Программирование ЭБУ, мозгов автомобиля. Ремонт ЭБУ

Автосервис Гефест в городе Раменское реализует даже самый сложный программный ремонт машин. В нашем центре заказать компьютерные услуги по ремонту автомобилей могут владельцы абсолютного большинства легковых машин, кроссоверов и внедорожников. Ремонт автоэлектроники, прошивка блоков управления и изменение различных настроек в Гефест предлагается как владельцам отечественных машин, к примеру: ВАЗ, Лада, УАЗ, так и водителям иномарок, к примеру: Форд, Шевроле, Тойота, Фольксваген, Ауди, Ситроен, Пежо, Рено, Шкода и др.

У нас, уважаемые водители, вы сможете заказать даже прошивку ЭБУ (перепрограммирование электронного блока управления двигателем).

Электронный блок управления двигателем

ЭБУ несет в себе одну из самых важных функций устройств под капотом. Говоря простым языком, этот блок управления полностью контролирует работу двигателя, а это, как известно, сердце машины.

Именно ЭБУ решает, когда, как и что делать двигателю, как работать системе охлаждения, как реагировать на различные ситуации и отклонения, а также электронный блок управления двигателем реагирует на команды водителя и приступает к их выполнению.

Происходит весь процесс реакции, принятия решений и реализации действий в ЭБУ за счет прописанных алгоритмов. Это программно заложенные кодировки.

Ремонт ЭБУ

И если электронный блок управления двигателем, или как его еще называют “мозги двигателя”, выйдет из строя, если в нем собьются программные настройки или нарушится алгоритм кодировок, то эти проблемы отразятся на качестве эксплуатации всей машины, так как неправильно будет работать двигатель.

Поэтому так важно вовремя проходить компьютерную диагностику машины, а также своевременно выполнять ремонт ЭБУ. Пока блок еще исправен, и в нем лишь сбились настройки или возникли программные ошибки, ремонт ЭБУ можно сделать – и выполняется он также через компьютер и сервисное приложение.

Программирование ЭБУ

Мастера автосервиса Гефест в Раменском могут выполнить прошивку ЭБУ любого современного легкового автомобиля известной марки. На базе нашего центра имеется всё необходимое оборудование, чтобы выполнить программирование ЭБУ на Лада, УАЗ, Форд, Тойота, Пежо, Ситроен, Фольксваген, Шефроле, ВАЗ, Хонда, Ауди и десятках других марок машин.

Специалисты автосервиса Гефест проверят работоспособность электронного блока управления двигателем через компьютерную диагностику и соответствующие программы, а далее смогут выполнить прошивку ЭБУ даже с полной перенастройкой кодировок (алгоритмов) на нужные вам.

Настройка, ремонт и замена ЭБУ

Ремонт электронного блока (мозгов машины), прошивка ЭБУ (откат на заводские настройки), усовершенствование работы ЭБУ (чип тюнинг) и другие услуги автосервиса Гефест выполняются правильно, четко, быстро, максимально аккуратно и профессионально. У нас есть такое же официальное сервисное программное обеспечение, как у дилерских центров. Вот только мы, в отличие от дилеров, принимаем на ремонт все марки и модели машин. А также выполняем такую прошивку ЭБУ, которая многим центрам и автомастерским просто не под силу.

Через ремонт и перенастройку ЭБУ, у нас вы сможете заказать:

• отключение датчиков на машине (к примеру, правильное отключение лямбда зонда)
• удаление программных ошибок
• увеличение мощности двигателя
• уменьшение расхода топлива
• и друге изменения кодировок (алгоритмов)

Благодаря профессионализму сотрудников автосервиса Гефест в Раменском, вы можете значительно сэкономить на ремонте автомобиля. И помимо прошивки, ремонта ЭБУ, заказать в Гефест вы сможете даже замену ЭБУ. Наши мастера смогут поставить и запрограммировать специально под вашу машину как новый электронный блок управления двигателем, так и восстановить, прошить и привязать на авто б/у блок с другой подобной машины.

Узнайте больше

Что такое ЭБУ в автомобиле

Автомобиль – это сложный механизм, в котором каждый агрегат выполняет определенную функцию. Тормозная система, трансмиссия, подсветка, климатическая установка, управление приводом сидений – перечислять системы можно довольно долго, однако самым главным устройством в каждой такой системе является электронный блок управления (нередко можно встретить следующие обозначения: ЭБУ, ECU, DME (от Digital Motor Electronics), ECM (от Engine Control Module), PCM (от Powertrain Control Мodule)). В некоторых современных автомобилях насчитывается до 80 ЭБУ.

Электронный блок управления можно с уверенностью назвать «мозгами». Неисправность ЭБУ зачастую приводит к сбою в работе всей системы, так повреждение микропроцессора может стать причиной отказа работы трансмиссии или, например, системы контроля над токсичностью выхлопа и так далее.

Выявление ошибки в работе ЭБУ – довольно сложная задача, решить которую многим не под силу. Именно поэтому нередко недобросовестные сотрудники СТО, не располагая достаточными знаниями и оборудованием или просто-напросто не желая разбираться в проблеме, ставят диагноз «Выход из строя ЭБУ». Замена блока управления – это дорогостоящая процедура, однако не всегда она может устранить ошибку в работе системы. Посему, если вашему авто поставили указанный диагноз, не торопитесь менять ЭБУ, постарайтесь найти более высококвалифицированного мастера, который проведет повторное тестирование с использованием специальных таблиц диагностики неисправностей. Если нормальное функционирование ЭБУ будет доказано, то его можно будет заменить по гарантии, однако если оно не будет подавать никаких признаков жизни, значит вам не удастся избежать его замены.

Основными причинами повреждения ЭБУ являются:
•

перегрузка по напряжению. Возможна при коротком замыкании в цепи какого-нибудь соленоида. Если своевременно не ликвидировать причину, то в будущем вас ожидает замена ЭБУ.
• влияние окружающей среды (коррозия, перегрев или механическое повреждение от удара или вибрации). ЭБУ страшится воды, поскольку проникнув внутрь блока, она может привести к коротким замыканиям и необратимой коррозии, которая способна разрушить соединительные элементы. Запомните: большинство производителей вправе отказать вам в просьбе восстановить ЭБУ по гарантии, если будет установлено, что причиной выхода из строя устройства стало принятие ванны. Перегрев ЭБУ может стать причиной образования микротрещин.

Каждый автовладелец в силах продлить срок службы ЭБУ, поскольку, согласитесь, предложенные выше рекомендации соблюдать не так уж и сложно. Если же все-таки избежать выхода из строя «мозгов» не удалось, то обращайтесь за помощью только к профессионалам, которые знают все тонкости осуществления подобного рода работ. И, конечно же, не забывайте, что ЭБУ подбирается индивидуально под каждый автомобиль, только в этом случае можно быть уверенным в том, что авто не выдаст вам никаких ошибок и будет радовать долгой и преданной службой.

Что такое «прошивка» автомобиля и зачем ее делают многие водители?

На автомобильных сайтах регулярно поднимается тема «прошивки» автомобилей, по-другому этот процесс называют чип-тюнингом. Суть заключается в перепрограммировании блока управления двигателем, чтобы улучшить работу мотора. Разберёмся, действительно ли это помогает, и в каких случаях стоит ковыряться в мозгах автомобиля.

Зачем «прошивать»?

Может показаться, что тюнингом занимаются только молодые водители «четырок» и прочей продукции АвтоВАЗа, но это не так. Чип-тюнинг — очень популярная услуга у российских автомобилистов. Однако далеко не все знают, зачем она нужна на самом деле. Вокруг перепрограммирования ЭБУ ходит множество легенд, например, некоторые совершенно уверены, что «прошивкой» можно поднять мощность и одновременно снизить расход топлива. Это действительно работает, но только тогда, когда производитель намеренно снизил мощность, чтобы уложиться в нормативы по экологии или налогам.

Стоит ли на это тратить деньги?

Нужно понимать, что штатная программа управления работой двигателя была тщательно протестирована, и автомобиль имеет оптимальные настройки. Стороннее вмешательство совсем не желательно, тем более, что на обычной машине это ничего не даст. Если почитать отзывы тех, кто уже «прошил» свою машину, то можно заметить, что они очень разные и крайне субъективные, больше похожие на самовнушение.

В реальности прошивка двигателя необходима только в тех случаях, когда с мотором производились некие манипуляции. Например, вы заменили распредвалы, или впускной коллектор, или переделали систему выхлопа. То есть «прошивать» машину нужно только тогда, когда была изменена конструкция двигателя и возникла необходимость подстроить существующую прошивку под эти изменения. Во всех остальных случаях нет никакого смысла тратить деньги на прошивку. Также не стоит надеяться и на значительное снижение расхода топлива, этого можно добиться, но только в ущерб динамике автомобиля.

На Урале показали, как создают «мозги» для ракет-носителей — Российская газета

В просторных холлах и коридорах здания НПО автоматики, что на улице Начдива Васильева, со стен смотрят портреты выдающихся сотрудников. Здесь делают системы управления ракет-носителей «Союз-2» — тех самых, что запускают на орбиту спутники, доставляют грузы и людей на МКС. В честь Дня космонавтики предприятие пустило в свои цеха журналистов.

Первая точка — шумный производственный цех. Оператор ЧПУ Андрей Бурков показывает, как вытачивает из алюминиевых пластин детали. Потом из них собирают корпуса для аппаратуры систем управления.

— В машину можно загрузить хоть одну заготовку, хоть несколько. Время изготовления зависит от сложности. Самую долгую по времени делали 47 часов, — объясняет Андрей.

Следующая остановка — участок микроэлектроники, где колдуют над начинкой для алюминиевых ящиков. Стены прозрачные, сотрудники в белых халатах и шапочках.

— Мы изготавливаем многослойные платы, в дальнейшем входящие в состав «микросборки». На оборудовании наносим специальный материал, который потом собирается в стопку, разрезается в размер и обжигается в высокотемпературной камере. В итоге получаем готовое изделие — основу микросборки. Это как нейрон человеческого мозга, — рассказывает начальник участка Анастасия Мухина.

С работой на участке микроэлектроники девушки справляются куда лучше парней

Работа кропотливая, требует усидчивости и сосредоточенности. По словам Анастасии, девушки с такими задачами справляются куда лучше парней:

— Конечно, мы берем молодых людей, но они не задерживаются.

Зато на участке настройки и тестирования микроплат хозяйничают мужчины. Ведущий инженер Александр Соколов показывает, как машина тестирует цепи платы на сообщение и разобщение, отсутствие короткого замыкания, проверяет сопротивление резисторов и емкость конденсаторов. А начальник участка Даниил Пономарев рассказывает о чудо-агрегате для климатического тестирования.

