ماشینی به سمت حاشیه می آید. این برنامه می گوید: “سوار شما اینجاست.” کسی روی صندلی راننده نیست. برای افرادی که در یکی از ده ها شهری زندگی می کنند که اکنون میزبانی ارائه می دهند روباتاکسی خدمات، این در حال حاضر یک واقعیت است.
صنعت روباتاکسی از نقاط عطف نمونه اولیه به عملیات تجاری حرکت کرده است، با اکوسیستم در حال گسترش که سرعت استقرار را تسریع می کند. جدید همکاری های اعلام شده در NVIDIA GTC Taipei منعکس کننده برنامه های روباتاکسی در حال اجرا در سراسر جهان:
- Uber و Autobrains یک برنامه روباتاکسی را در مونیخ راه اندازی کردند NVIDIA DRIVE Hyperion پلتفرم، استفاده از هوش مصنوعی عاملی Autobrains برای پشتیبانی از عملیات مقیاس پذیر.
- Foxconn در حال گسترش همکاری خود با NVIDIA برای استقرار ناوگان روباتاکسی است و خدمات خود را با NVIDIA DRIVE Hyperion برای یکپارچگی و مقیاس سریع در تایوان ترکیب می کند.
- VinFast با Autobrains همکاری کرده است تا وسایل نقلیه سطح 4 ساخته شده بر روی DRIVE Hyperion را به بازار آسیای جنوب شرقی بیاورد.
- HUMAIN در تلاش است تا رباتاکسی DRIVE Hyperion را به عربستان سعودی بیاورد و ردپای جهانی این پلتفرم را در خاورمیانه گسترش دهد.
ایجاد یک پایه نرم افزاری امن
از آنجایی که صنعت روباتاکسی همچنان در حال رشد است، ایمنی از اهمیت بالایی برخوردار است.
رگولاتورها، نهادهای صدور گواهینامه و توسعه دهندگان در حال بررسی این هستند که یک استقرار ایمن در مقیاس به چه چیزی نیاز دارد.
بحث صنعت در مورد سطح 4 خودمختاری اغلب در مورد چیزی است که وسیله نقلیه می تواند حس کند و تصمیم بگیرد.
آن بحث مبنا است. مشاهده دقیق، تصمیم گیری صحیح و برخورد با موارد غیرمنتظره مشکلات سختی هستند و پیشرفت واقعی در جهت حل آنها در حال انجام است.
اما درک و تصمیم به تنهایی تمام ماجرا نیست. رگولاتورها به چیز بیشتری نیاز دارند: شواهدی مبنی بر اینکه سیستم کلی به طور قابل اعتماد رفتار می کند، خطاها را قبل از تشدید آنها جدا می کند و هرگز خارج از محدوده هایی که برای آن طراحی شده است عمل نمی کند.
ایمنی Robotaxi مستلزم حل همزمان چهار چالش مختلف است:
- یک سیستم عامل دارای گواهی ایمنی
- رابط های سخت افزاری و نرم افزاری ایمن و استاندارد
- هوش مصنوعی که در نرده های محافظ قابل تایید عمل می کند
- اعتبارسنجی در مقیاس قبل از ورود وسایل نقلیه به جاده های عمومی
برای کمک به حل این چالش‌ها، سیستم عامل جدید Halos (OS) – بخشی از سیستم ایمنی کامل و جامع NVIDIA Halos – پایه ایمنی یکپارچه و آماده تولید را برای وسایل نقلیه مجهز به هوش مصنوعی که بر اساس NVIDIA DRIVE Hyperion ساخته شده است، فراهم می‌کند. متشکل از:
Halos Core: یک پایه سیستم عامل تایید شده
در قلب سیستم عامل NVIDIA Halos OS، Halos Core، نسل بعدی NVIDIA DriveOS و دارای گواهی استانداردهای ایمنی خودرو قرار دارد. ممیزی شده، مستند شده و ثابت شده است که تحت شرایط خطا، با یک هایپروایزر (یک لایه نرم افزار تخصصی) که عملکردهای حیاتی ایمنی را ایزوله می کند، به طور قابل پیش بینی رفتار می کند تا خطاها نتوانند به کنترل های خودرو برسند.
