Автопилот машины: Список крутых автомобилей с функцией автопилот

Когда мы пересядем на машины с автопилотом?

«Была бы технология, а применение ей найдется». Но все же сперва надо поставить задачу, а затем искать пути ее решения: нельзя просто придумать что-то и гадать, где это пригодится. Ученые и инженеры выдвигают гипотезы, исследуют теоретические предпосылки, проверяют идеи, пытаются их воплотить. Иногда открытия, которые считаются передовыми, какое-то время назад уже упоминались, хотя речь о компьютерах и высоких технологиях тогда не шла. Onliner.by в партнерстве с компанией Huawei разбирается в истории создания умных автопилотов.

Содержание

Автопилот. Начало

Давайте вспомним детство — то время, когда все вокруг кажется новым, неизведанным и полным тайн, когда фокус с «отрыванием» пальца вызывает бурю восторга и желание видеть это вновь и вновь.

А еще взрослые рассказывают детям сказки, да только вот прав был Пушкин-чертяка: «Сказка ложь, да в ней намек! Добрым молодцам урок».

Немного переиначим известный сюжет: Емеля шантажирует ученого Щуку, ведущего затворнический образ жизни, и получает в свое распоряжение секретные технологии. Будучи по натуре ленивым, Емеля заставляет Щуку разработать самодвижущиеся сани, а позже — куда более комфортную печь.

Идея автономных транспортных средств обрела черты в первой половине прошлого века. В 1925 году американский изобретатель Франсис Гудина показал радиоуправляемый автомобиль на базе Chandler. Со стороны казалось, что машина едет сама — ведь за рулем никого не было, так как водитель сидел в другом автомобиле позади, откуда по радио переключал скорости, жал на клаксон и рулил.

Понимая, что управлять машиной, хоть и удаленно, но в непосредственной близости от нее не слишком эффективно, инженеры придумали способ обойти ограничение. Шаг вперед сделал футурист и промышленный дизайнер Бел Геддес, предложив дорогу с проложенными в ней проводами.

Провода в дороге. Утопия «автоматической магистрали»

Совместно с General Motors на выставке Futurama в 1939 году инженер показал прототип системы с электрическими автомобилями, находившими путь благодаря электромагнитной индукции (между собой взаимодействовали катушки в машине и встроенные в дорожное полотно кабели). В 1940-м Геддес выпустил книгу, в которой утверждал: люди не должны сидеть за баранкой — для того, чтобы сберечь жизни. По его прогнозам будущее должно было наступить в 60-х годах XX века.

В послевоенные годы желание сделать автомобиль и дорогу единым целым вернулось, Бел работал не зря. К делу подключилась компания RCA — та самая, благодаря которой появились разъемы типа «тюльпан», а также оригинальная телевизионная испытательная таблица. В лаборатории развернули миниатюрный тестовый полигон с игрушечной машинкой и проводами в полу, ставшими в прямом смысле путеводной нитью — был реализован описанный выше принцип организации «автоматической дороги».

«Очень круто!» — подумали местные чиновники, ответственные за местные дороги, и предложили реализовать полноразмерный проект — с настоящими дорогами и автомобилями.

Инженеры согласились. Чтобы дополнительно впечатлить комиссию, демонстрация проводилась вначале с помощью Chevrolet Impala 1958 года, а затем — футуристичного по тем временам концепта Firebird III. Все бы хорошо, но… «Очень дорого!» — сказали чиновники. На оснащение одной мили дороги требовалось $100 тыс. (около $860 тыс. на сегодняшний день), поэтому «автоматизированная магистраль» к 1975 году, как планировалось изначально, не появилась.

Citroen DS19 с пневмоподвеской. Первый полноценный автопилот

В 1960-х годах тренд подхватили другие компании, проводились испытания, однако подход все время оставался один: в тандеме должны работать автомобили и дорогостоящая инфраструктура вокруг.

Первой машиной с полноценным автопилотом, вероятно, стал Citroen DS19. В рамках реализуемого в Великобритании проекта инженеры модернизировали гидравлическую систему автомобиля, приспособив ее для воздействия на педали и руль. Транспортное средство без участия человека удерживало дорогу с проложенными в ней «проводами» на скорости около 130 км/ч даже на заснеженной трассе. Эффективно, однако вновь слишком дорого.

Компьютерное зрение. Машиной должен управлять компьютер

Затем в дело вступил Джон МакКарти, о котором мы рассказывали раньше. Он, напомним, является автором термина Artificial Intelligence, введенного в 1955 году, а также разработчиком языка программирования Lisp для ИИ.

В 1969 году ученый опубликовал эссе «Управляемые компьютером автомобили» (Computer-Controlled Cars). В нем автор рассуждает на тему «автоматизированного шофера», способного водить автомобиль на дорогах общего пользования, опираясь на визуальную информацию с камер. Ввод маршрута МакКарти предлагал осуществлять с помощью клавиатуры, она же применялась бы для ввода текущих команд (притормозить возле бара, например).

МакКарти указал направление, в котором необходимо двигаться инженерам. Правда, до начала 90-х годов прошлого века его идеи оставались концептом, пока кто-то не вспомнил нейронные сети в привязке к автономным автомобилям.

100 км/ч. Наконец без проводов

В 1980-х годах попытки разработать самоуправляемые машины все же предпринимались. Успевший поработать в NASA инженер Эрнст Дикманнс (хотя основных высот он добился на родине), которого называют «немецким пионером компьютерного зрения», сконструировал свое детище — VaMoRs на базе, судя по всему, Mercedes-Benz L 508 D.

Установленная в бусе аппаратура управляла автомобилем, получая информацию в режиме реального времени с камер. Программное обеспечение занималось обработкой последовательностей изображений и переводило увиденное в команды, а робот «рулил». Первые полностью автономные заезды обновленных VaMoRs начались в 1986 году, а максимальная скорость движения достигала почти 100 км/ч. Правда, на пустой дороге.

В конце 1986 — начале 1987 года была развернута программа Prometheus Project с прицелом на создание самостоятельно передвигающегося автомобиля. Финансированием проекта занялось европейское агентство координации исследований EUREKA, которое выделило около 750 млн евро в эквиваленте.

Было решено отказаться от ранее предложенной технологии размещения в дороге «навигационных» кабелей и взять за основу работу Эрнста Дикманнса с его машинным зрением. Позже благодаря Prometheus у компании Mercedes появился прототип VITA — Vision Information Technology Application (технология с помощью компьютерного зрения анализирует положение автомобиля на дороге и управляет им).

Проблема заключалась не только в ограниченной по тем временам вычислительной мощности компьютеров, но и в их размерах. Ведь не зря испытания проводились на грузовом бусе — кузов отдали под аппаратуру и кондиционеры для ее охлаждения. К слову, GPS также был недоступен простым смертным, поэтому необходимо было обеспечить хранение карт местности. Новая цель — уменьшить все оборудование до приемлемых габаритов.

В октябре 1994 года пара машин Mercedes, в том числе Mercedes-Benz 500 SEL, проехала на скорости до 130 км/ч по магистрали в обычном для дороги трафике, самостоятельно меняя полосы и опережая другие автомобили (с подтверждением действий со стороны водителя). А в 1995-м робот, разглядывая дорогу саккадами (постоянный беглый осмотр окружения) и утилизируя доступные мощности многопроцессорной системы, разогнался уже до 175 км/ч, проехав более 1,5 тыс. км. Максимальная дистанция, преодоленная машиной без участия человека, составила на этом маршруте 158 км.

Рождение ALVINN. Нейронные сети

В 1980-х работы велись и в США при финансировании DARPA. Американский проект получил название ALV — Autonomous Land Vehicle. Их основным достижением стала разработка системы навигации, способной управлять автомобилем при движении по пересеченной местности, а не по асфальтированной дороге с четкой разметкой. Компьютер, используя карту и сенсоры, разогнал машину до 3 км/ч и проехал около 600 метров. Пока немного.

Это было начало для ALVINN — так именовали броневичок, ставший базой для новой технологии. Название транспортного средства состоит из двух аббревиатур — ALV и NN (Neural Network, или нейронные сети). Идею применения нейронных сетей продвинул Университет Карнеги — Меллона и его учащийся Дин Померло в частности. Тогда он завершал очередной этап образования со специализацией в машинном обучении, машинном зрении, робототехнике и нейронных сетях.

Тренировка автопилота ALVINN, ставшая классикой, выглядела так: водитель-человек проводил автомобиль по отрезку пути, в это время камеры собирали данные вокруг, фиксировались действия водителя. Компьютер определял различные параметры взаимодействия человека и машины, получая ответ на вопрос «что нужно делать, чтобы удержать автомобиль на дороге» для разных ситуаций.

Каждая нейронная сеть обучалась для определенного типа дороги, а затем ALVINN был способен подобрать нужную, опираясь на оценку ее эффективности и надежности в конкретном случае.

Собственно обучение занимало пару минут, после чего компьютер с производительностью в десятую часть от возможностей процессора умных часов Apple, действовал самостоятельно. Человеку оставалось только жать на педали.

