של שירותי הענן של אנבידיה - NVIDIA Omniverse Cloud, שהושקו בכנס 2024 GTC. היכולות החדשות מאפשרות סימולציה של חיישנים ברמת דיוק גבוהה במיוחד על פלטפורמת ™Foretify של פורטליקס, המשמשת את מפתחי הרכבים האוטונומיים.
פורטליקס, ספקית מובילה של פתרונות אוטומציה לבדיקות בטיחות של רכבים אוטונומיים, הציגה בכנס בפתרון שיוצר מהפכה באופן האימון והבדיקות של רכבים אוטונומיים, זאת באמצעות סימולציה מבוססת עולם אמיתי, ברמת דיוק גבוהה, ובקנה מידה נרחב.
סימולציה שמגיעה לרמת דיוק גבוהה על בסיס נתוני עולם אמיתי היא משימה מאוד מאתגרת, כיוון שהיא דורשת מידול מדויק של ההתנהגות הפיזית של חיישני המערכת האוטונומית וסביבתם. אימוץ הכלים החדשים של NVIDIA מאפשר לפורטליקס לתת מענה לאתגר הגובר בתחום ה-AV, בו סימולציה ברמת דיוק גבוהה היא קריטית על מנת לשקף את ההתנהגות הפיזית של מגוון עצום של חיישני רכב.
"הודות לסימולציית חיישנים ברמת דיוק גבוהה, פלטפורמת Foretify מספקת ארגז כלים מלא לאימון, בדיקה ואימות של רכבים אוטונומיים", אמר זיו בנימיני, מנכ"ל ומייסד שותף של פורטליקס. "השילוב של NVIDIA Omniverse Cloud APIs מאפשר לנו לייעל ולהפוך את תהליך הפיתוח לאוטומטי, וכך לסייע ללקוחות להאיץ את הפריסה של טכנולוגיות אוטונומיות ברמה גלובלית, תוך הפחתת עלויות הפיתוח".
"תעשיית הרכב האוטונומי משתמשת יותר ויותר במודלים מבוססי AI מקצה-לקצה, הדורשים הדמיית חיישנים מבוססת", אמר צבי גרינשטיין, סגן נשיא לתשתית רכב אוטונומי ב-NVIDIA. "אימוץ ה-APIs של NVIDIA Omniverse Cloud על ידי פורטליקס מאפשר לה לתגבר את ארגז הכלים של פלטפורמת Foretify שלה, עם יכולות חדשות של סימולציה לחיישנים, ולהגדיר סטנדרט חדש לפיתוח ואימות של כלי רכב אוטונומיים".
רכבים אוטונומיים מסתמכים כיום על חיישנים מרובים, כולל מצלמות וידיאו, מכ"מים ולידאר, כדי ליצור דימוי עולם מדויק. הרכב האוטונומי חייב לזהות במדויק, לעקוב ולהגיב לגורמים רבים, ובהם כלי רכב אחרים, הולכי רגל, רוכבי אופניים ועוד. הוא חייב גם להתמודד עם סביבת העולם האמיתי כמו תנאי מזג אוויר, תאורה וכביש, לצד ירידה בביצועי החיישנים (כתוצאה מבלאי וכדומה). עם זאת, איסוף נתוני עולם אמיתי לצורך אימון ואימות הרכב הוא מאמץ גדול ויקר, הכולל נסיעות מבחן, תיעוד נתונים ותיוג.
סימולציה וירטואלית ברמת האובייקט כבר נפוצה בשוק לצורך בדיקת מערכות התכנון והבקרה של רכבים אוטונומיים, אבל נדרשת גם סימולציה של הסנסורים כדי לאמת את מערך החישה של הרכב. מעבר לכך, פתרונות AV חדשניים מסתמכים על דאטה מחיישנים כדי לאמן ולאמת את ה-AI מקצה לקצה. עם זאת, ביצוע סימולציה המשקפת באופן מדויק את ההתנהגות הפיזית של החיישנים בעולם האמיתי הוא מאתגר מאין כמוהו.
בעיות בביצועים ובטיחות נובעות לעתים קרובות מהאינטראקציה בין מערך החישה לבין מערכות התכנון והבקרה. כאשר תת המערכות הללו נבדקות לחוד, תקלות מסוימות עלולות להופיע רק במבחני נסיעה בעולם האמיתי. כדי להבטיח את בטיחות הרכב האוטונומי, יש לבדוק את המערכת כולה מקצה לקצה בנוסף לבדיקת תת-המערכות במגוון רחב של תרחישי נהיגה, תנאי חישה ומיקומים.