— Он способен обеспечить изменения температуры от -60 до +85 градусов за короткий промежуток времени, буквально за одну минуту, — говорит он. — Система управления на старте находится в ракете. По мере вывода на орбиту на нее действует изменение температуры. Поэтому мы испытываем все элементы заранее.

Плюс 85 градусов — это температура корпуса во время полета ракеты, когда работают двигатели. Минус 60 — в космосе.

Далее нас ведут к конвейеру по производству печатных плат. Изделия загружают в машину, автоматика наносит на них с помощью трафарета паяльную пасту, затем по заданной программе устанавливает микросхемы, конденсаторы и резисторы, а потом все отправляется в печь для оплавления.

— Процесс занимает минут десять, ручной монтаж такой платы — минимум восемь часов, — отмечает ведущий инженер-технолог Глеб Каменев.

Готовые платы перемещают в устройство оптического контроля. Автоматика — искусственный интеллект — сравнивает образец с эталоном и помечает сомнительные места.

— Брака не больше одного-полутора процентов, и он исправимый — можно вручную скорректировать те пайки, что сделал автомат, — говорит замначальника по производству Лариса Филатова.

Из всех этих деталей в конечном итоге и получаются бортовые цифровые вычислительные машины — «мозги», управляющие ракетой-носителем. Их вместе с другим оборудованием собирают на комплексных стендах: соединяют между собой и имитируют запуск ракеты. Если компьютер где-то фиксирует неполадку — устраняют, дорабатывают. Все должно быть идеально: из Екатеринбурга аппаратуру отправляют в Самару, в ракетно-космический центр «Прогресс», который выпускает ракеты-носители «Союз-2».

Производство систем управления для космической отрасли в НПО автоматики поставлено на поток. Ежегодно уральское оборудование выводит на околоземную орбиту около 20-30 ракет-носителей «Союз-2». Параллельно на предприятии работают над созданием новых систем — для «Союз-5».

— Разработки находятся на завершающей стадии в части ОКР, сейчас мы заняты изготовлением опытных образцов, в этом году приступим к их отработке, — поделился планами гендиректор НПО автоматики Андрей Мисюра.

Как выбрать мозги для ГБО

Вопросом выбора электронного блока управления для ГБО задаются все, кто решил переоборудовать автомобиль на газ. Учитывая массу производителей и обилие моделей в производственной программе каждого из них, выбор главной детали газобаллонного оборудования дело непростое. Попробуем на примере модельной линейки ГБО STAG от польского производителя AC S.A. разобраться на какой из ЭБУ стоит обращать внимание при выборе.

STAG GoFast

STAG GoFast – бюджетное решение для многих автомобилей с 4 цилиндровыми моторами и распределенным инжекторным впрыском топлива. Этот блок управления чаще всего устанавливается на автомобили с несложной электроникой при условии, что они не очень прихотливы по части настройки. OBD адаптации и автоадаптации здесь нет. Считывание, а точнее определение количества оборотов двигателя производится без подключения к штатному датчику.

И при таком ограниченном функционале STAG GoFast пользуется достаточной популярностью. Его устанавливают, как бюджетное решение на такие автомобили как:

• CHERY Tiggo
• CHEVROLET Aveo, Lacetti, Tacuma
• DACIA Logan
• DAEWOО Lanos, Nexia
• FIAT Doblo
• FORD Escort, Fiesta, Focus
• GEELY CK, EMGRAND Х7
• HYUNDAI Elantra, Getz, Matrix
• KIA Cerato
• MAZDA 3, 6
• MITSUBISHI Colt, Grandis, Lancer
• NISSAN Almera, Primera, Sunny, Tiida
• OPEL Astra, Omega
• RENAULT Symbol
• SKODA Fabia, Oсtavia, Rapid
• TOYOTA Carina, Corolla

Это лишь примерный перечень и большинство моделей в нем выпущены до 2010 года. Хотя и для некоторых современных авто STAG GoFast вполне подходит. Но все же для большинства машин последних поколений рекомендуется установка более продвинутых блоков управления. Мы уже рассматривали их основной функционал в этой статье, но вернемся к этому вопросу еще раз.

STAG QBOX BASIC

STAG QBOX BASIC – является базовым решением в линейке польской электроники Q-поколения. Он реализован на 32-битном процессоре и имеет множество функций, которые необходимы для современных авто. Среди самых востребованных: довпрыск бензина, изменение последовательности впрыска, улучшенные возможности диагностики. При этом данный газовый контроллер может быть установлен на 4 цилиндровые моторы следующих авто:

• CHERY Amulet
• DAEWOО Lanos
• DAIHATSU Terios
• HONDA Accord
• HYUNDAI Sonata
• KIA Sorento
• MERCEDES E-класса
• MITSUBISHI Outlander
• NISSAN X-Trail
• OPEL Omega
• RENAULT Clio, Kangoo
• SKODA Oсtavia
• TOYOTA Camry, RAV4
• VOLKSWAGEN Passat, Polo

В этом перечне тоже собраны не все автомобили, но и модельный ряд блоков управления STAG на этом не заканчивается.

STAG QBOX/QNEXT PLUS

STAG QBOX/QNEXT PLUS – блок управления премиум-сегмента, сочетающий в себе самые продвинутые функции газобаллонного оборудования. В данном ЭБУ уже реализована OBD автоадаптация, система автоадаптации ISA3, автоматический сбрасыватель ошибок штатной системы, наложение топлива в момент переключения с бензина на газ и даже имеется встроенный эмулятор уровня топлива. Последняя функция очень актуальна для многих авто, где бортовой компьютер рассчитывает остаток в баке на основании пробега.

Весь предложенный производителем функционал позволяет в полной мере реализовать беспроблемную работу ГБО на новых и современных 4 цилиндровых моторах с распределенным впрыском топлива. Среди них:

• DODGE AVENGER
• FORD Focus, Mondeo
• HONDA Accord, Civic, CR-V
• HYUNDAI Accent, Elantra, i10, i20, i30
• ACURA RDX
• BMW 3-серии
• KIA CEE’D, Cerato, Sportage
• MITSUBISHI Grandis, Lancer, Outlander, Pajero
• NISSAN Qashqai, Micra, X-TRAIL
• OPEL Astra, Vectra, Zafira
• RENAULT Megane, Sandero
• SEAT Cordoba, Leon
• SKODA Fabia, Oсtavia, Rapid, Superb
• SUBARU Forester, Legacy, Outback
• SUZUKI Grand Vitara, SX4
• TOYOTA Avensis, Camry, FJ CRUISER, LAND CRUISER PRADO
• VOLKSWAGEN Polo

Большинство этих машин получив газобаллонное оборудование во главе с блоком управления STAG QBOX/QNEXT PLUS прекрасно работают на газовом топливе, но остаются еще и машины с моторами свыше 4 цилиндров.

STAG QMAX BASIC

В качестве «бюджетного» решения для многоцилиндровых моторов польский производитель предлагает электронику STAG QMAX BASIC. В этой модели отсутствует OBD автоадаптация, но есть система автоадаптации ISA3. Таким образом блок может быть смонтирован на машины где OBD протокол не читается или несовместим.

При этом карта коррекции не зависит от коррекции оборотов относительно времени впрыска. Сбор образцовой карты времени впрыска бензина выполняется с учетом температуры двигателя.

Установка STAG QMAX BASIC производится на такие автомобили как:

• BMW 5-серии
• OPEL Vectra, Omega
• HYUNDAI Santa Fe
• CHRYSLER Pacifica
• Toyota/Lexus (арабские версии)
• Некоторые авто VAG-группы

Но если хочется получить максимальную отдачу от автомобиля с ГБО, то и блок управления должен быть наполнен максимальным функционалом.

STAG QMAX PLUS

STAG QMAX PLUS – версия ЭБУ STAG созданная специально для двигателей от 5 до 8 цилиндров. Среди функций возможность выбора способа автоадаптации OBD или ISA3, обслуживание интерфейса CAN и K- LINE согласно OBD2/EOBD, накладывание топлива в момент переключения. Для того чтобы избежать некоторых ошибок в работе бензиновой системы в электронный блок управления уже изначально интегрированы эмулятор давления и уровня топлива. Встроенные эмуляторы позволяют избежать установки дополнительных, довольно дорогостоящих, устройств.

Используется STAG QMAX PLUS на:

• BMW X5
• CHEVROLET Epica
• FORD Kuga
• HUMMER h3
• HYUNDAI Grandeur
• LAND ROVER Freelander
• LEXUS GS, LX, RX
• LINCOLN Navigator
• MERCEDES GL, S-класса
• MITSUBISHI Outlander XL, Pajero, Pajero Wagon
• TOYOTA Camry, LAND CRUISER
• VOLKSWAGEN Touareg

Список моделей очень велик и здесь приведены только типичные примеры реализации для автомобилей с мощными многоцилиндровыми моторами. Но стоит повториться, что все перечисленные выше ЭБУ, рассчитаны на обслуживание систем с распределенным впрыском топлива. А для двигателей с прямым впрыском бензина у AC S.A. есть совершено уникальный блок.

STAG 400 DPI

STAG 400 DPI – самый высокотехнологичный блок управления в модельном ряду, который позволяет переводить на газ автомобили с прямым впрыском топлива. Именно он позволяет грамотно настроить газобаллонную систему на большинстве современных TSI, TFSI, GDI и прочих прямовпрысковых моторов. За счет специального алгоритма работы обеспечивается бинарный режим смеси при котором основу составляет газовоздушная смесь, а бензин подается в небольших количествах для того чтобы уберечь от перегрева бензиновые форсунки, расположенные в этих моторах непосредственно в цилиндрах.

STAG 400 DPI устанавливается на:

• SKODA Oсtavia, Superb
• VOLKSWAGEN Touareg, Passat, Golf
• AUDI Q7, Q5
• MAZDA CX-7
• NISSAN Patrol
• INFINITI QX
• FORD C-MAX, Focus

Этот ЭБУ может обслуживать множество различных моторов, а с выходом новых прошивок добавляются все новые и новые коды поддерживаемых двигателей.

 

Как же выбирать блок для ГБО?

Соблюсти баланс затрат и функциональности очень непросто, ведь автопроизводители постоянно совершенствуют свои технологии, а производители ГБО дополняют ЭБУ новыми функциями. И поэтому если вы приняли решение перевести двигатель автомобиля на газ, лучше доверьтесь профессионалам. Специалисты СТО гораздо лучше других знают какой блок управления подойдет именно на ваш автомобиль и именно они полностью отвечают за его функционирование. Поэтому начитавшись советов лучше отправляйтесь на профессиональное СТО, устанавливайте ГБО и наслаждайтесь экономией.