Миллион долларов за действующий автопилот

Следующие шаги по совершенствованию технологии были предприняты в начале 2000-х годов. Американское правительство запустило несколько проектов с участием армии и агенства DARPA. Агентство, свою очередь, в 2004-м предложило миллион долларов за работающую систему управления, способную провести транспортное средство по многокилометровому маршруту в пустыне Мохаве. Безуспешно.

Вторая и третья попытки в рамках Grand Challenge были эффективнее, а в 2007 году победу в городских условиях одержал автомобиль Университета Карнеги — Меллона и General Motors. Уже тогда стало понятно, что набора из пары камер и компьютера недостаточно, на что указали первые два Grand Challenge. Заодно были сформированы «клубы по интересам», тема автономных машин получила широкое распространение.

В дело вступает Google

И вот в 2009 году в дело вступила Google. Пока тайно, позвав возглавить проект Себастьяна Труна. Он участвовал в соревнованиях DARPA Challenge II и III и занял высокие места, к тому же был директором Лаборатории искусственного интеллекта в Стэнфорде.

Здесь сделаем отступление. Принцип поиска пути у современных автономных транспортных средств примерно одинаковый. Сенсоры постоянно собирают информацию вокруг, генерируя карту. Могут использоваться уже готовые карты.

Речь, как правило, идет о наборе лазеров, радарах разного типа, сонарах, GPS, камерах высокого разрешения и внутренних сенсорах. Лазер, к примеру, измеряет расстояние до предметов и их габариты; радары и сонары применяются для адаптивного круиз-контроля, но также нужны для определения дистанции; камеры получают изображения для последующего их изучения компьютером (знаки, разметка и т. д.). Затем программное обеспечение анализирует поступающие данные, руководствуется как жестко заданными правилами, так и наборами меняющихся алгоритмов, предсказательными моделями, различает предметы, важные для дальнейших действий, или игнорирует их.

На основании полученной и обработанной информации автомобиль осуществляет дальнейшие действия на дороге, все решения принимаются за доли секунды (те же мотоциклисты всегда появляются из ниоткуда).

Машины могут действовать в составе «роя» — этот принцип, напомним, в несколько ином виде считался одним из основных на заре развития самоуправляемых механизмов. В «рое» автомобили способны формировать плотную колонну (перевозка грузов) или действовать еще более глобально — на уровне всего транспорта какого-нибудь города (но лишь в весьма отдаленной перспективе).

Степень автономности оценивается по шкале от 0 до 5. На нулевом уровне все основные системы контролируются человеком; на первом некоторые системы, но не более одной в конкретный период времени, могут управляться электроникой; на втором машина берет ответственность за несколько компонентов управления; на третьем она способна управлять сам собой, но в некоторых ситуациях передает управление человеку; на четвертом достигается полная автономность в ограниченном количестве сценариев; пятый уровень, к которому все стремятся, подразумевает автономность в любых условиях.

Теперь вернемся к Google. Компания ставила перед собой задачу выпустить автономную машину к 2020 году. Проект начался с шести автомобилей Toyota Prius и Audi TT. Ими управляли люди с безупречной историей вождения, чтобы система перенимала исключительно корректные модели поведения.

Машины оборудовали набором сенсоров, радаров и датчиков, необходимых для наблюдения за окружением. К 2010 году эти автомобили проехали более 225 тыс. км, фиксируя всевозможные ситуации, с которыми только можно встретиться на дороге. Компания Google, впрочем, не слишком распространялась о своем проекте, но на улицах на смену «Приусам» пришли «Лексусы».

А в 2014 году общественности были представлены прототипы автономных машин Google — эдакие «божьи коровки» без руля и педалей, только с парой сидений, кнопкой включения да стойкой с сенсорами на крыше. Названные Firefly («Светлячок»), они предназначались для испытаний, но не массового производства.

Достижения поисковой корпорации не давали покоя крупным автопроизводителям, в игру включились практически все (а кто-то продолжил изыскания).

Tesla показала Autopilot

В 2014 году Tesla представила свой Autopilot, подняв по обыкновению хайп вокруг нового для себя направления. Вначале это была относительно простая система, состоящая из камеры под лобовым стеклом, смотрящего вперед радара, кругового ультразвукового сенсора и компьютера для обработки данных. Первая версия Autopilot отвечала требованиям второго уровня автономности.

Вторая версия обросла камерами, увеличив зону и дальность охвата, и получила более производительное «железо» от NVIDIA для обработки данных, а позже — разработанный в Tesla процессор. Однако это все еще сверхпродвинутый круиз-контроль. Подобный ему аналог существует и у Mercedes. Планировалось, что Audi A8 2019 будет отвечать третьему уровню автономности, но пока не сложилось. Весь вопрос в законах и программном обеспечении. Об этом говорят как представители Tesla, так и эксперты индустрии. По словам последних, компания Илона Маска достигла наибольшего прогресса в коммерциализации продукта.

Так называемый Enhanced Autopilot американской компании готов обеспечить пятый уровень автономности (но официально находится на втором), осталось лишь «накатить обновление», чем Tesla и занимается, постепенно совершенствуя ПО. На полигонах вовсю проводятся испытания системы, которая действует намного эффективнее доступных владельцам электрокаров разработок.

Пока же обычные водители становятся заложниками собственных ожиданий, пытаясь увидеть в круиз-контроле Tesla полноценный автопилот. По этой причине мы регулярно читаем об авариях с участием электромобилей Маска — негативную роль здесь играет и агрессивный маркетинг бизнесмена. Несмотря на требование не отпускать руль, итог иногда весьма печален.

Конечно, нередко «Автопилот» помогает:

Google, тем временем, наступает на пятки — разработкой самоуправляемых машин теперь занимается ее дочернее предприятие Waymo. Технологии и гибридные системы обработки данных позволяют тестовым автомобилям действовать уже на четвертом уровне автономности, однако до дорог общего пользования они пока не добрались. В отличие от Tesla, которая отказалась от лидаров в пользу камер и машинного зрения, Waymo и Uber (также включившаяся в гонку автопилотов) используют активные оптические системы. Их недостаток — технологическое несовершенство и высокая цена.

Без ИИ никак

Эксперты считают, что внедрение в автопилоты искусственного интеллекта неизбежно. Продвинутый ИИ с подобием когнитивных функций будет способен имитировать человеческий стиль вождения. Зачем? Это вопрос комфорта. Также, полагают некоторые ученые, развитие концепции «интернета вещей» поспособствует появлению автопилотов пятого уровня — глобальная информационная сеть сможет генерировать еще больший объем данных для обработки.

В теории автономный транспорт может значительно снизить уровень аварийности, повысить эффективность доставки грузов, сделать личный транспорт не таким привлекательным, что, в свою очередь, повлияет на экологическую обстановку. Именно об этом говорили инженеры, только приступив к созданию автопилотов для машин.

Беспилотные автомобили для начинающих / Хабр

Про беспилотные автомобили постоянно мелькают новости, но что же на самом деле происходит в этой сфере? Как беспилотные автомобили ездят? Кто их производит? Почему они до сих пор не ездят массово по улицам? Попробуем разложить все по полочкам.

Ранняя версия беспилотника Lyft

Что такое беспилотный автомобиль

Это автомобиль, оборудованный системой автоматического управления, способный передвигаться из точки А в точку Б без участия человека.

Как работают беспилотные автомобили

Чтобы приехать в пункт назначения, беспилотный автомобиль должен знать маршрут, понимать окружающую обстановку, соблюдать ПДД и корректно взаимодействовать с пешеходами и другими участниками дорожного движения. Чтобы соответствовать этим требованиям, беспилотник использует следующие технологии:

• Камеры: визуальное обнаружение объектов, например, дорожная разметка и знаки
• Радар: определение препятствий и объектов впереди и сзади, а также определение расстояния до них
• Лидар: похож на радар, но гораздо четче и позволяет обнаруживать объекты вокруг автомобиля (полный обзор 360 градусов)
• AI (искусственный интеллект): мозги машины. Обрабатывает данные с камер и сенсоров, управляет автомобилем и принимает решения.

Уровни автономности

Организация под названием SAE International сделала доброе дело и стандартизировала 5 уровней автономности, которых придерживаются все игроки на рынке:

• Level 0 — No Automation: Водитель должен контролировать все — руль, тормоз и газ. Обычная машина.
• Level 1 — Driver Assistance: Автомобиль помогает тормозить или ускоряться. Автомобили с круиз-контролем — это как раз про level 1.
• Level 2 — Partial Automation: Автомобиль может одновременно контролировать ускорение и торможение, но человек должен следить за ситуацией и быть готовым принять управление. Самый яркий пример уровня 2 — Tesla.
• Level 3 — Conditional Automation: Автомобиль может полностью управлять движением, но в какой-то момент может попросить принять управление на себя. Ходят слухи что Audi A8 2018 года выпуска умеет делать все это, но пока нет ни одного обзора.
• Level 4 — High Automation: Умеет все что умеет уровень 3, но также может справляться с более сложными дорожными ситуациями. В целом можно отпустить руль и ничего не делать, но если автомобиль не сможет принять решение он об этом оповестит и плавно припаркуется на обочине. О четвертом уровне заявляют такие компании как Waymo или Aptiv
• Level 5 — Full Automation: Полная автономия, участие человека не требуется. Машина сама принимает решение в любой ситуации, руль может отсутствовать.

