Terwijl we allemaal kijken hoe autofabrikanten en autonome technologiebedrijven samenwerken in verschillende allianties, het is normaal om je af te vragen wat hun betekenis is en wat de toekomst zal brengen. Realiseren we ons dat de technologie voor autonoom rijden en de acceptatie ervan door de samenleving langer kan duren dan verwacht? Zijn de kosten van het investeren in dergelijke technologie meer dan een enkele organisatie kan dragen? Worden deze allianties gedreven door de behoefte aan regelgeving die door regeringen en het publiek wordt geaccepteerd of door het ontwikkelen van normen waarover fabrikanten het eens kunnen worden?

De antwoorden zijn waarschijnlijk een beetje van elk, wat het een geschikte gelegenheid maakt om het grote geheel te bekijken en onze mening te delen over waar Intel en Mobileye in dit landschap staan.

Drie aspecten van Auto-Tech-AI

Er zijn drie aspecten aan automotive-technologie-artificiële intelligentie (auto-tech-AI) die zich ontvouwen:

1. Geavanceerde rijhulpsystemen (ADAS)
2. Rijden met robottaxi als de toekomst van mobility-as-a-service (MaaS)
3. Autonomie in serieproductie van personenauto's

Met ADAS-technologieën, de bestuurder behoudt de controle terwijl het systeem ingrijpt wanneer dat nodig is om ongevallen te voorkomen. Dit is vooral belangrijk omdat afgeleid autorijden onverminderd toeneemt. Bekend als niveaus 0-2 zoals gedefinieerd door de Society of Automotive Engineers (SAE), ADAS belooft de kans op een ongeval te verminderen tot oneindig kleine niveaus. Deze kritieke fase van auto-tech-AI is in volle gang, met de huidige penetratie van ongeveer 22%, een aantal dat naar verwachting sterk zal stijgen tot 75% in 2025.

In de tussentijd, het autonoom rijden aspect van auto-tech-AI komt in twee fasen:robotaxi MaaS en in serie geproduceerde auto-autonomie. Wat is er veranderd in de mentaliteit van veel bedrijven, waaronder een groot deel van de auto-industrie, is het besef dat die twee fasen niet parallel kunnen verlopen.

Autonomie van serieproductie van personenauto's (SAE-niveaus 4-5) moet wachten tot de robotaxi-industrie wordt ingezet en volwassen wordt. Dit heeft te maken met drie factoren:kosten, regelgeving en geografische schaal. Alle factoren tegelijkertijd optimaliseren is te moeilijk gebleken om in één sprong te realiseren, en het is de reden waarom velen in de industrie nadenken over de beste weg om volumeproductie te bereiken. Veel marktleiders realiseren zich dat het mogelijk is om de uitdagingen te spreiden als de inzet van volledig autonome voertuigen (AV's) eerst gericht is op de robotaxi-kans.

Kosten:de kosten van een zelfrijdend systeem (SDS) met zijn camera's, radars, lidars en high-performance computing lopen in de tienduizenden dollars en zullen dat in de nabije toekomst ook blijven. Dit kostenniveau is acceptabel voor een chauffeurloze taxidienst, maar is gewoon te duur voor in serie geproduceerde personenauto's. De kosten van SDS zouden niet meer dan een paar duizend dollar moeten zijn - een orde van grootte lager dan de huidige kosten - voordat een dergelijk vermogen zijn weg kan vinden naar in serie geproduceerde personenauto's.

Regulering:Regulering is een gebied dat te weinig aandacht krijgt. Bedrijven die bezig zijn met het maken van veiligheidsinformatiebladen, weten dat dit de moeilijkste kwestie is. Naast het feit dat wetten voor het verlenen van een rijbewijs zijn gericht op menselijke bestuurders, er is de serieuze vraag hoe veiligheid en bruikbaarheid op een voor de samenleving acceptabele manier kunnen worden afgewogen.

Het zal gemakkelijker zijn om wet- en regelgeving te ontwikkelen voor een vloot robotassen dan voor voertuigen in particulier bezit. Een wagenparkbeheerder krijgt een beperkte licentie per use case en per geografische regio en wordt onderworpen aan uitgebreide rapportage en back-office bediening op afstand. In tegenstelling tot, het in licentie geven van dergelijke auto's aan particulieren vereist een volledige herziening van de complexe wet- en regelgeving die momenteel van toepassing is op voertuigen en chauffeurs.

