కొంతకాలం క్రితం, ఆటోమోటివ్ పరిశ్రమలో ఆవిష్కరణ ఇంజిన్ శక్తిని పెంచడం, ఆపై సామర్థ్యాన్ని పెంచడం, అదే సమయంలో ఏరోడైనమిక్స్ను మెరుగుపరచడం, సౌకర్య స్థాయిలను పెంచడం మరియు వాహనాల రూపాన్ని పునఃరూపకల్పన చేయడం వంటి వాటి చుట్టూ తిరుగుతుంది. ఇప్పుడు, భవిష్యత్తులో ఆటోమోటివ్ పరిశ్రమ యొక్క కదలిక యొక్క ప్రధాన డ్రైవర్లు హైపర్కనెక్టివిటీ మరియు ఆటోమేషన్. భవిష్యత్ కారు విషయానికి వస్తే, డ్రైవర్లెస్ కార్లు మొదట గుర్తుకు వస్తాయి, అయితే ఆటో పరిశ్రమ యొక్క భవిష్యత్తు డ్రైవర్లెస్ టెక్నాలజీ కంటే చాలా ఎక్కువగా ఉంటుంది.
కార్ల పరివర్తనను నడిపించే ముఖ్య కారకాల్లో ఒకటి వాటి కనెక్టివిటీ - మరో మాటలో చెప్పాలంటే, వాటి కనెక్టివిటీ, రిమోట్ అప్డేట్లు, ప్రిడిక్టివ్ మెయింటెనెన్స్, మెరుగైన డ్రైవింగ్ భద్రత మరియు సైబర్ బెదిరింపుల నుండి డేటా రక్షణకు మార్గం సుగమం చేస్తుంది. కనెక్టివిటీకి మూలస్తంభం, డేటా సేకరణ మరియు నిల్వ.
వాస్తవానికి, కారు యొక్క పెరిగిన కనెక్టివిటీ డ్రైవింగ్ను మరింత ఆనందదాయకంగా మార్చింది, అయితే కనెక్ట్ చేయబడిన కారు ద్వారా భారీ మొత్తంలో డేటాను సేకరించడం, ప్రాసెస్ చేయడం మరియు ఉత్పత్తి చేయడం దీని ప్రధాన అంశం. గతేడాది ప్రకటించిన దాని ప్రకారం
సెల్ఫ్ డ్రైవింగ్ కార్ల నిర్మాణం ఎలా అభివృద్ధి చెందుతుంది?
సెల్ఫ్ డ్రైవింగ్ వెహికల్ డేటా మేనేజ్మెంట్, ఆబ్జెక్ట్ డిటెక్షన్, మ్యాప్ నావిగేషన్ మరియు డెసిషన్ మేకింగ్ వంటి సామర్థ్యాలలో మరింత మెరుగుదలలు మెషిన్ లెర్నింగ్ మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మోడల్లలో పురోగతిపై ఎక్కువగా ఆధారపడతాయి. వాహన తయారీదారుల సవాలు స్పష్టంగా ఉంది: మెషిన్ లెర్నింగ్ మోడల్లు మరింత అధునాతనంగా మారితే, వినియోగదారులకు డ్రైవింగ్ అనుభవం అంత మెరుగ్గా ఉంటుంది.
అదే సమయంలో, మానవరహిత వాహనాల నిర్మాణంలో మార్పులు ఆప్టిమైజేషన్ బ్యానర్ క్రింద జరుగుతున్నాయి. తయారీదారులు ప్రతి నిర్దిష్ట అప్లికేషన్ యొక్క అవసరాల కోసం ఇన్స్టాల్ చేయబడిన మైక్రోకంట్రోలర్ల యొక్క విస్తృతమైన నెట్వర్క్ను ఎంచుకునే అవకాశం తక్కువగా ఉంది, బదులుగా తీవ్రమైన కంప్యూటింగ్ పవర్తో ఒక పెద్ద ప్రాసెసర్ను ఇన్స్టాల్ చేయడానికి ఇష్టపడతారు. ఇది బహుళ ఆటోమోటివ్ మైక్రోకంట్రోలర్ల (MCUలు) నుండి ఒక సెంట్రల్ MCUకి మారడం, ఇది భవిష్యత్ వాహనాల నిర్మాణంలో చాలా ముఖ్యమైన మార్పు అవుతుంది.
డేటా నిల్వ ఫంక్షన్ను కారు నుండి క్లౌడ్కి బదిలీ చేయడం
తక్షణ ప్రాసెసింగ్ అవసరమైతే సెల్ఫ్ డ్రైవింగ్ కార్ల నుండి డేటా నేరుగా బోర్డులో లేదా క్లౌడ్లో నిల్వ చేయబడుతుంది, ఇది లోతైన విశ్లేషణకు మరింత అనుకూలంగా ఉంటుంది. డేటా యొక్క రూటింగ్ దాని పనితీరుపై ఆధారపడి ఉంటుంది: డ్రైవర్కు వెంటనే అవసరమైన డేటా ఉంది, ఉదాహరణకు, మోషన్ సెన్సార్ల నుండి సమాచారం లేదా GPS సిస్టమ్ నుండి స్థాన డేటా, అదనంగా, దీని ఆధారంగా, కారు తయారీదారు ముఖ్యమైన తీర్మానాలను తీసుకోవచ్చు మరియు వాటిపై, ADAS డ్రైవర్ సహాయ వ్యవస్థను మెరుగుపరిచే పనిని కొనసాగించండి.