Уровни автономности от 0 до 5

Ключевые игроки рынка

Большинство автопроизводителей осознали что будущее за беспилотным транспортом и ринулись открывать новые отделы и покупать стартапы. Кроме автопроизводителей в гонке участвует не только множество стартапов, но также и IT-гиганты вроде Google, Яндекс и Apple. Вот самые основные.

General Motors

Будучи одним из ведущих автопроизводителей, GM потратил кучу денег чтобы удержаться в лидерах беспилотных авто. В 2016-ом, приобрел стартап Cruise Automation, занимавшийся разработкой беспилотника, за более чем 1 миллиард долларов. В Cruise суммарно влили $2.25 миллиарда инвестиций от SoftBank и $1.1 миллиард от GM в 2018-ом. Чтобы еще больше доминировать на рынке автономии, GM также приобрел производителя лидаров. GM тестирует свои беспилотники в Сан Франциско с планами расширения на Нью-Йорк. Первые коммерческие поездки беспилотников запланированы на 2019 год.

Waymo (лидер по технологичности)

Самый старый стартап, был основан еще в 2009 году. На данный момент считается самым совершенным беспилотным автомобилем. Оцениваясь в $175 миллиардов (!), Waymo уже проехал суммарно 10 миллионов миль автомобилями Chrysler, Honda и Jaguar. Совсем недавно, Waymo озвучил свои планы докупить еще 62,000 Fiat Chrysler для будущего платного беспилотного такси.

Uber

После очень серьезного судебного иска от Waymo дела у Uber немного пошатнулись. Потом пошатнулись после ДТП в результате которого погиб человек. Однако, Uber не сдался, и вместе с партнерами вроде Volvo и Daimler собрал $500 миллионов инвестиций от Toyota. Временно беспилотники Uber не ездят самостоятельно, а управляются водителями, попутно оцифровывая города в HD карты. Вероятно в будущем Uber интегрирует беспилотные автомобили в свой сервис такси.

Lyft (сервис такси, конкурент Uber)

В сравнении с агрессивным расширением и маркетингом Uber, подход Lyft более фокусирован. Lyft запартнерился с Aptiv, бывшим когда-то на грани банкротства. Вместе они совершили более 5000 платных поездок на беспилотниках (всего с 20 автомобилями) в Лас-Вегасе. При заказе такси Lyft, пассажир может выбрать беспилотное такси.

Tesla

У Tesla совсем другой взгляд на беспилотное будущее. Илон Маск считает что беспилотник может работать только на одних камерах (ведь человек управляет автомобилем с помощью всего пары глаз), без лидаров. Несмотря на то, что автомобили Tesla обладают функциями автопилота, они все равно топчутся на 3-ем уровне автономности, да и аварий из-за автопилота тоже хватает.

Baidu

Baidu раскачивает локальную китайскую лодку беспилотников с 2014 года. В 2017-ом, анонсировала Apollo, open-source (открытую) платформу для беспилотных автомобилей. Baidu нацелился на массовый выпуск беспилотных автомобилей с 2019 до 2020, но ее шансы пошатнулись после того как ряд AI-специалистов покинули компанию (включая Lu Qi).

Почему так долго?

Waymo был основан в 2009-ом и только сейчас они более-менее готовы для коммерческих поездок (и то в пределах солнечной Калифорнии). То есть спустя почти 10 лет. Почему так долго? Хоть и гонка беспилотных технологий и ускорилась за последние 5 лет, все компании испытывают общие проблемы:

Лидар

Лидар это по сути лазерная установка, которая постоянно крутится и “стреляет” лазером 360 градусов, выдавая расстояние до каждой точки, которую удалось измерить. Вот видео для большей наглядности:

К сожалению, лидар стоит кучу денег (от 500 000р за 1 штуку), а их в беспилотном автомобиле надо много (2–5 штук). Так еще и от него никак не избавиться, ведь только радара и камер не хватит чтобы четко ориентироваться на местности.

Различные компании ведут работы по снижению стоимости лидара и выпуску нового, дешевого твердотельного лидара (без крутящихся элементов), но такие пока продукты еще в разработке.

AI (искусственный интеллект)

Как было сказано выше AI это сердце автомобиля. AI определяет объекты с камер, пытается угадать кто это (собака, человек, автомобиль, дорожный знак и пр.), как поведут себя пешеходы и другие машины. Чтобы такой искусственный интеллект работал, инженеры “скармливают” ему огромные массивы данных, чтобы специальные алгоритмы могли обучаться на этих данных. Чем больше качественных данных на входе, тем лучше алгоритмы будут работать.

Хоть алгоритмы и продвинулись далеко, они все еще глупы как 2-летний ребенок. Яркий пример — инцидент с беспилотником Uber (из-за которого погиб человек), алгоритм не смог распознать человека на дороге (в прочем, как не успел его заметить и водитель). А ведь помимо человека надо “видеть” еще и много других объектов — каждую машину, дорожный знак, светофор, уметь определять полосы движения и много других вещей.

Погодные условия

Будем честны, почти ни один беспилотный автомобиль не умеет нормально ездить в условиях снегопада или сильного дождя. Исключение — университет MIT. Ребята научились ориентироваться по слепкам дорожного полотна под машиной.

Картография

Беспилотникам не подходят простые карты и простая точность GPS (погрешность 3–10 метров), автомобилю нужно понимать где он находится с сантиметровой точностью. Несмотря на то что у беспилотника куча сенсоров, необходимо иметь точную информацию об окружающей местности (геометрию дорожной разметки, границы дороги, ближайшие дорожные знаки и пр). Вся эта информация есть в так называемых HD-картах.

Один из автомобилей Google Street View

Чтобы поддерживать картографию в актуальном состоянии специальные картографические автомобили (спец. автомобиль с камерами и лидарами) должны ездить по улицам и “оцифровывать” их. Таким образом, с появлением гонки беспилотных автомобилей началась и гонка картографии среди таких компаний как Here, TomTom, DeepMap, lvl5, Carmera, Google и прочих. В 21-ом веке данные — это новое золото.

Инфраструктура

Беспилотным автомобилям требуется новая дорожная инфраструктура. И не просто инфраструктура, а умная инфраструктура в которой автомобили могли бы общаться не только с самой инфраструктурой (знаки, светофоры и пр.), но и с другими автомобилями. Вот немного основных терминов:

• V2V (vehicle-to-vehicle) — автомобили обмениваются информацией напрямую друг с другом
• V2I (vehicle-to-infrastructure) — автомобили обмениваются информацией с дорожной инфраструктурой
• V2P (vehicle-to-pedestrian) — автомобили обмениваются информацией с пешеходами (например, автомобиль видит смартфон пешехода и понимает что тут находится человек)

Например, автомобиль едет по шоссе, а дорожный знак за 300м впереди сам сообщает “я знак такой-то, нахожусь там-то”. Беспилотный автомобиль сможет заранее понимать что впереди и планировать свои действия в соответствии с этой информацией.

Доверие человека

Люди все еще не особо доверяют беспилотным автомобилям. Согласно исследованию Reuters и Ipsos только лишь 38% мужчин и 17% женщин сказали что чувствовали бы себя комфортно в беспилотном автомобиле. Вообщем-то и не удивительно, технология беспилотных автомобилей довольно молодая, люди не успели привыкнуть. Автопроизводителям и стартапам еще предстоит завоевать доверие людей.

Что дальше?

Мы становимся свидетелями того, как беспилотные автомобили медленно появляются на наших дорогах. Вряд ли в следующие 5 лет мы увидим их как массовое явление: ни алгоритмы, ни инфраструктура еще не доросли. Однако, с приходом V2V/V2I возможно появятся специальные зоны беспилотного транспорта, где можно будет вызвать привычный Uber/Яндекс и доехать за полчасика на беспилотнике до работы.

Почему автопилот не(на)видит припаркованные автомобили

В последние годы ряд автокомпаний (таких как Tesla), начали встраивать в свои автомобили системы помощи водителю, способные следить за полосой движения и обеспечивать работу круиз-контроля. Все эти разработки кажутся большим шагом к созданию беспилотного автомобиля, поскольку транспортное средство с такими системами может проезжать множество миль по магистралям без вмешательства человека. Однако, в новом докладе от ААА (американской автомобильной ассоциации) выделяются ограничения этих систем.

Наиболее драматичный вывод заключается в том, что системы ADAS в новейших автомобилях все еще с трудом избегают столкновений с припаркованными автомобилями. ААА протестировала автомобили BMW, Kia и Subaru, и ни один из них не смог избежать столкновений с макетом автомобиля, частично занимавшим полосу движения.

Исследователи также изучили работу систем ADAS в Cadillac CT6 и Ford Edge, хотя системы этих автомобилей не были включены в тесты с припаркованными автомобилями, так как их системы помощи водителю не срабатывали на тестовом полигоне AAA. Они были включены в другие тесты, проводимые на дорогах общего пользования.