De auto-industrie realiseert zich geleidelijk aan dat autonomie moet wachten tot regelgeving en technologie in evenwicht zijn. en de beste plaats om dit voor elkaar te krijgen is via de robotaxi-fase.

Schaal:de derde factor, geografische schaal, is vooral een uitdaging om high-definition kaarten met veel detail en nauwkeurigheid te maken, en om die kaarten voortdurend bij te werken. Geografische schaal is cruciaal voor in serie geproduceerde auto's zonder bestuurder, omdat ze noodzakelijkerwijs "overal" moeten opereren om de belofte van de zelfrijdende revolutie waar te maken. Robotaxis kan worden beperkt tot geo-omheinde gebieden, wat het mogelijk maakt om de kwestie van schaal uit te stellen tot de volwassenheid van de robotaxi-industrie.

Wanneer de kostenfactoren, regelgeving en schaal worden samen genomen, het is begrijpelijk dat serieproductie van personenauto's pas na de robotaxi-fase mogelijk wordt.

Zoals steeds meer blijkt, de auto-industrie neigt naar meer nadruk op hun Level 2-aanbod. Verbeterde ADAS - waarbij chauffeurs te allen tijde de leiding over het voertuig hebben - helpt om veel van de verwachte veiligheidsvoordelen van AV's te bereiken zonder de wettelijke, kosten en schaaluitdagingen.

Tegelijkertijd, autofabrikanten lossen voor de regelgevende, kosten- en schaaluitdagingen door de opkomende robotaxi MaaS-industrie te omarmen. Zodra MaaS via robotaxi tractie en volwassenheid bereikt, autofabrikanten zullen klaar zijn voor de volgende (en meest transformerende) fase van autonomie voor personenauto's.

De strategie voor autonomie

Met dit alles in gedachten, Intel en Mobileye zijn gefocust op de meest efficiënte weg om autonomie voor personenauto's te bereiken. Het vereist een langetermijnplanning, en voor degenen die de grote investeringen die voor ons liggen kunnen volhouden, de beloningen zullen groot zijn. Onze weg voorwaarts steunt op vier aandachtsgebieden:

• Blijf voorop lopen in de ontwikkeling van ADAS. Naast het feit dat ADAS de kern is van levensreddende technologie, het stelt ons in staat om de technologische bouwstenen van autonome voertuigen te valideren via tientallen nieuwe productieprogramma's per jaar met autofabrikanten die onze technologie onderwerpen aan de strengste veiligheidstests. Onze ADAS-programma's - meer dan 34 miljoen voertuigen op de weg vandaag - leveren de financiële "brandstof" om autonome ontwikkelingsactiviteiten op de lange termijn in stand te houden.
• Ontwerp een SDS met de ruggengraat van een cameragerichte configuratie. Door een robuust systeem te bouwen dat uitsluitend op camera's kan rijden, kunnen we de kritieke veiligheidssegmenten lokaliseren waarvoor we echt redundantie van radars en lidars nodig hebben. Deze inspanning om onnodige over-engineering of "sensoroverbelasting" te voorkomen, is essentieel om de kosten laag te houden.
• Bouw voort op onze Road Experience Management (REM) crowdsourced automatische high-definition kaarten maken om het schaalprobleem aan te pakken. Door bestaande contracten met autofabrikanten, wij bij Mobileye verwachten dat tegen 2022 meer dan 25 miljoen auto's weggegevens zullen verzenden.
• Pak het regelgevingsprobleem aan via ons formeel model voor veilig rijden voor verantwoordelijkheidsgevoelige veiligheid (RSS), die het nut en de wendbaarheid van de robotbestuurder in evenwicht brengt met een veiligheidsmodel dat voldoet aan de maatschappelijke normen van voorzichtig rijden.

Bij Intel en Mobileye, we zijn all-in op de wereldwijde robotaxi-kans. We ontwikkelen technologie voor de hele robotaxi-ervaring - van het aanroepen van de rit op je telefoon, door het voertuig aan te drijven en het wagenpark te bewaken. Onze hands-on benadering met zoveel mogelijk van het proces stelt ons in staat om de lessen uit de robotaxi-fase te maximaliseren en klaar te zijn met de juiste oplossingen voor autofabrikanten wanneer de tijd rijp is voor in serie geproduceerde personenauto's.

Onderweg, we zullen onze partners helpen de levensreddende veiligheidsrevolutie van ADAS te realiseren. We zijn ervan overtuigd dat dit een krachtig en historisch voorbeeld zal zijn van de grootste waarde die tijdens de reis wordt gerealiseerd.