Tradycyjne metody poprawy osiągów opierają się na intensywnych testach fizycznych oraz ręcznej kalibracji systemów. Choć skuteczne, są one czasochłonne, kosztowne i nie zawsze pozwalają na kompleksowe odwzorowanie rzeczywistych warunków drogowych. Tutaj z pomocą przychodzą algorytmy sztucznej inteligencji (AI), choć powinno się je nazywać algorytmami uczenia maszynowego. Bazując na danych z czujników zamontowanych w pojazdach, systemy AI wykrywają wzorce pracy oraz przewidują potencjalne usterki zanim się pojawią. Na przykład AI potrafi wychwycić subtelne nieprawidłowości w działaniu silnika czy układu hamulcowego, co pozwala inżynierom na wczesne interwencje, zwiększając tym samym bezpieczeństwo i niezawodność.

Jako przykład stosowania tego typu przewidywania można podać markę Porsche. Pojazdy tego producenta wyposażone są w systemy telematyczne, które zbierają dane dotyczące stylu jazdy, warunków drogowych i wydajności pojazdu. AI przetwarza te informacje, umożliwiając precyzyjne dostrojenie elementów, takich jak zawieszenie, układ kierowniczy czy dynamika silnika, aby każdy pojazd mógł dostosować się do różnych warunków drogowych i zapewnić optymalne wrażenia z jazdy.

Kompleksowy cyfrowy bliźniak jest wirtualną reprezentacją fizycznego produktu lub procesu, która umożliwia zrozumienie i prognozowanie jego działania. Cyfrowe bliźniaki służą do symulacji i optymalizacji produktu oraz procesu i systemu produkcji przed zainwestowaniem w fizyczne prototypy.

Cyfrowy bliźniak Powstaje przy użyciu danych w czasie rzeczywistym oraz technik symulacji i modelowania, aby odwzorować zachowanie, cechy i działanie swojego fizycznego odpowiednika. Cyfrowe bliźniaki są używane w różnych branżach, w tym w produkcji, opiece zdrowotnej, transporcie i energetyce, do optymalizacji wydajności, monitorowania procesów i ułatwiania podejmowania decyzji.

Aktualnie cyfrowe bliźniaki są stosowane podczas prototypowania całych linii produkcyjnych, procesów, jak i pojedynczych wyrobów dla ich optymalizacji. Te wirtualne symulacje pozwalają inżynierom eksperymentować z różnymi konfiguracjami, identyfikować wąskie gardła i zwiększać efektywność bez zakłócania bieżącej produkcji. Dzięki temu udało się znacząco skrócić czas produkcji i lepiej wykorzystać zasoby.

Porsche wykorzystuje technologię cyfrowych bliźniaków sterowaną przez AI, co pozwala na optymalizację osiągów bez konieczności przeprowadzania rozległych testów fizycznych. Wirtualne modele pojazdów umożliwiają symulacje w różnych warunkach, pozwalając inżynierom na szybkie testowanie i udoskonalanie projektów. Przykładem takiego zastosowania jest opracowywanie adaptacyjnych systemów aerodynamicznych.

Algorytmy AI przewidują, jak pojazdy będą zachowywać się w określonych warunkach, na przykład podczas szybkiego pokonywania zakrętów czy w trudnych warunkach pogodowych. Dzięki tym informacjom Porsche projektuje systemy, które dynamicznie reagują na zmienne warunki, zapewniając optymalne osiągi niezależnie od zewnętrznych czynników.

Analizy predykcyjne znacznie skróciły czas i obniżyły koszty testów fizycznych, przyspieszając cykle rozwoju pojazdów.

Sztuczna inteligencja w pojeździe i w scentralizowanym systemie inteligencji może przewidywać konieczność odwiedzenia serwisu. Jest to możliwe dzięki zastosowaniu pojeździe funkcji umożliwiających obliczenie zużycia określonych komponentów bez konieczności używania fizycznych wskaźników. Na przykład, jeśli wiele pojazdów wymaga regulacji zbieżności kół lub wymiany drążka kierowniczego, a wiele czujników wykryło już odpowiednie odchylenia, informacje te mogą wskazywać na pewien wzorzec zużycia. Jeśli te same dane zostaną zidentyfikowane w kolejnym pojeździe, kierowca zostanie poinformowany o konieczności odwiedzenia serwisu. Wczesna diagnostyka w tym formacie może zapobiec dalszym uszkodzeniom, którymi w tym przykładzie byłyby nierówno zużyte opony.

Wpływ AI na poruszanie się samochodem można też zauważyć w algorytmach działających wtedy, gdy dochodzi do trudnych sytuacji. Chodzi przede wszystkim o algorytmy związane z jazdą autonomiczną.

Tworzenie systemów autonomicznej jazdy wiąże się z koniecznością rozwiązywania skomplikowanych problemów, takich jak podejmowanie decyzji w czasie rzeczywistym, interpretacja dynamicznych warunków drogowych czy zapewnienie bezpieczeństwa pasażerów, obróbka obrazu otrzymywanego z radarów i lidarów. Dodatkowo, Porsche musiało sprostać wymaganiom regulacyjnym oraz społecznym obawom dotyczącym bezpieczeństwa i niezawodności systemów autonomicznych przez wdrożenie takich rozwiązań jak:

• Systemy percepcji oparte na AI: Porsche zintegrowało systemy AI, które przetwarzają dane z sensorów, kamer, radarów i LiDARów. Systemy te analizują otoczenie pojazdu, wykrywając obiekty takie jak piesi, inne pojazdy czy przeszkody drogowe. Modele uczenia maszynowego nieustannie doskonalą te zdolności dzięki analizie danych z rzeczywistych warunków drogowych.
• Algorytmy podejmowania decyzji w czasie rzeczywistym: Porsche opracowało algorytmy AI, które podejmują decyzje w złożonych scenariuszach drogowych, takich jak poruszanie się na skrzyżowaniach, zmiana pasa ruchu czy reagowanie na nagłe hamowanie innych pojazdów. Algorytmy te priorytetowo traktują bezpieczeństwo, jednocześnie dbając o płynność jazdy.
• Systemy wspomagania kierowcy: Wprowadzono zaawansowane systemy wspomagania kierowcy (ADAS), takie jak adaptacyjny tempomat, asystent pasa ruchu oraz automatyczne systemy parkowania. Dzięki AI te funkcje łączą elementy autonomii z tradycyjnym, angażującym kierowcę doświadczeniem, umożliwiając komfortową jazdę przy zachowaniu kontroli przez użytkownika.
• Symulacje testowe: Aby przyspieszyć rozwój systemów autonomicznych, Porsche korzysta z wirtualnych środowisk testowych zasilanych przez AI. Te symulacje odtwarzają miliony scenariuszy drogowych – od zatłoczonych miejskich ulic po autostrady – umożliwiając bezpieczne i efektywne doskonalenie technologii bez konieczności przeprowadzania kosztownych testów na drogach.
• Ciągłe uczenie się i aktualizacje: Systemy autonomiczne wykorzystują chmurowe rozwiązania AI, które analizują dane zbierane przez pojazdy podczas rzeczywistej jazdy. Umożliwia to zdalne aktualizacje, dzięki którym pojazdy nieustannie otrzymują najnowsze funkcje i ulepszenia, utrzymując wysoki poziom technologiczny.

Chcesz być na bieżąco z informacjami? Obserwuj nas w wiadomościach Google:

Źródło: Porsche, Siemens, DigitalDefynd, Velodyne Lidar