«Все водители, участвовавшие в испытаниях, согласились с тем, что сочетание адаптивного круиз контроля и системы контроля полосы не способствует повышению водительского мастерства», – сказано в докладе. Транспортные средства достаточно часто совершали ошибки, и для водителей опыт таких поездок был скорее нервным, чем расслабляющим.

Грег Брэннон, соавтор доклада AAA, утверждает, что фундаментальная проблема таких систем заключается в необходимости поддержания бдительности водителя. Оказавшись за рулем машины, способной ехать практически самостоятельно, люди начинают жутко отвлекаться от дороги. Именно поэтому существует большой риск того, что когда (или если) эта система допустит ошибку, водитель будет отвлечен и не сможет быстро взять управление на себя и спасти положение.

Почему системы ADAS продолжают врезаться в припаркованные автомобили?

Вы можете решить, что автомобили с адаптивным круиз-контролем или функцией экстренного торможения будут останавливаться, приближаясь к припаркованным автомобилям и другим препятствиям на проезжей части. Дело в том, что они зачастую этого не делают. Чтобы понять, почему, полезно немного разобраться в принципах работы этих систем.

Большинство ранних систем адаптивного круиз-контроля, продававшихся 10-20 лет назад, были основаны на радарах. И как мы объясняли два года назад, радары имеют ряд важных ограничений:

“У радаров низкое угловое разрешение, поэтому такие системы дают лишь приблизительное представление об окружающей среде вокруг автомобиля. Впрочем, радары достаточно хорошо умеют определять скорость движения объектов. Таким образом, ключевой стратегией использования этой технологии стало игнорирование всего, что не движется. Автомобильные радары могут обнаруживать множество неподвижных объектов, расположенных где-то перед автомобилем: это могут быть деревья, припаркованные автомобили, мосты, надземные знаки и так далее.

Эти системы были разработаны для использования на магистралях с контролируемым доступом, и в подавляющем большинстве случаев неподвижные объекты вблизи шоссе будут находиться на обочине дороги (или подвешены над ней), а не непосредственно на пути следования автомобиля. Ранние системы адаптивного круиз-контроля просто не могли отличить большинство объектов, находившихся рядом с дорогой, от меньшинства объектов, находившихся на дороге.”

Именно поэтому автомобили были запрограммированы так, чтобы их системы были нацелены на поддержание безопасного расстояния от других движущихся объектов (автомобилей), и на игнорирование стационарных объектов. Инженеры предполагали, что водитель все равно будет обязан следить за дорогой и брать управление на себя, если на проезжей части возникнет препятствие.

Современные системы помощи водителю более сложны, чем ранние разработки, появившиеся на рынке 10 или 20 лет назад. Они больше не основаны на одних только радарах. Многие современные системы основаны на камерах, и, похоже, для обнаружения потенциальных препятствия эти системы пытаются использовать как радары, так и камеры.

И действительно, системы в современных автомобилях, похоже, справляются с этим лучше, чем прежние разработки. В тесте, проведенном ААА, лучше всего себя показала система, используемая в Subaru Outback 2020 года. ААА провела три тестовые поездки на Outback со стартовой скоростью 30 миль в час. Автомобиль остановился в двух из трех тестовых поездок. В ходе третьей попытки автомобиль врезался в манекен, но перед этим все же замедлился.

В ходе того же испытания BMW X7 2019 года остановилась лишь в одной из трех попыток, а Kia Telluride 2020 года врезалась в манекен во время всех трех заездов на скорости 30 миль в час. Оба автомобиля несколько замедлились перед столкновением во время других тестовых прогонов.

Другими словами, все три машины отчасти способны распознавать неизбежные столкновения и, по крайней мере, смягчать их. Эта способность представляет собой улучшение возможностей ранних систем, основанных на радарах. Впрочем, ни одна из этих систем не оказалась достаточно продвинутой, чтобы избежать столкновения с припаркованным автомобилем.

С припаркованными машинами мучается не только автопилот в Tesla

Tesla Model S едет по шоссе в Кремниевой Долине

Все это дает поклонникам Tesla (их машины стянули на себя внимание СМИ из-за ошибок систем ADAS) ряд аргументов в пользу своих автомобилей. Как минимум три владельца Tesla погибли из-за того, что автомобили под управлением автопилота врезались в бетонный разделитель полос (один из случаев) и выезжали со своей полосы (два других случая). Также несколько автомобилей Tesla врезались в полицейские и пожарные машины. Тесты, проведенные ААА, показали, что такие проблемы возникают не только у автомобилей Tesla.

Я спросил Грега Брэннона из AAA, знает ли он о ДТП, возникших из-за ошибок систем ADAS, используемых в автомобилях других марок – и он ответил, что он не в курсе. Неясно, почему. Возможно, Tesla и их автопилот просто дольше находятся на рынке. Или, возможно, ДТП с участием автомобилей Tesla получили более широкое освещение в СМИ, а аварии с участием других автомобилей других марок просто не попали в общее поле зрения. Брэннон отметил, что Национальный совет по транспортной безопасности расследовал несколько смертельных аварий с участием автомобилей Tesla под управлением автопилота. И судя по всему, агентство не проводило расследований аварий, связанных с использованием технологий ADAS других автопроизводителей.

Положение дел может измениться в ближайшие годы, так как и другие компании продают все больше и больше автомобилей с возможностями, предоставляемыми системой автопилота от Tesla. Все эти новые модели автомобилей, похоже, будут иметь те же ограничения, что и автомобили от Tesla.

Производительность на шоссе

Тесты с припаркованным автомобилем продемонстрировали сбои систем ADAS наиболее показательно. Но этим сценарием тесты ААА не ограничились. На своем закрытом полигоне ААА проверяла смогут ли автомобили Subaru, BMW и Kia обеспечить контроль и удержание полосы, а также реагировать на торможение автомобиля, находящегося впереди. У всех трех машин в таком тестовом сценарии возникли определенные трудности. Напомним, что автомобили от GM и Ford имели ограничения по зоне функционирования, из-за которых их системы ADAS даже не включались.

Исследователи также проверили качество работы различных систем пяти автомобилей на дорогах общего пользования. Пробег тестовых поездок превысил 800 миль, и водителям BMW, Kia и Subaru приходилось брать управление на себя десятки раз – зачастую из-за того, что машины начинали покидать свою полосу.

Система Super Cruise в автомобилях от Cadillac справлялась иначе. Водители этих автомобилей брали на себя управление всего восемь раз за 800 миль – из-за опасений, что автомобиль не контролирует полосу движения должным образом. Тем не менее, система вела себя скорее консервативно в плане внезапных отключений. В рамках тестов было зафиксировано «37 случаев ошибочного или неожиданного отключения систем.»

«Иногда водители-испытатели были застигнуты врасплох, и им приходилось полностью брать на себя управление в критических ситуациях, о возникновении которых не было никаких оповещений», — говорится в отчете AAA.

Super Cruise отличается от большинства других систем помощи водителю, потому в ней используется направленная на водителя камера, контролирующая, что водители следят за дорогой (В Subaru есть похожая система под названием DriverFocus, но Брэннон сказал, что водители не заметили практически никаких признаков использования камеры). Камера в автомобилях Cadillac отслеживала направление взгляда водителя и пыталась оценить, обращает ли водитель внимание на дорогу. AAA обнаружила, что эта система далека от совершенства; в ряде случаев Super Cruise передавала управление водителю, потому что ошибочно полагала, что водитель отвлекся.

Все это говорит о том, что нужно обсудить подход Cadillac, который мы уже похвалили. Система Super Cruise подходит к принятию решений консервативно, и при первых же признаках неприятностей передает управления обратно водителю. Такая схема работы не только минимизирует шансы того, что система допустит ошибку, но и призывает водителей более внимательно следить за работой собственного автомобиля.

«Постоянный контроль и участие в управлении»

В то же время, AAA обнаружила, что водитель Kia Telluride может убирать руки с руля на целых две минуты. Хуже того, индикаторы на приборной панели было «легко пропустить из-за незаметности иконок», а это создает риск того, что водитель может запутаться работает ADAS или нет.

Система Subaru Outback «часто выдавала предупреждение о выезде за пределы полосы и выключалась в этот же момент». Иногда это происходило на крутом повороте, что может создавать повышенный риск аварии, если водитель не успеет быстро взять управление в свои руки.

В конце концов, ни одна из этих систем не получила восторженных отзывов от испытателей из ААА. Водители сообщили, что эти системы «иногда могут ощутимо увеличивать нагрузку на водителя, поскольку во многих случаях требуется постоянный контроль и участие в управлении».

Такое положение дел может стать фундаментальной проблемой при существующем подходе к технологиям ADAS. Предполагается, что эти системы должны брать основную часть управления автомобилем на себя, но водитель должен следить за работой системы и быть уверенным, что она не допускает никаких ошибок. Проблема в том, что наш мозг не привык к настолько монотонной работе. Следить за работой системы, работающей корректно на протяжении 99% времени использования иногда сложнее (уж точно не легче), чем просто вести машину самостоятельно. И следить за такой систем настолько сложно именно потому, что у нашего мозга появляется множество возможностей на что-либо отвлечься.