 

«БизнесКласс»: Где вправить мозги «железу», рассказывает предприниматель Эдуард Пеняк

БИРОБИДЖАН, 13 декабря, «Город на Бире» – Местный рынок по ремонту автомобилей не может пожаловаться на отсутствие конкуренции. В последние годы автосервисы в нашем городе растут как грибы после дождя. Компания «Автоаудиоцентр» на этом фоне явно выделяется. Больше двадцати лет она помогает автолюбителям решать их проблемы.

– Главное отличие нашего центра от множества других в том, что у нас узкая специализация, – рассказывает директор «Автоаудиоцентра» Эдуард Пеняк. – Мы занимаемся всем, что касается электрики и электроники автомобиля, начиная от замены лампочек и заканчивая чип-тюнингом и прошивкой компьютеров. Вы спросите, какие машины мы обслуживаем? Мы работаем и с «жигулями», и с «мерседесами». Центр укомплектован современным диагностическим оборудованием. У нас есть мультибрендовые сканеры, имеются и специализированные дилерские. В наличии мотор-тестеры, газоанализаторы, стенды по проверке стартеров, форсунок и генераторов и прочее диагностическое оборудование. Но нужно понимать, что к любому железу нужны мозги. Для этого наши механики проходят регулярное обучение, которое позволяет быть в курсе современных тенденций по диагностике современного автомобиля.

Без малого 800 автомобилистов месяц обслуживаются в «Автоаудиоцентре», и не только из Биробиджана. Многие из них, скажем так, не сразу попали к специалистам.

– У нас практически каждую неделю бывают истории, когда мы третий или четвертый автосервис на пути к ремонту сломанного авто, – делится нюансами работы Эдуард Вильевич. – Сначала автолюбители в целях экономии ездят по гаражам, где им обещают условно за копейки все сделать. Они платят один раз, второй, а машина не едет. Приезжают к нам со словами: «Мне сказали, что нужно менять автомат». А после диагностики выясняется, что отвалился провод-«земля». Мы его прикрутили, и машина поехала. Важное отличие наших услуг по ремонту в том, что мы берём с клиентов деньги только после того, как устранена проблема.

Ремонт автомобиля не единственная сфера деятельности «Автоаудиоцентра». Здесь вам помогут с профессиональной установкой полного спектра охранного автомобильного оборудования, а так же аудио- и мультимедиа любого уровня. Купить эти товары сегодня достаточно просто. Но это только половина дела. Оборудование необходимо установить, и спецы центра имеют большой опыт работы в этой области.

– Существуют сигнализации с автозапуском, которые при определенной температуре запускают автомобиль, чтобы он прогрелся, – рассказывает о зимней эксплуатации авто Эдуард Пеняк. – Но здесь есть свои минусы, так как используется моторесурс двигателя. А для него представляет угрозу холодный запуск, так как при нём происходит максимальный износ. Чтобы избежать такой ситуации, используются предпусковые подогреватели. Мы являемся представителями компании Webasto в ЕАО. Осуществляем и ремонты, и диагностику данных устройств. Машина может простоять на холоде сколько угодно долго. При необходимости с помощью телефона или нажатием кнопки запускается предпусковой подогреватель. В течение 15-ти минут двигатель становится теплым, и ты садишься уже в нагретый автомобиль. Это очень удобно.

В общем, осталось только узнать, где можно воспользоваться услугами компании «Автоаудиоцентр». Найти её просто: вот уже много лет авто «лечатся» на ул. Калинина, 25Б.

Позвонить в «Автоаудиоцентр»: 8 (42622) 4-03-64, 8-914-814-34-48.

ИП Пеняк Эдуард Вильевич

 

Материалы опубликованы по заказу НКО Фонд «Инвестиционное агентство Еврейской автономной области» в рамках реализации национального проекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы».

Как перезагрузить стиральную машину LG — журнал LG MAGAZINE Россия

Cтиральные машины LG – высокотехнологичные устройства с богатым функционалом. Поэтому несмотря на надежность, которая уже стала визитной карточкой компании LG, время от времени в процессе эксплуатации у владельца стиральной машины может возникнуть необходимость в ее перезагрузке. Это совершенно штатная ситуация, которой не стоит опасаться. Перезагрузить стиральную машину LG можно совершенно без усилий самостоятельно, не вызывая мастера. 

Как же перезагрузить стиральную машину, если кнопка «Перезагрузка» отсутствует? А также в каких случаях стиралка LG нуждается в перезагрузке?

Случаи, когда нужно перезагрузить стиральную машину LG:

• Программа стирки дала сбой, и на дисплее стиральной машины отображается буквенно-цифровой код ошибки.  
• Во время процесса стирки произошло внезапное отключение электричества. 
• Владельцу нужно срочно остановить процесс стирки (Это случается, когда в барабан стиральной машины попал посторонний предмет. Этим предметом может быть как что-то не предназначенное для стирки, например, забытый в кармане смартфон / бумажник / документы или любой мелкий предмет – детская игрушка, оторвавшаяся пуговица и т.д. – который потенциально может нанести вред манжете и привести к выходу стиральной машины из строя). 
• Владельцу стиральной машины необходимо срочно изменить режим, если он выбран по ошибке и в процессе стирки может привести к порче вещей. 

Как правильно перезагрузить стиральную машину LG: пошаговая инструкция

Разумеется, перезагрузка стиральной машины LG – ответственный процесс, и производить его нужно согласно правилам, иначе существует вероятность вывести технику из строя. Строго следуйте правилам!

Если на вашей стиральной машине есть кнопка Reset, то нажмите ее, и стиралка сама прекратит процесс стирки. Если этой клавиши нет, то воспользуйтесь нижеследующей инструкцией. 

• В течение нескольких мгновений (3-5 сек) зажмите кнопку запуска программы. 

Важно: не перепутайте эту кнопку с кнопкой включения / выключения стиральной машины. 

• Убедитесь в том, что процесс стирки приостановлен. 

Важно: некоторые модели стиральных машин LG сливают воду при приостановке процесса стирки. В этом случае дождитесь окончания процесса. 

Если ваша стиральная машина не сливает воду самостоятельно, а вам нужно получить доступ к барабану, необходимо слить воду вручную. Сделать это можно через аварийный шланг (располагается рядом с фильтром для слива воды) или при помощи сливного фильтра. В этом случае вам также понадобится после ручного слива воды на некоторое время (10-15 мин.) полностью отключить стиральную машину кнопкой «Вкл», затем — от питания, вынув вилку из розетки. После чего снова включить ее в сеть. 

• Выберите необходимый вам режим стирки.  
• В случае необходимости повторно заполните отсек для моющих средств стиральным порошком и ополаскивателем. 
• Нажмите кнопку «Пуск». 

Если вам нужно перезагрузить машину в результате внезапного отключения света, то первым делом нужно отключить технику от сети, чтобы минимизировать риски для стиралки, которые могут возникнуть в результате скачков напряжения. 

В случае возникновения сбоя ПО стиральной машины убедитесь, что причина не в механической поломке. Если сбои происходят регулярно, перезагрузка не поможет, необходимо обратиться в Сервисный центр LG, а ни в коем случае не пытаться разобраться с поломкой самостоятельно.

Мозг автомобильного двигателя: PCM (Powertrain Control Module)

Модуль управления трансмиссией (PCM), также известный как блок управления двигателем (ECU) или модуль (ECM), представляет собой электронное устройство, которое регулирует многие важные функции транспортного средства и напрямую влияет на его работу. Большинство производителей автомобилей начали включать PCM в 1980-е годы, и с годами компьютерная система стала стандартизированной.
Этот PCM состоит из электроники, которая спроектирована на многослойной печатной плате.Это мощный компьютер, который часто рекламируется как мозг системы управления двигателем, поскольку он управляет множеством различных систем автомобиля, такими как системы зажигания двигателя, впрыска топлива и выхлопных газов, а также работу автоматического трансмиссия и антиблокировочная система. Есть два режима работы компьютера — разомкнутый и замкнутый. Разомкнутый контур работает по заданной программе и используется, когда двигатель холодный, в то время как замкнутый контур работает с использованием различных датчиков и возникает, когда двигатель прогрет до рабочей температуры.
Модуль управления трансмиссией (PCM) выполняет множество функций в вашем автомобиле. Он принимает информацию от различных датчиков двигателя и на основе этой информации, запрограммированной в его память, PCM генерирует выходные сигналы для управления реле, исполнительными механизмами и соленоидами. С другой стороны, он отправляет команду топливным форсункам, которые дозируют соответствующее количество топлива. Одним словом, на протяжении всего пути за рулем PCM автоматически определяет и компенсирует любые изменения высоты, чтобы контролировать общее состояние автомобиля.
Здесь мы возьмем одну из его функций — регулировку угла опережения зажигания для конкретного объяснения. Выбор момента зажигания — это последовательность искр, создаваемых свечами зажигания для воспламенения топливовоздушной смеси в каждом цилиндре двигателя. Этот шаблон можно настроить на более быстрый или более медленный цикл в зависимости от условий в двигателе, таких как число оборотов в минуту (RPM), то есть, насколько быстро двигатель работает. Модуль помогает синхронизировать опережение зажигания с частотой вращения.
Вы можете рассматривать PCM как небольшой компьютер, который следит за правильной работой двигателя для приблизительного понимания.Тем не менее, у него есть некоторые факторы, которые отличают его от обычных ноутбуков или настольных компьютеров. Во-первых, PCM — это то, что мы называем системой на кристалле. Все части вычислительной системы, такие как процессор, память и вспомогательные периферийные устройства, сделаны достаточно маленькими, чтобы их можно было установить на одной крошечной печатной плате или микросхеме. Во-вторых, PCM выполняет работу, повторяющую один и тот же набор функций, в то время как компьютеры общего назначения выполняют множество задач, направленных на выполнение различных функций. В-третьих, PCM работает в режиме реального времени, его отказ может привести к серьезным проблемам, поскольку он отвечает за управление несколькими критическими процессами в двигателе автомобиля, в то время как такие сбои в компьютерах общего назначения редко приводят к каким-либо плохим последствиям.
Модуль управления трансмиссией (PCM) расположен в разных местах в зависимости от автомобиля. Его можно найти в моторном отсеке рядом с брандмауэром на некоторых автомобилях. В других случаях он может быть расположен на приборной панели автомобиля, закопан позади или под другими компонентами, либо спрятан за консолью или системой климат-контроля. Кроме того, его также можно найти под сиденьем. В этом случае сначала необходимо снять сиденье, чтобы получить доступ к PCM.