Wi-Fi కవరేజ్ ప్రాంతంలో, క్లౌడ్కు డేటాను పంపడం ఆర్థికంగా సమర్థించబడుతోంది మరియు సాంకేతికంగా సులభం, అయితే కారు కదలికలో ఉంటే, అందుబాటులో ఉన్న ఏకైక ఎంపిక 4G కనెక్షన్ (మరియు చివరికి 5G). సెల్యులార్ నెట్వర్క్ ద్వారా డేటా ట్రాన్స్మిషన్ యొక్క సాంకేతిక వైపు తీవ్రమైన సమస్యలను లేవనెత్తకపోతే, దాని ధర చాలా ఎక్కువగా ఉంటుంది. ఈ కారణంగానే చాలా సెల్ఫ్ డ్రైవింగ్ కార్లను ఇంటి దగ్గర లేదా Wi-Fiకి కనెక్ట్ చేయగల ఇతర ప్రదేశాల దగ్గర కొంత సమయం పాటు ఉంచాల్సి వస్తుంది. తదుపరి విశ్లేషణ మరియు నిల్వ కోసం క్లౌడ్కు డేటాను అప్లోడ్ చేయడానికి ఇది చాలా చౌకైన ఎంపిక.
కనెక్ట్ చేయబడిన కార్ల విధిలో 5G పాత్ర
ఇప్పటికే ఉన్న 4G నెట్వర్క్లు చాలా అప్లికేషన్లకు ప్రధాన కమ్యూనికేషన్ ఛానెల్గా కొనసాగుతాయి, అయినప్పటికీ, 5G సాంకేతికత కనెక్ట్ చేయబడిన మరియు స్వయంప్రతిపత్తమైన కార్ల మరింత అభివృద్ధికి ప్రధాన ఉత్ప్రేరకం అవుతుంది, భవనాలు మరియు మౌలిక సదుపాయాలతో ఒకదానితో ఒకటి తక్షణమే కమ్యూనికేట్ చేయగల సామర్థ్యాన్ని అందిస్తుంది. (V2V, V2I, V2X).
నెట్వర్క్ కనెక్షన్ లేకుండా స్వయంప్రతిపత్తమైన కార్లు పనిచేయవు మరియు భవిష్యత్ డ్రైవర్ల ప్రయోజనం కోసం వేగవంతమైన కనెక్షన్లకు మరియు తగ్గిన జాప్యానికి 5G కీలకం. వేగవంతమైన కనెక్షన్ వేగం వాహనం డేటాను సేకరించడానికి పట్టే సమయాన్ని తగ్గిస్తుంది, ట్రాఫిక్ లేదా వాతావరణ పరిస్థితుల్లో ఆకస్మిక మార్పులకు వాహనం దాదాపు తక్షణమే స్పందించేలా చేస్తుంది. 5G రాక డ్రైవర్ మరియు ప్రయాణీకుల కోసం డిజిటల్ సేవల అభివృద్ధిలో పురోగతిని సూచిస్తుంది, వారు మరింత ఆనందదాయకమైన ప్రయాణాన్ని ఆనందిస్తారు మరియు తదనుగుణంగా, ఈ సేవలను అందించేవారికి సంభావ్య లాభాలను పెంచుతుంది.
డేటా భద్రత: కీలకం ఎవరి చేతుల్లో ఉంది?
తాజా సైబర్ భద్రతా చర్యల ద్వారా స్వయంప్రతిపత్త వాహనాలు తప్పనిసరిగా రక్షించబడతాయని స్పష్టమైంది. ఒకదానిలో చెప్పినట్లు
కస్టమర్ యొక్క గోప్యతను మరియు వారి వ్యక్తిగత డేటాను నిర్ధారించడానికి, కనెక్ట్ చేయబడిన కార్ల యొక్క అన్ని భాగాలు - కారులోని హార్డ్వేర్ మరియు సాఫ్ట్వేర్ నుండి నెట్వర్క్ మరియు క్లౌడ్కు కనెక్షన్ వరకు - అత్యున్నత స్థాయి భద్రతకు హామీ ఇవ్వాలి. స్వీయ డ్రైవింగ్ కార్లు ఉపయోగించే డేటా యొక్క భద్రత మరియు సమగ్రతను నిర్ధారించడంలో ఆటోమేకర్లకు సహాయపడే కొన్ని చర్యలు క్రింద ఉన్నాయి.