Подписывайтесь на каналы:
@TeslaHackers — сообщество российских Tesla-хакеров, прокат и обучение дрифту на Tesla
@AutomotiveRu — новости автоиндустрии, железо и психология вождения

---

О компании ИТЭЛМА Мы большая компания-разработчик automotive компонентов. В компании трудится около 2500 сотрудников, в том числе 650 инженеров.

Мы, пожалуй, самый сильный в России центр компетенций по разработке автомобильной электроники. Сейчас активно растем и открыли много вакансий (порядка 30, в том числе в регионах), таких как инженер-программист, инженер-конструктор, ведущий инженер-разработчик (DSP-программист) и др.

У нас много интересных задач от автопроизводителей и концернов, двигающих индустрию. Если хотите расти, как специалист, и учиться у лучших, будем рады видеть вас в нашей команде. Также мы готовы делиться экспертизой, самым важным что происходит в automotive. Задавайте нам любые вопросы, ответим, пообсуждаем.

Читать еще полезные статьи:

История беспилотных автомобилей

Прошлое беспилотных автомобилей не менее интересно, чем их будущее. Сегодня вопрос господства беспилотов на дорогах уже не обсуждается – он давно решен. Но еще каких-то 40-50 лет назад о том, чтобы передать управление транспортным средством роботу, не могло быть и речи. Эти идеи казались утопическими для всех, кроме пионеров беспилотного автопрома.

Как все начиналось

Все началось еще в далеких 30-х годах ХХ века, когда инженерам компании General Motors пришли на ум две гениальные для того времени идеи.

• Первая идея состояла в том, что машины будут управляться с помощью радиосигналов. Так они смогут контролировать дистанцию на трассе и избегать аварийных ситуаций.
• Вторая была более интересной – для реализации беспилотных поездок нужно построить специальные трассы в виде скейтбордных рамп. Автомобили будут ехать посередине, а если их начнет клонить к обочине, сила притяжения вернет их на место, в углубление дороги.

И хотя идеи были встречены скептически, они дали мощный толчок для развития технологий в нужном направлении.

Уже в 50-х технологи General Motors протестировали «умный» автомобиль Firebird II, который кроме новой системы торможения имел магнитные датчики и взаимодействовал с «умной» дорогой (с электро-кабелем под асфальтом). Версия №3 этого концепт-кара оснащалась первой системой автопилота, которая известна сегодня в качестве круиз-контроля. Эта система отвечала за удерживание постоянной скорости и значительно облегчала задачи водителя на дороге. Но до автопилота было еще далеко.

General motors Firebird II — первый автомобиль в мире с системой круиз-контроля

Первые беспилотные эксперименты

В историю беспилотных авто вошел 1961 год, когда учащийся Стэнфорда Джеймс Адамс создал и протестировал первую самоуправляемую тележку. Она управлялась обычным сигналом, посредством кабеля. Но уже второй прототип Стэнфордской тележки был радиоуправляемым.

Этот эксперимент не прошел незамеченным и в 1970-х годах известный ученый-практик Дж. Маккарти внес свои корректировки в устройство тележки, модернизировал ее с помощью системы технологического зрения. Теперь тележка могла передвигаться самостоятельно и ориентироваться при этом на линию белого цвета. Прототип также оснастили дальномером, видеокамерами и 4-мя каналами для сбора данных. Но и этого оказалось мало пытливому уму Маккарти – еще в 70-х он попытался создать трехмерное картографирование местности.

После успехов Маккарти усилия инженеров были брошены на создание 100% автономного транспорта без дистанционного управления. Ученые США и Японии добились значительных успехов, однако настоящий прорыв совершили немецкие исследователи во главе с Эрнстом Дикмансом.

«Умная» машина Дикманса

Это звание присуждается автоматизированному Mercedes-Benz Vario. Внушительные размеры этого фургона позволили поместить огромную компьютерную систему, и силиконовый мозг стал управлять передвижением 5-ти тонного железного монстра. Первый беспилотник Дикманса стал прототипом современных робокаров – здесь впервые были применены вычислительные механизмы и система имитации движения глаз. Эти инновации позволили сформировать модель обучения автомобиля, который самостоятельно оценивает ситуацию и принимает решения.

Автоконцерн Daimler-Benz обратил пристальное внимание на разработки Дикманса и запустил проект «Прометей», основной целью которого было усовершенствование беспилотников и достижение беспрецедентной безопасности на дорогах. Проект взял старт в 1987 году и за время его существования (8 лет) было потрачено больше 1 млрд долларов. «Прометей» вошел в историю как самый дорогой проект в сфере разработок робокаров ХХ века. Однако инвестиции были потрачены не зря.

К середине 90-х миру были представлены два роботизированных беспилотника — VaMP и VITA-2. Они прошли успешное тестирование на полигоне (в области Парижа), в процессе которого:

• передвигались со скоростью до 130 км/ч полностью на автопилоте;
• самостоятельно перестраивались и меняли ряд;
• следили за дистанцией и передвижением других участников движения;
• обгоняли впереди идущие машины.

Результатами проекта «Прометей» и разработками Дикманса воспользовались для серийного производства Mersedes-ов S-класса 1995 года. Эти машины были оснащены более продвинутой системой круиз-контроля, которая позволяла адаптироваться к средней скорости автомобильного потока и не нарушать дистанцию между авто.

Беспилотное настоящее

• В 2004 году состоялось первое в истории авто-соревнование с участием робокаров DARPA, где беспилотники настойчиво заявили о себе.
• В 2010 году мир увидел первый автопилот Google, разработанный на базе модели Toyota. Оснащенный радарами, видеокамерами и системой LIDAR, этот Гуглмобиль мог ориентироваться в пространстве, узнавать дорожные знаки и взаимодействовать с другими участниками автопотока.
• В 2012 году испытания своего беспилотника провела компания AUDI. Машина на автопилоте развивала скорость до 193 км/ч, отлично вписывалась в повороты и ускорялась на трассе.
• В 2013 Nissan и Honda доказали эффективность своих запатентованных систем автопилотирования. В планах компаний – начать массовое производство роботизированных авто в 2020 году.
• В 2014 шведская компания Volvo протестировала первый беспилотник с уникальной системой Drive Me. Успехи испытания позволили прогнозировать серийный выпуск робокаров этой марки уже в конце 2018 года.
• В 2015 появились первые серийные беспилотники – Tesla Model S, которые передвигаются на дорогах на 100% самостоятельно. Они наравне с Гуглмобилями считаются эталоном беспилотных технологий.
• 2016-2017 – период, когда все крупные авто-компании заявили о разработках собственных прототипов робокаров и планах на их серийный выпуск.

Перспективы беспилотного транспорта

О том, что искусственный интеллект отберет право у человека на вождение, говорят много и достаточно громко. Сегодня беспилотники признаны самым безопасным способом передвижения, а завтра они станут единственным выбором для человечества. Пройдет 10-20 лет и их господство станет тотальным.

Материалы по истории беспилотов:

Автопилот (беспилотный автомобиль)

Беспилотный автомобиль — транспортное средство, оборудованное системой автоматического управления, которое может передвигаться без участия человека. Автопилот — устройство или программно-аппаратный комплекс, ведущий транспортное средство по определённой, заданной ему траектории. Наиболее часто автопилоты применяются для управления летательными аппаратами (в связи с тем, что полёт чаще всего происходит в пространстве, не содержащем большого количества препятствий), а также для управления транспортными средствами, движущимися по рельсовым путям. Современный автопилот позволяет автоматизировать все этапы полёта или движения и другого транспортного средства.

Общие принципы работы беспилотного автомобиля

Общие принципы работы у всех беспилотных автомобилей примерно одинаковы. Предлагаем ознакомиться с ними на примере автомобиля Toyota Prius в версии Google.

Принцип работы беспилотного автомобиля Toyota Prius в версии Google. Secret-seo.ru

Позже разработчики приходят к идее использовать совместно с указанным оборудованием высокоточные карты. Автономное передвижение только лишь с помощью датчиков требует постоянного сканирование окрестности и, как результат, огромных вычислительных мощностей. Высокоточные карты позволяют автомобилю передвигаться даже по дорогам, не имеющим специальной разметки, а датчики предполагается использовать только для своевременной реакции автомобиля на изменения ситуаций на дорогах (переход дороги пешеходами, обгоны и др.).

Технологии беспилотного автомобиля относятся к классу решений искусственного интеллекта. Подробнее см. Искусственный интеллект (ИИ, Artificial intelligence, AI)

Стандарты для беспилотных автомобилей

Основная статья: Стандарты для беспилотных автомобилей

В мре идет активная разработка ITS нового поколения с большим спектром возможностей, их стандартизацией занимаются такие организации, как ETSI, IEEE, 3GPP и другие. Современные системы ITS решают такие задачи, как контроль допуска, управление и оплата парковками, предоставление информации о движении и оплата парковки, управление грузоперевозками, контроль трафика и т.д.