Водитель — мозг машины

Предположим, если хотите, на Землю спустились инопланетные ученые и начали изучать местные формы жизни.Но предположим, что эти инопланетяне прибывают на обочину оживленной скоростной автомагистрали и остаются там. Наши инопланетяне могут заключить, что автомобили — доминирующие жители Земли.

Автомобили явно демонстрируют разумное поведение, они могут объезжать препятствия и следовать сложным инструкциям на дорожных знаках. Как, могут спросить инопланетяне, автомобили справляются с этим? Что является местом автомобильной разведки? После некоторых экспериментов инопланетяне в конечном итоге выяснили, что это углеродный орган внутри автомобиля, он же водитель, который управляет транспортным средством.Водитель принимает решения, а остальная часть машины просто следует его командам. Доказательством этого является то, что если пришельцы удаляют водителя автомобиля, он перестает двигаться. Можно провести эксперименты, чтобы выяснить функции различных частей драйвера. Например, при травме ступней водителя и автомобилю возникнут проблемы с торможением и ускорением, в то время как повреждение руки приведет к выборочным нарушениям в повороте. Эти эксперименты с повреждениями могут быть дополнены исследованиями изображений, в которых инопланетяне сканируют автомобиль и записывают активность в различных частях водителя.Как и предсказывали исследования повреждений, ступни будут более активными при торможении, а движения рук будут предсказывать повороты.

В конце концов, «водительские науки» — изучение водителя и его функции — станет хорошо развитой областью исследований инопланетян. Каждый знает, что руки отвечают за рулевое управление, в то время как ступни контролируют скорость и так далее.

*

Надеюсь, это очевидно, что в этом сценарии я провожу аналогию между водителем как контролером машины и мозгом как контролером тела.Пришельцы пришли к выводу, что водитель-человек — это «мозг» машины.

Зная нейробиологию так же, как и мы, у нас может возникнуть соблазн сказать, что инопланетяне ошибаются и что только мозг водителя на самом деле отвечает за управление автомобилем. Мы думаем, что пришельцы ошибаются, полагая, что руки, ноги или другие части тела имеют какое-то отношение к разуму. Мозг — это драйвер водителя.

Но кто может сказать, что мы не попадаем в ту же ловушку, что и инопланетяне, когда приписываем интеллект определенным областям мозга? Если мы говорим о миндалевидном теле (скажем), «распознающем угрозу», мы подразумеваем, что эта область сама по себе выполняет разумную функцию; но это могло бы быть так же ошибочно, как сказать, что ноги «распознают», что машина едет слишком быстро.

Добавляем мозги в автомобили — EEJournal

«Я использую не только весь свой мозг, но и все, что могу позаимствовать». — Вудро Вильсон

Есть эпизод Star Trek , в котором Enterprise уходит в прошлое, на Землю 20-го века. Глядя вниз на автострады, заполненные машинами, член экипажа поражается тому, что простые люди могут управлять таким количеством транспортных средств так близко друг к другу без постоянных столкновений.

С последним пополнением своего флота, Shoppok Now, пользователи теперь могут делать покупки со своего смартфона.

Оказывается, это сложно. Хотя люди довольно хорошо управляют двухтонными транспортными средствами в тесном строю всего в нескольких футах друг от друга, научить компьютеры делать это еще сложнее. Дело не в недостатке датчиков. Это потому, что у нас недостаточно вычислительных мощностей, чтобы разобраться во всем этом. Автоматическое вождение — одно из следующих приложений-убийц.

Оглядываясь назад, неудивительно, что поставщики графики, такие как nVidia и Imagination Technologies, взяли на себя ведущие позиции в области кремния для беспилотных автомобилей.Алгоритмы автоматизации полагаются на нейронные сети, а обработка нейросетей очень похожа на обработку графики (которая очень похожа на обработку цифровых сигналов прошлых лет). Оба требуют множества повторяющихся одновременных операций, выполняемых параллельно. Вместо менталитета IF-THEN-ELSE, присущего «нормальным» микропроцессорам, машины нейронных сетей (NN) в значительной степени опираются на MUL-ADD-REPEAT.

Также неудивительно, что Imagination изменила свою популярную архитектуру PowerVR NX, чтобы еще больше сфокусироваться на рынке автомобильных беспилотников.На этой неделе новинка — семейство ускорителей нейронных сетей (NNA) Series4.

Новая линейка Sereis4 — это сюрприз! — продолжение существующей линейки продуктов Series 3NX, впервые представленной около двух лет назад, и семейства продуктов 2NX до этого. Компания исключила название PowerVR из линейки продуктов и теперь предпочитает просто IMG Series4; индивидуальные проекты имеют названия 4NX-xx.

Внутренняя аппаратная архитектура 4NX и модель программиста будут знакомы любому, кто программировал предыдущие поколения, или, действительно, любому, кто раньше использовал графику PowerVR. Во всем каталоге есть сильное семейное сходство, что неплохо.

Тем не менее, 4NX совершенно новый, и одним из самых больших изменений является его масштабируемость. Вместо того, чтобы пытаться создать один большой гонзо-процессор, способный справиться со всем, Imagination использует подход «разделяй и властвуй» и позволяет вам создавать собственную сетку движков NNA любого размера, который вы хотите. Самая маленькая реализация имеет ровно одно ядро ​​4NX, а самая большая может обрабатывать сотни.

Как и большинство многоядерных процессоров, механизмы 4NX объединены в кластеры.Компания предлагает готовые группы из 1, 2, 4, 6 и 8 процессоров на кластер. Каждый процессор в кластере имеет свою собственную частную оперативную память, а также общую оперативную память для кластера. Кластер общается с внешней памятью и с другими кластерами через пару интерфейсов AXI. До четырех кластеров могут составлять «суперкластер», и возможно иметь несколько суперкластеров. Независимо от размера или плотности кластера все процессоры 4NX идентичны. Здесь нет варианта «большой. Маленький».

Алгоритмы нейронных сетей процветают благодаря параллелизму, и это то, что обеспечивает 4NX.Но параллелизм, как и движение по автостраде, сложнее, чем кажется. Масштабирование аппаратных механизмов — это только часть проблемы. Настоящая уловка состоит в том, чтобы распределить рабочую нагрузку программного обеспечения по всему этому оборудованию. Обычным компьютерно-ориентированным процессорам (x86, ARM, MIPS, PowerPC и т. Д.) Это сложно, поэтому мы не видим процессоры для ПК с десятками ядер ЦП. К счастью, рабочие нагрузки DSP, графики и нейронной сети можно векторизовать гораздо эффективнее.

Tensor tiling — это искусство и наука разделения рабочей нагрузки на однородную структуру процессоров, таких как 4NX.Это довольно распространено на современных платформах искусственного интеллекта, но это не значит, что это тривиальная задача. Imagination предоставляет программные инструменты для создания мозаичного изображения нового семейства продуктов, что является большим шагом к тому, чтобы сделать 4NX пригодным для использования.

До 4NX осталось несколько недель, в том смысле, что Imagination отправит RTL клиентам примерно в середине декабря. Однако несколько неназванных автомобильных OEM-производителей уже получили поставки, поэтому ожидайте несколько тестовых чипов на базе 4NX примерно в конце следующего года. Если предположить, что некоторым автопроизводителям понравится то, что они видят, технология может появиться на пути через несколько лет после этого, скажем, примерно в 2024 модельном году.Будущее почти здесь!

Связанные

Внутри лаборатории, где Waymo строит мозги для своих беспилотных автомобилей

Прямо сейчас минивэн, за рулем которого никого нет, проезжает через пригород Феникса, штат Аризона. И хотя это может показаться тревожным, компания, создавшая «мозг», обеспечивающий автономность автомобиля, хочет заверить вас, что он полностью безопасен. Waymo, самоуправляемое подразделение Alphabet, является единственной компанией в мире, которая сегодня использует полностью беспилотные автомобили на дорогах общего пользования.Это стало возможным благодаря сложному набору нейронных сетей, основанных на машинном обучении, о котором очень мало известно — до сих пор.

Впервые Waymo приоткрывает завесу над тем, что, возможно, является самой важной (и самой трудной для понимания) частью ее технологического стека. Компания, лидирующая в гонке беспилотных автомобилей по большинству показателей, уверенно заявляет, что у ее автомобилей сегодня самый продвинутый мозг на дороге. Это благодаря хорошему старту в инвестициях в ИИ, некоторым стратегическим приобретениям дочерней компанией Google и тесным рабочим отношениям с внутренней командой исследователей ИИ технологического гиганта.

новейший искусственный интеллект

Любой желающий может купить кучу фотоаппаратов и датчиков LIDAR, поставить их на машину и назвать это автономным. Но обучение беспилотного автомобиля поведению водителя-человека или, что еще более важно, умению водить лучше, чем человек, находится на переднем крае исследований в области искусственного интеллекта. Инженеры Waymo моделируют не только то, как автомобили распознают объекты на дороге, например, но и то, как поведение человека влияет на поведение автомобилей. И они используют глубокое обучение, чтобы интерпретировать, прогнозировать и реагировать на данные, полученные за 6 миллионов километров пробега по дорогам общего пользования и 5 миллиардов километров при имитации.

Анка Драган, один из новых сотрудников Waymo, находится в авангарде этого проекта. Она присоединилась к компании только в январе после того, как запустила лабораторию InterACT в Калифорнийском университете в Беркли, которая занимается взаимодействием человека и робота. (На фотографии на веб-сайте Беркли Драган широко улыбается, в то время как рука робота наливает ей дымящуюся чашку кофе.) Ее роль — гарантировать, что наше взаимодействие с беспилотными автомобилями Waymo — как пешеходов, пассажиров и других водителей — полностью положительный.Или, другими словами: она наша опора против неизбежной революции роботов.

Драган должен соблюдать баланс. Хотя нам не нужны роботы-повелители, мы не хотим и водителей роботов-роботов. Например, если вы мчитесь по оживленному шоссе со скоростью 65 миль в час и хотите выехать на левую полосу движения, вы можете просто двигаться вперед, пока другие водители не освободят для вас место. Беспилотный автомобиль, обученный следовать правилам дорожного движения, может с трудом справиться с этим.Недавно в Твиттере появилось видео, на котором один из минивэнов Waymo пытается выехать на оживленное шоссе и в значительной степени терпит неудачу.

«Как мы можем адаптировать его к водителям, с которыми он разделяет дорогу?» — говорит Драган. «Как сделать его более комфортным или более естественным? Это тонкие улучшения, которые, если вы хотите, чтобы они работали, вам действительно нужна система, которая чертовски работает ».