Halos Core الزامات را برآورده می کند ISO26262 ASIL D شامل پشتیبانی تایید شده امنیتی برای NVIDIA CUDA و TensorRT است و چارچوب متن باز TensorRT Edge-LLM را برای استنتاج با کارایی بالا از مدل های زبان بزرگ ارائه می دهد.
Halos SDK: رابط های استاندارد و ایمن
روباتاکسی دوربین‌ها، رادار، لیدار و سایر حسگرها را با هم ادغام می‌کند که هر کدام داده‌ها را در قالبی متفاوت و با سرعت متفاوتی پخش می‌کنند. بدون یک لایه میان‌افزار استاندارد، هر تغییر سخت‌افزاری تیم‌ها را مجبور می‌کند تا به صورت دستی آن ادغام‌ها را بازسازی کنند.
Halos SDK این بار را از بین می برد. لایه انتزاعی حسگر، پشته رانندگی مستقل را از رانندگان حسگر جداگانه جدا می کند، به طوری که افزودن یا تعویض سنسور دیگر باعث ایجاد امواج در کد برنامه نمی شود، در حالی که یک لایه انتزاعی وسیله نقلیه، پشته رانندگی مستقل را از طریق یک رابط منفرد و ثابت به بقیه خودرو متصل می کند.
بعلاوه، Halos SDK بلوک‌های ساختمانی زمان اجرا را که نرم‌افزار حیاتی ایمنی به آن نیاز دارد، فراهم می‌کند: یک زمان‌بندی قطعی در سطح برنامه برای زمان‌بندی قابل پیش‌بینی، ارتباطات بین فرآیندی صفر کپی که داده‌ها را بدون تأخیر اضافی جابه‌جا می‌کند، یک چارچوب مدیریت خطای سیستم جامع، و یک ضبط کننده داده سناریو قوی – پایه‌ای را برای برنامه‌های کاربردی بسیار قابل اعتماد، کم‌اعتماد و کم.
برنامه های کاربردی Halos: نرده های ایمنی برای هوش مصنوعی
مدل‌های هوش مصنوعی می‌توانند با رفتار رانندگی انسان مطابقت داشته باشند، اما تنظیم‌کننده‌ها چیزی بیش از عملکرد را می‌طلبند.
لایه Halos Applications حصارهای امنیتی را برای هوش مصنوعی از طریق توابع قطعی و مبتنی بر قوانین، تحلیل و طراحی می‌کند تا در محدوده‌های تعریف شده رفتار کند. شامل می شود مدل جهانی ادراک و پشته امنیتی فعال NVIDIA DRIVE با رتبه برتر با ترمز اضطراری خودکار، هشدار خروج از خط، نظارت بر نقاط کور، هشدار برخورد و موارد دیگر.
علاوه بر این، سیستم عامل Halos در برنامه‌های Halos را می‌توان با مدل‌های هوش مصنوعی انتها به انتها ترکیب کرد، جایی که توضیح‌پذیری و شفافیت ضروری است. این شامل مدل‌های باز خانواده NVIDIA Alpamayo برای توسعه خودروهای خودمختار است که امکان استدلال فکری، ارزیابی مداوم جاده، برنامه‌ریزی مراحل بعدی و انطباق با شرایط متغیر را فراهم می‌کند.
چارچوب ارزیابی امنیتی Halos
Halos Infra زیرساخت توسعه سمت ابری است که آموزش خودروهای مستقل، شبیه سازی و اعتبارسنجی را در مقیاس امکان پذیر می کند. این پایه و اساس برای اخیرا منتشر شده است چارچوب ارزیابی امنیت NVIDIA Halos (SEF).
SEF ابزارها و رهنمودهای مورد نیاز برای ساختن یک کیس ایمنی معتبر، از کمک راننده L2 تا رباتاکسی L4 را فراهم می کند. این بر اساس بیش از 330 مقاله تحقیقاتی و 1000 پتنت توسعه یافته در NVIDIA Halos OS است.
Halos Infra بر روی راه حل رانندگی خودکار NVIDIA با سه کامپیوتر اجرا می شود:
سیستم عامل Halos کل چرخه توسعه را در بر می گیرد: از آموزش و شبیه سازی در Halos Infra تا استنتاج در خود وسیله نقلیه.
بیشتر بدانید هاله های NVIDIA.