Одним из основных применений ITS является помощь водителю транспортного средства. За счет кооперативной осведомленности транспортное средства может получить оповещение об опасности, индикатор медленно идущих машин, предупреждение о столкновении на перекрестке, индикатор о приближении мотоцикла и т.д.

Водителю будут доступны оповещения о таких ситуациях, как поломка электрического освещения, неверная дорога, стационарная машина (авария или поломка транспортного средства), проведение дорожных работ, риск столкновения, оповещение о состоянии дорожного движения и оповещение о смене сигнала. Децентрализированные базы данных будут предоставлять информацию об опасных зонах, осадках, сцеплениях на дорогах, видимости, ветре и др.

Следующим шагом станет использование ITS в беспилотных автомобилях. Базовым компонентом беспилотников будут внешние камеры и радарное оборудование, отмечается в отчете НИИР. Но именно обмен информацией между автомобилями по средствам V2V-систем вместе с получением транспортными средствами через V2I-системы информации о ситуации на дорогах и актуальных цифровых карт дорог позволит обеспечить безопасное и эффективное дорожное движение беспилотников.

Типы ИТС: V2V и V2I

Первый тип систем — «транспортное средство — транспортное средство» (vehicle-to-vehicle, V2V) — обеспечивают безопасное вождение за счет связи между автомобилями на перекрестках с плохой видимостью. V2V-система может предупреждать водителей об опасности лобового столкновения, бокового столкновения, заднего столкновения, уведомлять о неисправности транспортного средства, предоставлять дорожную и нормативную информацию

Например, две машины, невидимые друг другу на перекрестке или на повороте, через V2V-систему могут обменяться друг с другом координатами и значениями скоростей для избежания столкновения. Аналогичным образом автомобиль, приближающийся к концу пробки, получит информацию с координатами и скоростями ближайших транспортных средств.

Второй тип систем безопасного движение — «придорожная инфраструктура — транспортное средство» (vehicle-to-infrastracture, V2I) — обеспечивают передачу информации (сигнал и нормативная информация и т.д.) от придорожного оборудования к автомобилю через средства радиосвязи. Например, придорожные сенсоры на перекрестке обнаружат машины, которые собираются пересечь перекресток или повернуть, и передадут информацию другим приближающимся машинам по средствам V2I-систем.

Технология V2X: использование Wi-Fi и сотовых сетей

Основная статья Vehicle-to-Everytning (V2X)

Степени автономности автомобилей

Беспилотные автомобили — это машины, которые безопасно ездят по дорогам общего пользования без участия человека; ими управляет компьютер и датчики, объединенные в единую систему автономного вождения. Уровень автономности системы устанавливается его производителем.

Те автомобили, на которых ездит каждый из нас, уже входят в систему автономных транспортных средств. Дело в том, что нулевой уровень автоматизации предполагает ее полное отсутствие. Пятый — наивысший уровень — в свою очередь подразумевает, что система управляет автомобилем так же хорошо, как опытный водитель.

Уровни определены SAE International, профессиональной ассоциацией автомобильных инженеров, и кратко описывают, насколько та или иная система готова отдать управление автомобилем в руки компьютера. Категории SAE сейчас применяются повсеместно: регуляторами, инженерами, автопроизводителями и инвесторами^[1].

• По классификации SAE International систем помощи водителю или ADAS (Advanced Driver Assistance System) существует шесть классов автономности от уровня 0 — полностью ручное управление с возможностью предупреждения об опасных ситуациях на дороге, до 5 — полностью беспилотный автомобиль. Категории начинаются с Уровня 0 (машины с ABS и круиз-контролем относятся к нему).
• На Уровне 1 автомобиль уже немного помогает водителю: появляется, например, адаптивный круиз-контроль и контроль руления или торможения, но только один из двух.
• Система управления Уровня 2 может контролировать и руление, и торможение, но, как и уровнем ранее, только при определенных обстоятельствах: например, на шоссе водителю приходится вмешиваться. Если проще — машина может ехать сама, но водителю нужно быть готовым в любой момент взять управление на себя.
• На Уровне 3 автономности у машины чуть больше, а значит, у водителя больше времени, чтобы среагировать и взять контроль над автомобилем в любой непонятной ситуации. Если Уровень 2 предполагает, что водитель всегда следит за дорогой и готов включиться в любой момент, то на Уровне 3 роль водителя — быть в резерве.
• При автоматизации Уровня 4 система берет на себя полный контроль, позволяя водителю отдохнуть, но только если для этого созданы все условия — например, есть высоко детализированные трехмерные карты, чтобы система с точностью до пары сантиметров знала, где находится. Большинство разработчиков пытаются создать системы именно этого уровня.
• Уровень 5 предполагает полную автоматизацию — в этой гипотетической ситуации перед водительским креслом даже нет руля. Согласно последнему отчету Autonomous Vehicle Technology Report 2020, в мире не существует работающих технологий 5-го уровня автономности. Эксперты не ожидают появления таких технологий и в обозримом будущем: высоко автоматизированные системы будут применяться только в качестве продвинутых помощников водителя.

Преимущества и недостатки

Преимущества

• перевозка грузов в опасных зонах, во время природных и техногенных катастроф или военных действий.
• снижение стоимости транспортировки грузов и людей за счёт экономии на заработной плате водителей.
• более экономичное потребление топлива и использование дорог за счёт централизованного управления транспортным потоком.
• экономия времени, ныне затрачиваемого на управление ТС, позволяет заняться более важными делами или отдохнуть.
• у людей с ослабленным зрением появляется возможность самостоятельно перемещаться на автомобиле.
• минимизация ДТП, человеческих жертв.
• повышение пропускной способности дорог за счёт сужения ширины дорожных полос.

Недостатки

• Ответственность за нанесение ущерба.^[2]
• Утрата возможности самостоятельного вождения автомобиля.^[3]
• Надёжность программного обеспечения.^[4]
• Отсутствие опыта вождения у водителей в критической ситуации.^[5]
• Потеря рабочих мест людьми, чья работа связана с вождением транспортных средств.^[6][7]
• Потеря приватности.^[8]
• Минирование беспилотных автомобилей.^[9]
• Этический вопрос о наиболее приемлемом числе жертв, аналогичный проблеме вагонетки, стоящий перед компьютером автомобиля при неизбежном столкновении.^[10][11]

Некоторые системы полагаются на инфраструктурные системы (например, встроенные в дорогу или около неё), но более продвинутые технологии позволяют симулировать присутствие человека на уровне принятия решений о рулении и скорости, благодаря набору камер, сенсоров, радаров и систем спутниковой навигации.

Вызовы на пути к беспилотнику

В начале 2017 года корреспондент TAdviser побывал на Мобильном конгрессе в Барселоне и ознакомился с развитием технологий беспилотных автомобилей.

Коммуникации

2020: Хранения данных с автомобиля в облако и роль 5G

Данные от беспилотных автомобилей могут храниться как прямо на борту, если необходима их оперативная обработка, так и в облаке, которое больше пригодно для углубленного анализа. Маршрутизация данных зависит от их функции: есть данные, которые нужны водителю незамедлительно, например, информация от датчиков движения или данные о местоположении от GPS-системы, кроме того, на их основании автопроизводитель может сделать важные выводы и, опираясь на них, продолжить работу по совершенствованию системы помощи водителю ADAS^[12].

В зоне покрытия Wi-Fi отправка данных в облако обоснована экономически и проста технически, но если автомобиль находится в движении, единственным доступным вариантом может быть соединение по 4G (и в перспективе по 5G). И если техническая сторона передачи данных по сотовой сети не вызывает серьезных вопросов, ее стоимость может быть невероятно высокой. Именно по этой причине многие беспилотные автомобили придется оставлять на какое-то время около дома или в каком-то другом месте, где их можно подключить к Wi-Fi. Это гораздо более дешевый вариант закачки данных в облако для их последующего анализа и хранения.

Существующие сети 4G по-прежнему останутся главным каналом связи для большинства приложений, однако, технология 5G может стать основным катализатором дальнейшего развития подключенных и автономных автомобилей, давая им возможность практически мгновенно связываться друг с другом, со зданиями и объектами инфраструктуры (V2V, V2I, V2X).

Автономные автомобили не могут функционировать без подключения к сети, а 5G – это ключ к быстрому соединению и снижению времени задержки на благо водителей будущего. Более высокая скорость соединения позволит снизить время получения собираемых автомобилем данных, за счет чего транспортное средство сможет практически мгновенно реагировать на внезапные изменения дорожного движения или погодных условий. Приход 5G также ознаменует прогресс в развитии цифровых сервисов для водителя и пассажиров, которые будут получать еще большее удовольствие от поездки, и, соответственно, будет способствовать увеличению потенциальной прибыли для поставщиков этих сервисов.

2017: Задача обеспечения высокоскоростного сетевого подключения

На пути к беспилотным автомобилям еще предстоит решить много технологических и юридических задач. Разработчики сходятся во мнении, что одна из ключевых – обеспечить автомобили возможностями высокоскоростного сетевого подключения. Сети пятого поколения рассматриваются как драйвер технологий автономного вождения: они позволят автомобилю максимально оперативно получать информацию и взаимодействовать с другими автомобилями и окружающей его инфраструктурой.