Фото Амелии Холовати Кралес / The Verge

Для инновации, которая должна спасти нас от дорожно-транспортных происшествий, эти несколько месяцев были крайне обескураживающими.В марте 49-летняя женщина была сбита беспилотным автомобилем Uber при переходе улицы в Темпе, штат Аризона. Несколько недель спустя владелец Tesla Model X погиб в ужасной аварии при использовании автопилота, полуавтономной системы помощи водителю. А буквально на прошлой неделе беспилотный минивэн Waymo был сбит седаном Honda, который выехал на встречную полосу движения.

Это были крайне удручающие несколько месяцев

Между тем, общественность становится все более скептичной.Регулирующие органы начинают переосмысление бесплатного пропуска, который они рассматривали для предоставления компаниям для создания и тестирования полностью беспилотных автомобилей. В разгар всей этой неопределенности Waymo пригласил меня в свою штаб-квартиру в Маунтин-Вью, штат Калифорния, для серии подробных интервью с ведущими специалистами компании в области искусственного разума.

Waymo размещается в X, лаборатории исследований и разработок Google с высоким уровнем риска, которая расположена в нескольких милях от главного кампуса Googleplex. (В 2015 году, когда Google реструктурировал себя в конгломерат под названием Alphabet, X исключил Google из своего названия.Год спустя проект Google по созданию беспилотных автомобилей «завершился» и превратился в независимую компанию под названием Waymo. Тем не менее, команда самоуправляемых автомобилей по-прежнему размещается на головном корабле, вместе с сотрудниками, работающими над дронами доставки и интернет-шарами.

Здание бывшего торгового центра находится в спокойной зоне залива. Единственное, что его можно отличить, — это пара самоуправляемых минивэнов Chrysler Pacifica, которые крутятся на стоянке и иногда останавливаются, чтобы сотрудники могли сделать селфи прямо перед ними.В Googleland знаменитости — это автомобили.

Waymo уже значительно опередила своих конкурентов в области автономного вождения. Он проехал больше всего миль — 6 миллионов по дорогам общего пользования и 5 миллиардов на моделировании — и в процессе собрал огромное количество ценных данных. У нее есть партнерские отношения с двумя крупными автопроизводителями, Fiat Chrysler и Jaguar Land Rover, и еще несколько на стадии разработки. Его тестовые автомобили находятся на дорогах Техаса, Калифорнии, Мичигана, Аризоны, Вашингтона и Джорджии.В конце этого года компания планирует запустить коммерческое такси без водителя в Аризоне.

В Googleland знаменитости — автомобили

Теперь компания хочет, чтобы ее преимущества во все еще развивающейся области искусственного интеллекта были более широко известны. На этой неделе генеральный директор Waymo Джон Крафчик выступил с презентацией на ежегодной конференции разработчиков устройств ввода-вывода. И идея была ясна: наши автомобили могут видеть дальше, лучше воспринимать и принимать быстрые решения быстрее, чем кто-либо другой.

«Это действительно сложная проблема, если вы работаете над полностью автономным транспортным средством…. из-за требований к возможностям и точности, — говорит мне Дмитрий Долгов, технический директор и вице-президент компании Waymo. «И опыт действительно имеет значение».

Глубокое обучение, которое представляет собой тип машинного обучения, в котором используется множество слоев нейронной сети для анализа данных в различных абстракциях, является идеальным инструментом для улучшения восприятия и поведения беспилотных автомобилей, говорит Долгов. «И мы начали довольно рано…. точно так же, как революция происходила прямо здесь, по соседству ».

Специалисты

по искусственному интеллекту из команды Google Brain регулярно сотрудничают с Долговым и его коллегами-инженерами в Waymo над методами повышения точности его беспилотных автомобилей. В последнее время они вместе работали над некоторыми из наиболее интересных элементов исследования искусственного интеллекта, такими как «автоматическое машинное обучение», в котором нейронные сети используются для обучения других нейронных сетей. Waymo может быть отдельной компанией, но когда дело доходит до создания ауры неуязвимости, лучше иметь за спиной вашего старшего и гораздо более жесткого брата.

Внезапный интерес Waymo к полному совершенствованию своих полномочий в области ИИ связан с его серьезными усилиями по развертыванию транспортных средств, для которых не требуется, чтобы кто-то сидел за рулем. На сегодняшний день Waymo — единственная компания, взявшая на себя этот риск. Остальная часть отрасли спешит наверстать упущенное, скупая крошечные стартапы, чтобы дать толчок собственным усилиям по автономии. Более того, ключевые члены команды Google, занимающейся самоуправлением, ушли, чтобы повесить свою собственную черепицу, соблазненные большими возможностями и кучей денег, и предоставили технологическому гиганту бороться с новостями об «истощении» и «утечке мозгов».”

Бывшие члены команды Google по самообслуживанию и сторонние эксперты признают, что Waymo действительно имеет большое преимущество в этой области, но признают, что его конкуренты, вероятно, в конечном итоге наверстают упущенное. В конце концов, Waymo не имеет монополии на машины с мозгами.

«Каким бы сильным ни был Google, — говорит Дэйв Фергюсон, бывший ведущий инженер группы самообслуживания Google, который с тех пор ушел, чтобы основать свою собственную компанию под названием Nuro, — эта область сильнее ».

Изображение: Классификация ImageNet с глубокими сверточными нейронными сетями

Так было не всегда.Еще в начале 2000-х поле было довольно слабым.

Нейронные сети

, вид машинного обучения, при котором программисты создают модели, которые просеивают огромные массивы данных и ищут общие закономерности, еще не были популярны. Произошел большой сдвиг от нейронных сетей, которые были довольно мелкими (два или три слоя), к глубоким сетям (двузначные слои). Хотя эта концепция восходит к 1950-м годам, когда начались исследования в области искусственного интеллекта, большинство компьютеров не были достаточно мощными, чтобы обрабатывать все необходимые данные. Все изменилось с соревнованием ImageNet в 2009 году.

ImageNet начинался с плаката исследователей Принстонского университета, который был показан на конференции 2009 года по компьютерному зрению и распознаванию образов во Флориде. (Плакаты — это типичный способ обмена информацией на конференциях по машинному обучению такого типа.) После этого он превратился в набор данных изображений, а затем в соревнование, чтобы увидеть, кто сможет создать алгоритм, который сможет идентифицировать большинство изображений с наименьшим количеством ошибок. Набор данных был «обрезан» от примерно 10 000 изображений до тысячи категорий или «классов» изображений, включая растения, здания и 90 из 120 пород собак.Примерно в 2011 году уровень ошибок составлял около 25 процентов, что означало, что каждое четвертое изображение неправильно определялось алгоритмами команд.

Помощь пришла из неожиданного места: мощные графические процессоры (GPU), которые обычно встречаются в мире видеоигр. «Люди начали понимать, что эти устройства на самом деле можно использовать для машинного обучения», — говорит Винсент Ванхаук, бывший исследователь голосовой связи в Google, который теперь является техническим руководителем компании по ИИ. «И они особенно хорошо подходили для работы с нейронными сетями.”

Самый большой прорыв произошел в 2012 году, когда исследователь искусственного интеллекта Джеффри Хинтон и двое его аспирантов, Илья Суцкевер и Алекс Крижевский, показали новый способ решения проблемы: глубокую сверточную нейронную сеть для ImageNet Challenge, которая может обнаруживать изображения повседневных объектов. . Их нейронная сеть смутила конкурентов, снизив частоту ошибок при распознавании изображений до 16 процентов по сравнению с 25 процентами при использовании других методов.

«И с тех пор мы никогда не оглядывались назад.”

«Я считаю, что это был первый раз, когда подход на основе нейронных сетей с глубоким обучением превзошел более стандартный подход», — говорит Фергюсон, бывший инженер Google. «И с тех пор мы никогда не оглядывались назад».

Крижевский более осмотрительно подходит к своей роли в ImageNet Challenge 2012. «Думаю, мы были в нужном месте в нужное время», — говорит он мне. Он объясняет их успех своим увлечением программированием графических процессоров для выполнения кода для нейронной сети команды, что позволяет им проводить эксперименты, которые обычно занимают месяцы, всего за несколько дней.По его словам, Суцкевер подключил эту технику к конкурсу ImageNet.

Успех Хинтона и его команды «вызвал эффект снежного кома», — говорит Ванхаук. «Благодаря этому появилось много инноваций». Непосредственным результатом стало то, что Google приобрела компанию Хинтона DNNresearch, в которую входили Суцкевер и Крижевский, за нераскрытую сумму. Хинтон остался в Торонто, а Суцкевер и Крижевский переехали в Маунтин-Вью. Крижевский присоединился к команде Ванхаука в Google Brain. «И тогда мы начали думать о применении этих вещей в Waymo», — говорит Ванхаук.

Другой исследователь Google, Анелия Ангелова, первой обратилась к Крижевскому и предложила применить их результаты в автомобильном проекте Google. Ни один из них официально не работал в этой команде, но возможность была слишком хороша, чтобы ее игнорировать. Они создали алгоритм, который может научить компьютер узнавать, как выглядит пешеход — путем анализа тысяч уличных фотографий — и идентифицируют визуальные шаблоны, которые определяют пешехода. Этот метод оказался настолько эффективным, что Google начал применять его к другим частям проекта, включая прогнозирование и планирование.

Проблемы возникли практически сразу. Новая система допускала слишком много ошибок, неправильную маркировку автомобилей, светофоров и пешеходов. К тому же он был недостаточно быстрым, чтобы работать в реальном времени. Итак, Ванхаук и его команда прочесали изображения и обнаружили, что большинство ошибок были ошибками, сделанными людьми этикетировщиками. Google привлек их, чтобы предоставить базовый уровень или «основную истину», чтобы измерить успешность алгоритма, — а вместо этого они добавили ошибки. Оказалось, что проблема с автономными автомобилями по-прежнему заключалась в людях.

Проблема с автономными машинами, как выяснилось, осталась у людей

После исправления человеческой ошибки Google все еще изо всех сил пытался модифицировать систему до тех пор, пока она не смогла мгновенно распознавать изображения. Тесно сотрудничая с командой Google по созданию беспилотных автомобилей, исследователи ИИ решили включить более традиционные подходы к машинному обучению, такие как деревья решений и каскадные классификаторы, с нейронными сетями, чтобы достичь «лучшего из обоих миров», — вспоминает Ванхаук.

