Umělá inteligence pomáhá v Praze vyvíjet asistenční systémy pro auta

Elektronika, software a strojové učení se staly pro současná moderní vozidla nepostradatelné. Zatímco dnešní dopravní letadla používají zhruba 17 milionů řádků kódu, prémiové auto více než 70 milionů. Špičkové asistenční a komfortní systémy vznikají i u nás ve vývojovém centru společnosti Valeo, která má v Česku i světově unikátní testovací polygon.

Společnost Valeo je světovým lídrem v oblasti pokročilých asistenčních systémů (ADAS – Advanced Driver Assistance Systems), svými technologiemi vybavuje každý třetí nový automobil a v této oblasti hodlá ještě více zrychlit. Zásadní roli v tom hraje i naše hlavní město, kde se nachází hlavní R&D centrum pro oblast ADAS v rámci celé skupiny Valeo.

Zásadní proměna R&D centra

To se během posledních dvaceti let výrazně rozrostlo a zároveň i rozšířilo své zaměření. K původně strojním inženýrům se přidali inženýři elektroniky a vývojáři softwaru. Jejich prací jsou dnes řádky kódu nebo algoritmus umělé inteligence, který se používá v asistenčních systémech řidiče. K mechanickým a hardwarovým profesím přibyly mimo jiné softwarové profese, systémové inženýrství, testování a validace systémů, kybernetická bezpečnost, sběr a správa velkých množství dat.

V Praze vzniká široké portfolio senzorů, jako jsou ultrazvukové senzory, radary, čelní detekční kamery, optické senzory deště a světla pro systémy stěračů automobilů, systémy monitorování řidiče nebo interiérové radary pro detekci cestujících.

Praha – centrum Valeo pro LiDAR

Česko se také stalo centrem pro vývoj senzoru typu ­LiDAR. Poprvé se významně podílelo na vývoji druhé generace tohoto skeneru, který je součástí výbavy špičkových modelů třídy S a EQS značky Mercedes‑Benz. Díky němu jde o první vozidla homologovaná v Evropě a brzy také v Severní Americe s úrovní autonomie stupně tři.

Praha má zásadní podíl i na vývoji třetí generace ­LiDAR, který přináší téměř 50krát vyšší rozlišení než ta předchozí a který se v reálném provozu objeví již v roce 2024. Jenom pro zajímavost, zatímco úplně první laserový senzor měl čtyři vrstvy skenovacího paprsku, dnešní jich má více než sto.

S validací pomáhá umělá inteligence

Každý nový senzor prochází složitou fází tzv. systémové validace, což je ověřování jeho schopností a integrace ve vozidle. Nejdříve probíhá počítačová simulace, kdy se vytvoří virtuální model a na něm se zkouší, co je možné a jak systém reaguje. Následně se vyrobí vzorky, které se testují na zařízení, jež se nazývá HIL – Hardware‑in‑the‑Loop – což je vlastně virtuální model auta s elektronikou, ale bez kol. Například detekční kamera virtuálně „projede“ všechny možné dopravní scénáře s použitím již v minulosti nahraných videozáznamů, takže není třeba opět ujet desítky tisíc kilometrů a pořizovat další nahrávky. Touto metodou se ušetří i spousta CO₂. Zde do hry vstupuje i umělá inteligence a tzv. „augmented data“. Hledají se okrajové podmínky, za kterých by systém nemusel případně fungovat, přičemž ne všechny situace lze ověřit reálným ježděním s autem. Do skutečné datové nahrávky z auta se uměle přidávají objekty tak, aby systém nepoznal, že nejsou reálné (například zvěř na dálnici nebo chodec na přechodu nesoucí velkou kartonovou krabici). Umělá inteligence také umožňuje z nahrávky ve dne vytvořit věrohodný ekvivalent stejné dopravní situace v noci. Detekční algoritmy v kamerách a senzorech se díky těmto metodám mohou učit a zdokonalovat.

Práce v IT

Stáhněte si přílohu v PDF

Reálné testování

Po virtuálním testování probíhá i to reálné. A to na vlastním testovacím polygonu na bývalém vojenském letišti v Milovicích, které je v rámci skupiny Valeo největší na světě určené pro testování autonomních vozidel. Je to i jediné místo, kde lze provádět vysokorychlostní testy.

Teprve když jsou všechny tyto tzv. deterministické testy (například autonomní brzdění na atrapu chodců nebo cyklistů) stoprocentní, zkouší se systémy v běžném provozu. Jedná se o statistické testy, které mají za úkol sbírat data z různých zemí, snímat různé dopravní značení, různé počasí, a to ve dne i v noci, a dokázat na reprezentativním vzorku, že systém reaguje správně.

Článek vznikl ve spolupráci se společností Valeo. Text nevyjadřuje názor redakce.

Článek byl publikován ve speciální příloze HN Práce v IT.