Минимальные задержки передачи информации, которые ожидаются в 5G, являются критическими для беспилотных автомобилей при их массовом использовании. Высокоскоростная связь позволит мгновенно принимать и передавать данные от одного автомобиля к другому. Информация об изменениях в движении одного автомобиля, например, о торможении, позволит сразу же корректировать действия окружающих его машин.

По состоянию на начало 2017 года стандарта связи 5G еще не существует. В его разработке задействованы регуляторы, мировые телеком-компании и производители оборудования. 3GPP (3rd Generation Partnership Project) — организация, утверждающая международные стандарты сотовой связи – планирует полностью завершить работу по тестированию и стандартизации технологий беспроводной связи пятого поколения в 2020 году.

В феврале 2017 года Международный союз электросвязи опубликовал первую версию рабочего черновика спецификации, описывающей сеть 5G. Проект документа устанавливает планку ожидаемой производительности нового стандарта IMT-2020: предполагается, что средняя скорость скачивания в 5G-сетях для пользователей составит 100 мегабит в секунду, а загрузки — 50 Мбит/с. При этом время ожидания не превысит 4 мс (для 4G LTE этот значение составляет около 20 мс).

Сети 5G должны ускорить массовое внедрение технологий беспилотного вождения

Для коммуникации с окружающими объектами также разрабатываются специальные системы, позволяющие автомобилю обмениваться данными с другими объектами. Технология vehicle-to-everything (V2X) по беспроводной связи позволяет автомобилю получать предупреждения о дорожных условиях и приближающихся автомобилях задолго до того, как они появятся в его поле зрения. Для этого и окружающая инфраструктура должна быть «умной». Например, светофоры, дорожная разметка, дорожные знаки.

Разработку интерфейса для систем V2X, которые смогут работать с сетями нового поколения, ведет, например, Qualcomm. В компании рассказывают, что планируют до конца года провести тестирование прототипа в составе конечных устройств в Германии в партнерстве с рядом компаний, в числе которых Ericsson, Audi.

В марте 2017 года руководитель разработки мобильных онлайн-сервисов Volkswagen Николай Раймер (Nikolai Reimer) отмечал, что одна из ключевых задач – обеспечить машины возможностями связи. Этот вопрос компания считает настолько важным, что около трех лет назад даже приобрела европейский центр исследований и разработок Blackberry с командой примерно из 200 инженеров.

На базе этого подразделения Volkswagen теперь развивает центр компетенции по решениям связи для своих автомобилей. Он обеспечивает разработку технологий, которые смогут применяться в подключенных автомобилях в будущем. В их числе – блоки управления связью. Volkswagen рассчитывает в будущем обеспечивать себя ими сам. Николай Раймер считает, что компания должна больше инвестировать в эти разработки.

Всевидящее око

Автономный автомобиль должен знать с точностью до сантиметров, где именно он находится и что находится далее на дороге вне зоны текущей физической видимости. В картографической компании Here (ранее принадлежала Nokia) отмечают, что карты высокой точности – фундаментальный элемент в дополнение к сенсорам и камерам для того, чтобы беспилотный автомобиль мог ориентироваться в окружающей его обстановке.

Карты должны отражать и местоположение автомобиля, и позволять ему знать, что находится дальше, за поворотом, чего не могут обеспечить камеры и сенсоры. Тогда автомобиль сможет выстраивать не реактивную, а проактивную стратегию вождения, говорит Алекс Манган (Alex Mangan), руководитель продуктового маркетинга Here.

Для тестирования своих беспилотных автомобилей Google, например, предварительно сам строит детальные 3D-карты на пилотных маршрутах, учитывающие даже небольшие особенности дорог. Для сбора данных, на основе которых будет строиться карта, сотрудники компании предварительно специально ездят по дорогам. В случае с тестовыми маршрутами это посильная задача, однако, когда требуется создать карты для дорог протяженностью в миллионы километров, она выглядит сложно реализуемой. Особенно с учетом того, что однажды созданные карты необходимо поддерживать и обновлять – картина на дорогах может меняться очень часто.

Автономный автомобиль должен знать, что происходит не только в зоне видимости, но и за поворотом

Упростить создание точных карт для автомобилей может сотрудничество с автопроизводителями: их машины, оснащенные сенсорами и радарами, могут «делиться» получаемой с дорог информацией с разработчиками картографических сервисов. За счет этого карты могли бы обновляться буквально в режиме реального времени.

В феврале 2017 года производитель решений для беспилотных автомобилей Mobileye и BMW объявили о подобном сотрудничестве. Его целью является сбор картографических данных для самоуправляемых машин. Автомобили BMW 2018 модельного года будут оснащаться камерами и софтом MobilEye для сбора информации, необходимой для обновления цифровых карт высокого разрешения.

С целью ускоренного создания и обновления карт BMW и Mobileye будут передавать данные, генерируемые в рамках партнерства, компании Here. Алекс Манган из Here полагает, что индустрия должна объединиться вокруг идеи обмена данными – это может ускорить распространение технологии беспилотного вождения. Помимо BMW, компания планирует договариваться и с другими производителями автомобилей об аналогичной передаче данных, включая Audi и Mercedes.

Распознавание дорожных знаков и разметки

Как удалось обнаружить в начале августа исследователям из университета Вашингтона, системы машинного зрения, применяемые в машинах с автопилотом для распознавания дорожных знаков, легко сбить с толку: для этого достаточно определенным образом разместить на знаках небольшие наклейки.^[13]

В ходе эксперимента исследователи наклеили на одном из знаков Stop несколько черных и белых стикеров, на другом разместили дополнительные надписи сверху и снизу от надписи Stop, а третий знак сделали более блеклым. При этом подчеркивается, что во всех случаях дорожные знаки оставались вполне узнаваемыми и читались хорошо.

Фото: 24gadget.ru

Тем не менее, система автопилотирования в подавляющем большинстве попыток дала сбой: вышеописанные манипуляции со знаками Stop приводили к тому, что вместо них автопилот «видел» знак ограничения скорости.

Фото: 24gadget.ru

Результаты эксперимента навели исследователей на мысль о том, что злоумышленники могут самостоятельно делать подобные наклейки, чтобы заставить компьютерную систему автомобиля неверно распознать знак дорожного движения.

В качестве способа борьбы с обнаруженной уязвимостью исследователи предлагают реализовать в системе автопилота алгоритмы, дополнительно анализирующие контекст, в котором встретился знак. В частности, алгоритмы помогут системе определить, что знак расположен в ненадлежащем месте (например, Stop — на скоростном шоссе или ограничение скорости в 100 км/ч — на городской улице), что поможет избежать аварийной ситуации.

Как отмечается, испытанию подверглась не система какого-то конкретного автопроизводителя, а стандартный для всех производителей алгоритм работы автопилота. Результаты исследования, по мнению авторов, демонстрируют степень уязвимости автоматики. Использованные на дорожных знаках искажения моделировали типичные поражающие факторы городской среды: акты уличного вандализма, порчу покрытия знака из-за погодных условий и так далее.

В ходе эксперимента ученые использовали несколько дорожных знаков с различными типами надписей, наклеек и граффити. По словам исследователей, в 100% случаев, автомобили распознавали знак «Стоп» с надписями Love\Hate как знак «Ограничение скорости 45», второй и третий знаки также распознавались как «Ограничение скорости 45», но только в 67% случаев. Что касается четвертого знака, его система машинного обучения классифицировала как знак «Стоп» вместо «Правый поворот» в 100% случаев.

Безопасность

2020

Калифорния разрешила такси без водителей

В середине ноября 2020 года стало известно о том, что Комиссия по коммунальным предприятиям Калифорнии (CPUC) одобрила две новых программы, в рамках которых компании в штате Калифорния смогут развернуть свои проекты по перевозке пассажиров с помощью беспилотных автомобилей, взимая плату за проезд. Подробнее здесь.

Выход на рынок седана Honda Legend с автопилотом 3-го уровня

В середине ноября 2020 года стало известно о том, что Honda стала первым в мире автопроизводителем, который откроет продажи автомобиля с оборудованием для беспилотного вождения, соответствующим третьему уровню автоматизации по международной классификации. Подробнее здесь.

Главная в Европе по краш-тестам организация оценила автопилоты

В начале октября 2020 года Европейский комитет по проведению независимых краш-тестов авто (Euro NCAP) опубликовал результаты испытаний автомобилей, которые оснащены системами помощи водителю. Речь идет об оценивании работы системы Highway Assist.

В тестировании принимали участие 10 автомобилей: Tesla Model 3, Audi Q8, Volvo V60, BMW 3-Series, Peugeot 2008, Mercedes-Benz GLE, Renault Clio, Volkswagen Passat, Nissan Juke, Ford Kuga. Euro NCAP оценивал работу автомобильных систем по двум критериям: баланс между вмешательством компьютера и вовлечением водителя в процесс, а также обеспечение безопасности в непредвиденных ситуациях. По итогам тестирования автомобилям выставляли одну из четырёх оценок: Entry (начальная), Moderate (средняя), Good (хорошая) и Very Good (очень хорошая).