«Это было очень, очень захватывающее время для нас, чтобы на самом деле продемонстрировать те методы, которые использовались для поиска изображений кошек и интересных вещей в Интернете», — говорит он.«Теперь они фактически использовались для повышения безопасности беспилотных автомобилей».

Крижевский покинул Google несколько лет спустя, заявив, что «потерял интерес» к работе. «На какое-то время я впал в депрессию, — признается он. Его уход озадачил его коллег из Google, и с тех пор он приобрел мифический статус. (Фергюсон назвал его «шептуном по ИИ».) Сегодня Крижевский задается вопросом, хватит ли этих первых успехов, чтобы дать Google непреодолимое лидерство в области автономии. Другие автомобильные и технологические компании уже осознали важность машинного обучения, и данные Waymo могут быть слишком конкретными для экстраполяции в глобальном масштабе.

«Я думаю, что у Tesla есть уникальное преимущество в том, что она может собирать данные из самых разных сред, потому что владельцы Tesla с самоуправляемым оборудованием есть по всему миру», — говорит он мне. «Это очень важно для обобщения алгоритмов машинного обучения. Так что я предполагаю, что, по крайней мере, с точки зрения данных, если не с алгоритмической стороны, Tesla может быть впереди ».

Искусственный интеллект и машинное обучение необходимы для беспилотных автомобилей. Но некоторые из конкурентов Waymo, в том числе бывшие члены команды Google по самостоятельному управлению автомобилем, задаются вопросом, как долго продержатся преимущества компании.

Стерлинг Андерсон — бывший директор автопилота в Tesla и соучредитель компании Aurora Innovation, которую он основал вместе с бывшим руководителем программы Google по беспилотным автомобилям Крисом Урмсоном и Дрю Бэгнеллом из Карнеги-Меллона. Он говорит, что естественным следствием улучшений в искусственном интеллекте является то, что большие успехи, такие как Waymo, «менее значительны, чем раньше». Другими словами, все, кто работал над беспилотными автомобилями в 2018 году, уже с самого начала используют глубокое обучение и нейронные сети. Блеск выключен.И, как старый фрукт, многие из этих данных с первых дней стали мягкими и несъедобными. Миля, пройденная в 2010 году, — это не миля, пройденная в 2018 году.

«Через несколько лет данные остаются на полу», — говорит Андерсон. «Это становится полезным для обучения и становится полезным для развития архитектуры и развития подхода. Но в какой-то момент утверждение, что я пробежал X миллионов миль или X миллиардов миль, или что-то еще, становится менее важным ».

«Данные остаются на полу через несколько лет.” Инженеры

Waymo согласны с этим. «В частности, для машинного обучения существует такая вещь, как точка убывающей отдачи», — говорит Саша Арно, глава подразделения машинного обучения и восприятия компании. «Увеличение в 10 раз большего количества данных не обязательно даст вам гораздо больший объем данных, потому что важна уникальность найденных вами примеров».

Другими словами, каждая дополнительная миля, которую набирает Waymo, должна быть интересной, чтобы иметь отношение к процессу обучения нейронных сетей компании.Когда автомобили сталкиваются с крайними случаями или другими уникальными сценариями, такими как пешеходные переходы или параллельные парковки, они фильтруются с помощью симулятора Waymo для преобразования в тысячи итераций, которые можно использовать для дальнейшего обучения.

Роботов тоже можно обмануть. Состязательные изображения или изображения, созданные для того, чтобы обмануть программное обеспечение машинного зрения, могут использоваться для подрыва беспилотных автомобилей или даже их сбоев. Наклейки можно наклеить на знак «Стоп», чтобы система машинного зрения запуталась и решила, что это знак «45 миль в час».

Нейронная сеть, обученная Google распознавать предметы повседневного обихода, недавно была обманута и решила, что черепаха, напечатанная на 3D-принтере, на самом деле является оружием. Инженеры Waymo говорят, что они встраивают в свою систему избыточность, чтобы устранить эти возможности. Добавьте это к длинному списку проблем, связанных с беспилотными автомобилями, который включает взлом, программы-вымогатели и нарушения конфиденциальности.

Jaywalk с серединой. Изображение: Waymo Jaywalk без медианы. Изображение: Waymo Строитель в люке. Изображение: Waymo Параллельная парковка. Изображение: Waymo

«Расскажите мне, в чем разница между кошкой и собакой».

Долгов сидит в одном из конференц-залов X с маркером в руке, MacBook Pro раскинулся перед ним и просит меня описать ему разницу между Гарфилдом и Оди.

Прежде чем я успеваю пробормотать ответ, Долгов продолжает: «Если я дам вам картинку и спрошу« это кошка или собака », вы очень быстро узнаете, верно? Но если я попрошу вас описать мне, как вы пришли к такому выводу, это было бы нетривиально. Вы думаете, что это как-то связано с размером вещи, количество ног такое же, количество хвостов такое же, обычно такое же количество ушей. Но это не очевидно ».

По словам Долгова, этот тип вопросов действительно хорошо подходит для алгоритмов глубокого обучения.Одно дело — придумать набор основных правил и параметров, например, красный означает стоп, зеленый означает движение, а также научить компьютер различать разные типы дорожных знаков. Научить компьютер выбирать пешехода из океана данных датчиков легче, чем описывать разницу или даже кодировать ее.

Waymo использует автоматизированный процесс и людей для обучения нейронных сетей. После обучения эти гигантские наборы данных также необходимо обрезать и сжать, чтобы их можно было развернуть в реальном мире на транспортных средствах Waymo.Этот процесс, похожий на сжатие цифрового изображения, является ключевым при построении инфраструктуры для масштабирования до глобальной системы.

Если вы посмотрите на изображения, снятые камерами автомобилей, и поместите их рядом с той же сценой, созданной на основе данных лазерного датчика автомобиля, вы начнете видеть огромные масштабы проблемы, которую Waymo пытается решить. Если вы никогда не видели LIDAR-рендеринг, лучший способ описать его — это Google Street View как психоделический плакат с черным светом.

Эти изображения представляют собой беспилотный автомобиль и то, что он «видит» вокруг, с высоты птичьего полета.Пешеходы изображаются желтыми прямоугольниками, другие автомобили — фиолетовыми прямоугольниками и т. Д. В Waymo есть категории «собака-кошка» и «птичья белка», которые используются для обозначения животных. (Оказывается, различия между собакой и кошкой не совсем актуальны для автономных транспортных средств.) Но за этим Waymo тренирует свои алгоритмы, чтобы распознавать нетипичных действующих лиц в окружающей среде: строителя по пояс в люке, кого-то в костюм лошади, человек, стоящий на углу и вращающий знак в виде стрелы.

«Редкие события действительно имеют значение».

Чтобы исключить человека-водителя из уравнения, автомобиль должен адаптироваться к более странным элементам типичного вождения. «Редкие события действительно имеют значение, — говорит мне Долгов, — особенно если речь идет об удалении драйвера ».

Запрограммировать машину так, чтобы она реагировала на людей, переходящих улицу в дневное время, — это одно, а заставить ее воспринимать и реагировать на пешехода — совсем другое. Что, если этот странник остановится на медиане? Беспилотные автомобили Waymo отреагируют осторожно, поскольку пешеходы часто подходят к середине дороги и ждут.Что делать, если медианы нет? Автомобиль распознает это как необычное поведение и замедляется настолько, чтобы позволить пешеходу перейти дорогу. Waymo построила модели с использованием машинного обучения, чтобы распознавать и реагировать как на нормальное, так и на необычное поведение.

Нейронным сетям требуется избыток данных для обучения. Это означает, что только Waymo собрала «сотни миллионов» автомобильных лейблов. Чтобы помочь понять это в контексте, глава отдела восприятия Waymo Арно подсчитал, что человеку, маркирующему автомобиль каждую секунду, потребуется 20 лет, чтобы набрать 100 миллионов.По словам Арно, машинам Waymo требуется четыре месяца, чтобы прокрутить весь этот набор данных во время процесса обучения, работая каждый час, каждый день, каждую неделю и нажимая 10 меток в секунду.

Требуется больше, чем хороший алгоритм, чтобы вырваться из геозонированных тестовых участков пригорода Феникса. Если Waymo хочет, чтобы его беспилотные автомобили были достаточно умными, чтобы работать в любой среде и в любых условиях — что определяется как уровень автономности 5, — ему нужна достаточно мощная инфраструктура для масштабирования своей системы автономного вождения.Арну называет это «индустриализацией» или «производством» ИИ.

Как часть Alphabet, Waymo использует центры обработки данных Google для обучения своих нейронных сетей. В частности, он использует мощную аппаратную систему облачных вычислений, называемую «модулями тензорной обработки», которая лежит в основе некоторых из самых амбициозных и далеко идущих технологий компании. Обычно эта работа выполняется с использованием имеющихся в продаже графических процессоров, часто от Nvidia. Но в последние несколько лет Google решил создать часть этого оборудования самостоятельно и оптимизировать его для своего собственного программного обеспечения.По словам Арно, TPU «на порядки» быстрее процессоров.

Будущее искусственного интеллекта в Waymo — не за разумными машинами

Будущее искусственного интеллекта в Waymo — не за разумными машинами. (Извините, поклонников Knight Rider .) Это передовые исследования, такие как автоматизированное машинное обучение, в котором автоматизирован процесс создания моделей машинного обучения. «По сути, идея о том, что у вас есть машинное обучение искусственного интеллекта, которое создает другие модели искусственного интеллекта, которые фактически решают проблему, которую вы пытаетесь решить», — говорит Арнуд.

Это становится чрезвычайно полезным для езды по участкам с нечеткой разметкой полосы движения. В наши дни в самых сложных условиях вождения требуется, чтобы беспилотные автомобили принимали решения по навигации без белых линий, точек Боттса или четких границ на краю дороги. Если Waymo сможет создавать модели машинного обучения, чтобы обучать свои нейронные сети ездить по улицам с нечеткой разметкой, то беспилотные автомобили Waymo могут показать пригород Феникса сзади и в конечном итоге отправиться на открытую дорогу.

Технология Nissan «мозг-к-автомобилю» | Bitbrain

Производитель автомобилей Nissan начал год с презентации первой технологии Brain-to-Vehicle (или B2V) в Лас-Вегасе на выставке CES 2018. Это большая революция для отрасли, которая связывает мозг водителя с автомобилем, радикально меняя его образ жизни. мы взаимодействуем с транспортными средствами. Вместо замены водителя автопилотом цель состоит в том, чтобы получить доступ к намерениям водителя между 0.За 2 и 0,8 секунды до их выполнения. Действия водителя ожидаются и достигается индивидуальный, более комфортный и более безопасный опыт вождения . Проект основан на интерфейсе мозг-компьютер со значительным прогрессом в трех направлениях: носимые устройства для распознавания мозга, обработка сигналов мозговой активности для прогнозирования движений человека и новые стратегии совместного управления транспортными средствами. Подключение нашего мозга к автомобилям для улучшения или адаптации стиля вождения, без сомнения, будет темой, которая будет в центре внимания в ближайшие годы.