- క్రిప్టోగ్రాఫిక్ రక్షణ అనేది చెల్లుబాటు అయ్యే “కీ” తెలిసిన వ్యక్తుల యొక్క నిర్దిష్ట సర్కిల్కు గుప్తీకరించిన డేటాకు యాక్సెస్ను పరిమితం చేస్తుంది.
- ఎండ్-టు-ఎండ్ సెక్యూరిటీ అనేది మైక్రోసెన్సర్ల నుండి 5G కమ్యూనికేషన్ మాస్ట్ల వరకు - డేటా ట్రాన్స్మిషన్ లైన్లోకి ప్రతి ఎంట్రీ పాయింట్ వద్ద హ్యాకింగ్ ప్రయత్నాన్ని గుర్తించడానికి చర్యల సమితిని అమలు చేయడం.
- సేకరించిన డేటా యొక్క సమగ్రత ఒక ముఖ్యమైన అంశం మరియు వాహనాల నుండి స్వీకరించబడిన సమాచారం ప్రాసెస్ చేయబడి, అర్ధవంతమైన అవుట్పుట్ డేటాగా మార్చబడే వరకు మారకుండా నిల్వ చేయబడుతుందని సూచిస్తుంది. మార్చబడిన డేటా పాడైనట్లయితే, ఇది ముడి డేటాను యాక్సెస్ చేయడం మరియు దాన్ని మళ్లీ ప్రాసెస్ చేయడం సాధ్యపడుతుంది.
ప్లాన్ బి యొక్క ప్రాముఖ్యత
అన్ని మిషన్-క్రిటికల్ టాస్క్లను నిర్వహించడానికి, వాహనం యొక్క సెంట్రల్ స్టోరేజ్ సిస్టమ్ తప్పనిసరిగా విశ్వసనీయంగా పనిచేయాలి. అయితే సిస్టమ్ విఫలమైతే ఆటోమేకర్లు ఈ లక్ష్యాలను ఎలా సాధించగలరని నిర్ధారించుకోవచ్చు? ప్రధాన సిస్టమ్ వైఫల్యం సంభవించినప్పుడు సంఘటనలను నిరోధించడానికి ఒక మార్గం ఏమిటంటే, అనవసరమైన డేటా ప్రాసెసింగ్ సిస్టమ్లో డేటా యొక్క బ్యాకప్ కాపీని సృష్టించడం, అయితే, ఈ ఎంపికను అమలు చేయడం చాలా ఖరీదైనది.
అందువల్ల, కొంతమంది ఇంజనీర్లు వేరొక మార్గాన్ని అనుసరించారు: వారు మానవరహిత డ్రైవింగ్ మోడ్ను అందించడంలో, ప్రత్యేకించి బ్రేక్లు, స్టీరింగ్, సెన్సార్లు మరియు కంప్యూటర్ చిప్లను అందించడంలో పాల్గొనే వ్యక్తిగత యంత్ర భాగాల కోసం బ్యాకప్ సిస్టమ్లను రూపొందించడంలో పని చేస్తున్నారు. అందువల్ల, కారులో రెండవ వ్యవస్థ కనిపిస్తుంది, ఇది కారులో నిల్వ చేయబడిన మొత్తం డేటా యొక్క తప్పనిసరి బ్యాకప్ లేకుండా, క్లిష్టమైన పరికరాల వైఫల్యం సంభవించినప్పుడు, రహదారి వైపు కారును సురక్షితంగా ఆపవచ్చు. అన్ని విధులు నిజంగా ముఖ్యమైనవి కానందున (అత్యవసర పరిస్థితుల్లో మీరు ఎయిర్ కండిషనింగ్ లేదా రేడియో లేకుండా చేయవచ్చు), ఈ విధానానికి, ఒక వైపు, నాన్-క్రిటికల్ డేటా యొక్క బ్యాకప్ సృష్టించడం అవసరం లేదు, అంటే తగ్గిన ఖర్చులు, మరియు, మరోవైపు, సిస్టమ్ వైఫల్యం విషయంలో ఇది ఇప్పటికీ బీమాను అందిస్తుంది.
స్వయంప్రతిపత్త వాహన ప్రాజెక్ట్ అభివృద్ధి చెందుతున్నప్పుడు, రవాణా యొక్క మొత్తం పరిణామం డేటా చుట్టూ నిర్మించబడుతుంది. స్వయంప్రతిపత్త వాహనాలపై ఆధారపడే భారీ మొత్తంలో డేటాను ప్రాసెస్ చేయడానికి మెషిన్ లెర్నింగ్ అల్గారిథమ్లను స్వీకరించడం ద్వారా మరియు వాటిని సురక్షితంగా మరియు బాహ్య ముప్పుల నుండి రక్షించడానికి బలమైన మరియు పని చేయగల వ్యూహాలను అమలు చేయడం ద్వారా, తయారీదారులు ఏదో ఒక సమయంలో తగినంత సురక్షితమైన కారును అభివృద్ధి చేయగలుగుతారు. రోడ్లపై నడపండి. భవిష్యత్ డిజిటల్ రోడ్లు.
మూలం: www.habr.com