Технология Nissan Brain-to-Vehicle или B2V

С момента, когда наш мозг отправляет команду движения, проходит от 0,2 до 0,4 секунды, пока наши мышцы не выполнят ее. Это время, необходимое для прохождения приказа по нервной системе от мозга до активации мышц. И за 0,2–0,6 секунды до того, как мозг даже «отдает» команду, мозг «подготавливает» движение. Таким образом, можно идентифицировать намерение водителя между 0,4 и 1 секундами до того, как водитель фактически нажмет на тормоз, и, следовательно, автомобиль может начать торможение немедленно.На скорости 100 км / ч это означает экономию 27 метров тормозного пути, разница между жизнью и смертью при лобовом столкновении . Предвидение предполагаемого движения улучшает время реакции и может быть распространено на другие действия, такие как поворот или маневрирование, поскольку оно включает в себя двигательное поведение наших рук и ног, которое может ожидаться автомобилем.

Намерение водителя можно узнать почти за секунду до того, как водитель нажмет на педаль тормоза. Автомобиль мог сразу начать тормозить, что значительно экономило тормозной путь.

Важным аспектом интеграции этой информации с транспортным средством является то, что она основана на совместном управлении , что означает, что транспортное средство и водитель совместно управляют автомобилем, что приводит к более приятному и безопасному вождению. Это представляет собой новую концепцию, альтернативную автономному вождению, цель которой — заменить водителя автопилотом, автономным автомобилем или автономной системой.

Вице-президент Nissan Даниэле Скиллачи так описывает свое видение будущего: « С помощью Nissan Intelligent Mobility мы движем людей к лучшему миру, обеспечивая большую автономность, большую электрификацию и больше возможностей подключения ».А Доктор Люсьен Георге , старший научный сотрудник Nissan Intelligent Mobility, утверждает, что « возможности применения этой технологии невероятны. Это исследование станет катализатором инноваций Nissan в наших автомобилях в следующие годы ».

Эти принципы работы мозга и его взаимосвязь с вождением лежат в основе технологии Brain-to-Vehicle, представленной Nissan на выставке потребительской электроники CES 2018, крупнейшей мировой выставке бытовой электроники.Достижения Nissan являются первой вехой, достигнутой в сотрудничестве с Bitbrain, Швейцарским федеральным технологическим институтом и Канадским национальным исследовательским советом.

Этот проект поддерживается четырьмя основными направлениями исследований и разработок:

1. Новая носимая и беспроводная технология распознавания мозга, которую водитель использует для измерения активности мозга с помощью электроэнцефалограммы (ЭЭГ).

2. Анализ данных мозговой активности в режиме реального времени, способный обнаруживать ожидание движения водителя.

3. Новые процедуры совместного управления автомобилем и водителем, использующие информацию мозга.

4. Новые системы интеграции и тесты, основанные на симуляциях и реальных транспортных средствах.

Минималистичная технология ЭЭГ, оптимизированная для проекта

В этой линейке Bitbrain совместно с Nissan разработала инновационную носимую и минималистичную нейротехнологию ЭЭГ с сухими датчиками, оптимизированную для измерения активности мозга, связанной с движением.Это ЭЭГ-система , которая: а) не требует для работы электролитических проводящих веществ, б) очень удобна и эргономична, в) предназначена для отслеживания естественного поведения водителя, и более дискретный дизайн, чем любая другая существующая технология ЭЭГ. Его можно установить в среднем менее чем за две минуты и может непрерывно работать до восьми часов, передавая информацию о мозговой активности водителя на Bluetooth автомобиля.

Этот проект требовал, чтобы система ЭЭГ имела три ключевых свойства:

1. Приемлемость для конечного пользователя : оборудование удобно носить в течение длительного периода времени, имеет «приятный» внешний вид и рассчитывается с минимальным количеством датчиков, необходимых для предотвращения перегрузки оборудования.

2. Нечувствительность к артефактам движения : естественные движения водителя создают шум при измерениях ЭЭГ. ЭЭГ является беспроводной — кабели являются обычным источником шума — и представляет собой инновационное активное экранирование, которое снижает шум, производимый любым ненейронным сигналом.

3. Надежное измерение необходимых мозговых процессов : ЭЭГ может измерять корковые потенциалы, связанные с движением (MRCP), и синхронизацию (де) синхронизацию, связанную с моторными событиями (ERD / ERS).MRCP особенно сложно измерить с хорошим качеством при использовании технологии сухой ЭЭГ.

В этом видео показан пример использования этой нейротехнологии в промежуточном прототипе.

Разработка этой носимой технологии ЭЭГ — явный шаг вперед для этого проекта и, в более общем плане, для применения этих технологий за пределами лаборатории. Эта технология фиксирует естественное поведение водителя и записывает ЭЭГ с беспрецедентной точностью и надежностью , которые необходимы для захвата моторных и когнитивных процессов мозга, участвующих в управлении транспортным средством.

Новая минимальная ЭЭГ — это значительный шаг вперед на пути к надежным устройствам измерения мозга, адаптированным для повседневной жизни.

Интерфейс мозг-компьютер для прогнозирования движения

Интерфейс мозг-компьютер интерпретирует сигналы мозговой активности водителя. Технология B2V основана на подготовительной мозговой деятельности, которая предшествует выполнению движения, чтобы предвосхитить намерения пользователя. Эта активность происходит в основном в моторной коре и определяется с помощью двух нейронных коррелятов ЭЭГ: корковых потенциалов, связанных с движением, (MRCP) и моторной , связанной с (де) синхронизацией (ERD / ERS).Типичный подход к наблюдению за этими процессами состоит в объединении нескольких повторений одного и того же движения и демонстрации так называемого среднего значения Grand Average .

На следующем рисунке показана форма этих двух мозговых процессов, когда человек начинает ходить (начинает движение правой ногой), измеренная в области моторной коры головного мозга. Обратите внимание, что ноль на горизонтальной оси соответствует началу порядка, а также тому, как домоторные потенциалы и колебания предшествуют порядку (подготовка мозга к движению).Задача интерфейса мозг-компьютер — измерить эти мозговые процессы и максимально быстро их расшифровать.

В следующем видео показан пример этих мозговых процессов в другом контексте приложения, у пациента с цереброваскулярным нарушением (см. Научную публикацию). Ноль — начало порядка движения, желтая линия представляет активацию мышцы руки (ЭМГ, электромиографическая активность), а зеленая линия — расшифровка активности мозга (полученная с помощью интерфейса мозг-компьютер).Значения желтой и зеленой линий указывают вероятность движения. Обратите внимание, как намерение декодируется до того, как создается движение.

Мозговые процессы, используемые в мозге к транспортному средству, — это корковые потенциалы, связанные с движением (MRCP) и моторная десинхронизация (ERD / S).

Адаптация системы вождения под водителя

Несмотря на то, что можно было предположить на предыдущих изображениях, расшифровка активности мозга в реальном времени, связанной с ожиданием движения , представляет собой очень сложный процесс .

1. Во-первых, декодирование работает с активностью, генерируемой одним движением, а не со средним значением, и поэтому отношение сигнал / шум ниже (это означает, что сигнал ЭЭГ представляет больше шума, чем то, что было показано на изображениях).

2. Во-вторых, нет априорной информации о моменте, когда водитель собирается затормозить, и, следовательно, мы должны декодировать намерения водителя непрерывно (поскольку нет определенного временного интервала для идентификации декодирования, точность обнаружения снижается).

3. В-третьих, мозг каждого человека отличается, и, следовательно, вышеупомянутые мозговые процессы, связанные с движением, также имеют разные сигнатуры ЭЭГ (существуют большие межличностные и внутриличностные различия).

К этим проблемам подходят алгоритмы, которые прогнозируют движение на основе методов обработки сигналов с автоматическим обучением (машинное обучение и искусственный интеллект), которые требуют определенной фазы калибровки для каждого объекта.

На этом этапе калибровки пользователь двигается естественно, производя набор движений, подобных тем, которые мы хотим декодировать. Во время выполнения этих движений регистрируются сигналы мозга и информация о движениях водителя. Данные ЭЭГ будут использоваться для калибровки и обучения системы декодирования ЭЭГ. После обучения интерфейса мозг-компьютер на основе ЭЭГ можно в реальном времени расшифровать намерение водителя двигаться примерно на 0,5 секунды быстрее (или даже на 1 секунду раньше, в зависимости от человека), чем реальное движение.

В случае вспомогательного вождения можно использовать симулятор для тренировки интерфейса мозг-компьютер. Фактически, Nissan использовал автомобильный симулятор, чтобы обучить и оценить обнаружение предвкушения движения. Во время CES люди, желающие протестировать интерфейс «мозг-машина», должны сначала откалибровать систему . Участники следовали инструкциям тренажера , в то время как их мозговая активность и движения, такие как поворот руля и торможение, записывались.Когда система обнаружила, что обучение было удовлетворительным, участник был готов управлять симулятором с непосредственной помощью, полученной от его мозга.

Компания Nissan использовала автомобильный симулятор для обучения методам автоматического обучения обнаружению предвкушения движения.

Другие проекты «мозг-машина» или «мозг-2» по всему миру

Nissan — не единственный производитель автомобилей, заинтересованный в концепции «мозг-к-автомобилю», использующей системы ЭЭГ в своих автомобилях.Форд, например, в сотрудничестве с Королевским колледжем Лондона сравнил внимание и время реакции профессиональных пилотов с трассой и обычных водителей . Для этого они использовали системы ЭЭГ и виртуальной реальности. Результаты показывают, что на высоких скоростях пилоты гораздо лучше игнорируют отвлекающие факторы. Хотя в то время Ford интересовался использованием этих систем для улучшения характеристик своих пилотов, участвующих в соревнованиях, мир автомобильных гонок всегда был местом инноваций до того, как разработки достигли реальной дороги.

Если Ford желает контролировать и улучшать возможности своих пилотов, Audi использовала системы ЭЭГ в рамках проекта «25-й час» для оценки опыта пользователей автономных транспортных средств. Производители знают, что в связи с быстрыми изменениями, происходящими в автомобильной промышленности, время, проведенное в транспортных средствах, будет сильно отличаться от сегодняшнего. Используя футуристическую симуляцию автономного транспортного средства, Audi изучила ожидания тысячелетий от этих транспортных средств, сосредоточившись первоначально на том, как создать среду, которая способствует производительности.Данные ЭЭГ показывают различные уровни когнитивных требований в зависимости от стимулов, предъявляемых транспортным средством (вид водителя, пространство для релаксации и т. Д.).

В другом проекте, разработанном Bitbrain в сотрудничестве с Ogilvy, для компании Seat automotive был разработан нейроконфигуратор транспортного средства, позволяющий адаптировать характеристики автомобиля к темпераменту водителей. Технология оценивала темперамент водителей в процессе демонстрации видео (стимулов), в то время как их реакция мозга регистрировалась с помощью минималистичной носимой ЭЭГ.Эта технология была представлена ​​на Парижском автосалоне и использовалась более 8000 человек менее чем за 15 дней. Это стало важной вехой в использовании интерфейсов мозг-компьютер из-за интенсивности использования и того, что участники использовали его автономно и без помощи технического персонала.

В настоящее время существует множество инноваций, направленных на улучшение взаимодействия между людьми и транспортными средствами , и нет никаких сомнений в том, что использование информации мозга открывает широкое поле для исследований и будущих потенциальных приложений.Эти приложения включают технологии для обнаружения и оценки водителя, контроля и адаптации стиля вождения, а также для создания еще более захватывающих и приятных ощущений от вождения. Глобальные технологии «мозг-транспорт» уже здесь, и вопрос в том, откажутся ли люди от контроля над своими автомобилями в будущем или, скорее, поделят контроль. Мы точно знаем, что очень скоро выйдем за рамки ручного вождения.

Возможно, вас заинтересует :

Как ЗДЕСЬ помогает развивать мозг в автономных автомобилях

Мы разрабатываем передовые технологии автономного вождения с расширенным моделированием локализации.Это часть нашего растущего партнерства с NVIDIA.

Автономный автомобиль всегда должен знать, где он находится.

Звучит очевидно, но для большей детализации автомобилю требуется нечто большее, чем просто координата GPS на карте. Если вы когда-нибудь наблюдали, как синяя точка в приложении для смартфона парит в космосе, пытаясь определить, где именно вы находитесь, то вы точно понимаете, почему беспилотный автомобиль должен быть в тысячу раз точнее стандартного GPS. .

Насколько точно транспортное средство должно определять свое местоположение? Очевидно, что автомобилю недостаточно знать, что он едет по определенной дороге, и не знать, что он движется по дороге в определенном направлении, обновляемой каждые несколько секунд.

Чтобы работать безопасно и комфортно, автономное транспортное средство никогда не может позволить себе не знать, где оно находится. Одна только камера может быть повреждена снегом или туманом. Датчики радаров могут быть заблокированы дорожным движением. GNSS может плохо видеть в густонаселенных городских каньонах.

Чтобы выполнить точный поворот, избежать встречи с другим автомобилем, идеально остановиться на перекрестке, автономному транспортному средству необходимо, чтобы его местоположение было с точностью до сантиметра. Это надежно достигается за счет сборки автомобиля с несколькими датчиками разных типов, работающих согласованно.

Чтобы понять это больше, послушайте Санджая Суда, вице-президента HERE по высокоавтоматизированному вождению.

Сегодняшние высокоавтономные автомобили (и полностью автономные автомобили завтрашнего дня) должны безупречно выполнять сложную задачу. Это работа, требующая огромных вычислительных мощностей. Это сложное упражнение, требующее как большого количества вспомогательных данных, так и сверхмощной вычислительной мощности, позволяющей принимать решения почти в реальном времени.Неудивительно, что человеческий мозг может делать это практически мгновенно.

Когда вы смотрите вокруг своей машины с точки зрения водителя, вы воспринимаете и обрабатываете огромный объем данных.

Вы знаете, в какой полосе вы находитесь. Одним взглядом вы чувствуете, как далеко вы находитесь от обочины. Вы знаете, как далеко находится следующий светофор, и когда вы приближаетесь к нему, вы точно знаете, где остановить автомобиль по отношению к полосам и дорогам вокруг вас.

Enter, модель локализации

Это много информации.Когда беспилотный автомобиль выполняет те же функции, он называется локализацией . Правильная локализация, которую мы сейчас наблюдаем на дороге, охватывает диапазон от макроуровня определения местоположения GPS до микроуровня понимания того, где ваша машина находится по отношению к бордюру, дорожному знаку и всем остальным. элементы дороги вокруг вас.

Для выполнения работы по локализации необходимы две вещи. Первый — точный, надежный информационный ресурс. HERE HD Live Map — это глубоко детализированная межмашинная карта, которая необходима автономным транспортным средствам для выполнения задач, обычно обеспечиваемых человеческой памятью и опытом.Карта позволяет автономным транспортным средствам определять свое положение на дороге в сантиметрах, а не в ярдах. Более того, он содержит информацию о дороге впереди, поэтому автомобиль может видеть и принимать меры на основе данных, находящихся за пределами диапазона его собственных датчиков.

Второе требование — мощный графический процессор, который выполняет работу по принятию решений человеком. Этот графический процессор должен обладать достаточной вычислительной мощностью, чтобы принимать всю информацию с дороги и принимать разумные решения, которые обеспечивают водителям и пассажирам комфорт и безопасность в режиме реального времени.NVIDIA создает эти процессоры и выводит их на рынок, не добавляя тысячи и тысячи долларов к стоимости вашего автомобиля.

Мы гордимся тем, что создаем решения для автономного вождения вместе с нашими партнерами из NVIDIA. Мы рады помочь реализовать задачи, которые вам понадобятся в высокоавтономном транспортном средстве.

Роботакси и самоуправляемые автомобили приближаются. Эта компания делает мозги.

Размер текста

Предоставлено Aptiv

Приближается время потребительских автономных автомобилей, и инвесторы уже могут надрать шины.Поставщик автомобилей Aptiv продемонстрировала свои улучшающиеся возможности самостоятельного вождения на виртуальной выставке Consumer Electronic Show в понедельник, указав, что некоторые автономные услуги, такие как роботакси, не за горами.

Aptiv (тикер: APTV) анонсировал новый мозг или системную архитектуру для интеллектуальных транспортных средств, а также продукты нового поколения ADAS или передовые системы помощи водителю.

ADAS, произносится как «а-дас», на промышленном жаргоне означает автономное вождение.На самом сложном уровне автомобили управляют собой. Детали в выпусках новостей кажутся загадочными, но они демонстрируют, насколько мир близок к полностью автономному вождению, а также какие проблемы остаются.

Мозг Aptiv — это усовершенствованное программное обеспечение, датчики и вычислительные инструменты. А новая электрическая архитектура компании включает в себя то, что компания называет зонным контроллером. Это означает, что все функции в автомобиле, от кондиционирования воздуха до датчиков автономного управления, подключаются к одной из четырех зон, а основная часть вычислений выполняется централизованно.

Обычно один процессор управляет всеми системами. Технический директор Aptiv Глен Де Вос рассказал Barron , что зональный подход означает снижение затрат и повышение эффективности для автопроизводителей.

«Для установки [электрического] жгута проводов полноразмерного грузовика требуется девять человек», — говорит Де Вос. Зональный подход делает вещи меньше и проще. Это также упрощает обновление систем и платформ, по сути, подключая вещи к зонам и оставляя центральную компьютерную обработку в покое.

Это также означает, что центральный компьютер, обрабатывающий все данные, поступающие с новых датчиков, также может быть обновлен. По словам Де Вос, зональная архитектура сделает автомобили более «программными».

«Включено программное обеспечение» — это то же самое преобразование, которое претерпели телефоны. Долгое время потребителям приходилось получать новое оборудование от поворотного переключателя до кнопок и беспроводных телефонов. Современные производители телефонов, например яблоко (AAPL), по-прежнему выпускает новое оборудование, но все смартфоны становятся лучше без нового оборудования по мере распространения приложений и обновления операционных систем.

Аналогичный процесс происходит и в автомобилях. « Тесла (TSLA) началась с первого дня, когда автомобиль стал программной платформой », — говорит Де Вос. «Tesla стала эталоном, люди должны наверстать упущенное». Он считает, что решения Aptiv помогут догнать другие автомобильные маркеры, хотя Aptiv поставляет продукцию всем в отрасли, включая Tesla.

Aptiv генерирует около 14 миллиардов долларов продаж в год и предоставляет отчеты в двух сегментах: Signal и Энергетические решения, и повышенная безопасность и удобство использования.Хотя это лишь приблизительное представление, инвесторы могут рассматривать Power Solutions как бизнес по производству оборудования, например, как проводку для грузовиков. В бизнес Advanced Safety вложено много вложений в программное обеспечение, чтобы интегрировать все новые датчики и данные, необходимые для создания беспилотного автомобиля.

Продажи Advanced Safety за последние несколько лет росли примерно на 7% в год, опережая продажи на автомобильном рынке в целом. Сейчас беспилотные автомобили почти готовы к использованию в прайм-тайм, но инвесторам пока не стоит ожидать, что они появятся в продаже у местных дилеров.Де Вос говорит, что роботакси должны появиться в 2023 году, а самоуправляемые автомобили для потребителей — в 2030 году. Причиной дополнительного времени для последнего является стоимость. Полная технология самоуправления может стоить типичный автомобиль более чем в 80 000 долларов. Расходы все еще необходимо снизить, прежде чем станут возможными полностью автономные автомобили — с водителем, полностью отстраненным от дороги.

Инвесторы обратили внимание на возможность самостоятельного вождения в акциях Aptiv, которые выросли примерно на 60% за последний год, превзойдя сопоставимую доходность акций Aptiv. S&P 500 а также Промышленный индекс Доу-Джонса.

Уолл-стрит ожидает еще большего роста. Почти 75% аналитиков оценивают акции Aptiv как «Покупать». Средний коэффициент покупательной способности компонентов Dow составляет около 57%. Однако средняя целевая цена для аналитиков составляет около 125 долларов, что ниже уровня, на котором торгуются акции. Акции выросли почти на 50% за последние три месяца. Аналитикам было трудно поспеть.

Акции Aptiv торгуются примерно в 37 раз больше, чем предполагаемая прибыль в 2021 году, что выше недавних торговых диапазонов, но аналитики и инвесторы стали более оптимистично смотреть на технологию самоуправления в последнее время после обновлений от таких производителей автомобилей, как Tesla, XPeng (XPEV) и НИО (НИО).

Акции Aptiv торговались без изменений в полдень понедельника. S&P снизился на 0,2%.

Написать на Al Root по адресу allen.root@dowjones.com

.