Главная в Европе по краш-тестам организация оценила автопилоты, cистема автомобиля Tesla оказалась хуже, чем у Mercedes-Benz, BMW и Audi

Оценку «Очень хорошо» получили следующие участники: Mercedes-Benz GLE, Audi Q8, BMW 3 Series. Оценку «Хорошо» получила модель Ford Kuga. В «среднюю» категорию попали автомобили: Tesla Model 3, Nissan Juke, Volkswagen Passat, а также Volvo V60. В «начальной» категории оказались модели Peugeot 2008 и Renault Clio.

Представитель исследовательской компании Thatcham Мэтью Эйвери отметил, что Tesla Model 3 продемонстрировала во время испытаний на автоматическое экстренное торможение и предотвращение столкновений неплохие результаты, в частности эксперты высоко оценили технологию обновления автопилота с помощью Wi-Fi. Тем не менее, данная модель оказалась хуже чем, Mercedes-Benz, BMW и Audi. В Euro NCAP отметили, что основная проблема данной модели заключается в том, что она вызывает у водителя чувство полной отрешенности. Эйвери объяснил:

Алгоритм системы более авторитарный, чем ассистирующий. Это означает, что она не дополняет водителя, а заменяет его.

Без удовольствия за рулем: почему у беспилотных автомобилей нет будущего

Автомобили с автономным управлением, которые могут обходиться без водителя не только при парковке, но и на дороге, захватили умы, воображения и новостные заголовки. Буквально каждый день мы слышим о все новых и новых успехах автопроизводителей, разрабатывающих системы автопилотирования: вот машина сама тормозит перед препятствием, вот она принимает управление на автобане, а вот сама пересекает целую страну без посторонней помощи. Но значит ли все это, что через пять-десять лет автопилот окончательно займет место водителя, и мы будем ездить на автомобиле, как на лифте? Нет.

На самом деле, наиболее вероятный сценарий для беспилотных автомобилей в частном потребительском секторе – ровно такой же, какой был у 3D-телевизоров в последние годы. Для тех, кто справедливо не понимает, о чем речь, поясним: их эпоха закончилась, на начавшись – несколько лет 3D-телевизоры преподносились как новая веха в развитии этой техники, затем они триумфально вышли на рынок, гордо заняли полки магазинов и… остались красиво пылиться там, где их поставили. Массовый потребитель просто не понял, зачем ему нужна вся эта морока с очками при просмотре прогноза погоды, да еще и с доплатой, когда современные фильмы при желании можно посмотреть в кинотеатре в куда лучшем качестве, а количество подходящего контента еще недостаточно даже для обычных Full HD телевизоров. Слегка обогнав свое время и оставшись ненужным усложнением, 3D-телевизоры быстро ушли на второй план, уступив место новому тренду – очкам виртуальной реальности. Но это уже совсем другая история.

Зачем мы дали такой подробный экскурс по непрофильной теме, спросят некоторые? Да затем, что в предыдущем абзаце дано буквально «краткое содержание» того, что с наибольшей долей вероятности ждет главных героев текста – «дорожные беспилотники». Разумеется, речь идет о потребительском сегменте – в целом у автомобилей с автопилотом будет достаточно работы.

Разумеется, автопилот – это важно

Было бы странно ставить под сомнение значимость и уровень разработок, посвященных автономному вождению. На данный момент практически все крупные концерны имеют собственные наработки в этой сфере, а какие-то из них добились весьма значительных успехов. Так называемые гугломобили, например, уже прошли суммарно более миллиона километров в реальных дорожных условиях и сделали это довольно-таки безопасно. Ну, не считая «подрезанного» автобуса в феврале этого года.

В Google отреагировали традиционно быстро и заверили всех, что «внесли в программное обеспечение изменения, благодаря которым автомобили с автопилотом будут учитывать то, что автобусы и другие крупные транспортные средства не склонны уступать дорогу при перестроении», что поможет избежать подобных ситуаций в будущем. Для нас этот инцидент любопытен даже не подробностями ДТП и не фактом своего наличия, а пониманием уровня систем автопилотирования, который достигнут к настоящему моменту: он изрядно высок.

Никто давно не ставит под сомнение возможность сосуществования автопилота и человека на одной дороге, и это подтверждается уже на самых высоких уровнях. Так, американское Национальное управление безопасности движения на трассах (NHTSA) постановило, что разработка нормативных документов, регламентирующих эксплуатацию автопилотируемых автомобилей, должна быть завершена уже к лету этого года!

Как сообщает Engadget.com, Ассоциация мировых автопроизводителей всерьез обеспокоена этим, считая, что темпы законодательной интеграции автопилота в нашу жизнь изрядно форсированы. Ведь текущий уровень систем автономного управления, представленных в потребительском секторе, сильно разнится – какие-то автомобили могут частично брать управление на себя практически на любых скоростях, а какие-то ограничиваются «пробочным» режимом, какие-то умеют менять полосы и перестраиваться, а какие-то обучены лишь держать текущую полосу движения.

Однако европейский комитет по проведению краш-тестов Euro NCAP уже ввел в список тестируемых систем ассистенты экстренного торможения: «при оценке уровня защиты пешеходов автомобили, показывающие хорошие результаты в стандартных тестах, теперь могут заработать дополнительные баллы при наличии у них системы автономного экстренного торможения, распознающей пешеходов».

Любопытно и следующее уточнение о расчете баллов: «электронная система курсовой устойчивости теперь удалена из списка устройств обеспечения безопасности, поскольку все автомобили должны по закону иметь такую систему». Темпы впечатляют: еще через три-пять лет и автоматическое торможение перед пешеходом вполне может стать обязательным атрибутом…

Работа для робота

Не вызывает сомнений и то, что в ближайшее десятилетие автомобили с автономным управлением займут свои ниши. Перевозка пассажиров по фиксированным маршрутам – поначалу в студенческих городках, кампусах и прочих некрупных объектах, а затем, вполне возможно, – и по открытым городским маршрутам, транспортировка грузов между близлежащими производственными объектами, и даже частично автоматизированные таксопарки – все это вполне имеет право на существование и, скорее всего, подтвердит это на практике.

Это становится тем более ясно, что вполне осязаемые планы по реализации подобных проектов озвучиваются регулярно. Причем в общей массе звучат голоса не только крупных зарубежных автоконцернов – российские производители тоже не остаются в стороне. Пока Google, Audi, Kia, Hyundai, Ford и многие другие получают лицензии на проведение открытых тестов, подразумевающие свободную эксплуатацию автономных машин на дорогах общего пользования (главным образом, в США), о своих планах заявляют, например, КАМАЗ и Volgabus.

Не стоит забывать и о применении автопилота в военной технике – как ни крути, это огромный рынок, и разработки на нем ведутся уже давно. Пока уровень развития «самоходных» боевых и не очень машин не поражает воображение, но абсолютно ясно то, что при должной реализации они могут стать весьма серьезным орудием в умелых руках. Ведение боевых действий, наземная поддержка пехоты, оперативная транспортировка личного состава и грузов, эвакуация раненых с линии огня – вот только самые очевидные сферы применения автопилотируемых машин, и это понимаем не только мы с вами.

Так что же?

Все вышеперечисленное лишь подтверждает мнения о том, что автомобили, оснащенные автопилотом – наше будущее. Но так ли это? Задайте вопрос себе: а вы готовы отдать управление автомобилем на откуп автопилоту? Не спешите с ответом, представив себе идеализированную картину, где вы расслабленно движетесь по автобану, нежась в сладкой дреме по пути на работу, или читаете интересную книгу, пока автомобиль неспешно катит вас по улицам большого города: реальность будет иной. Да и не это главное.

Готовы ли вы отказаться от управления автомобилем вообще?

Отказаться от ощущения контроля над машиной, от возможности получить удовольствие от каждой поездки, от игры рулем и педалями? Идея автопилотируемого автомобиля для каждого потребителя противоречит самой сути развития автопрома: из года в год нам показывают все более быстрые, комфортные, управляемые и драйверские машины, чтобы в итоге… отказаться от драйва? К этому ли мы стремились?

Иметь возможность комфортно постоять в пробке, не заботясь о постоянном перемещении на полметра вперед раз в минуту, или обеспечить помощь начинающему водителю, неуверенно чувствующему себя в плотном городском потоке – это одно. Полностью отказаться от повседневного управления автомобилем, лишь задавая ему маршруты – совсем другое. Разумеется, некоторые возразят – мол, руль и педали у вас никто не отнимает, водите себе на здоровье, если есть желание. Но тогда возникает другой резонный вопрос – станет ли потребитель переплачивать за то, чем не будет пользоваться на постоянной основе? И вот тут мы снова возвращаемся к 3D-телевизорам…

Потребительский сегмент не станет массовым для автопилотируемых транспортных средств – по крайней мере, до тех пор, пока не переродится само понятие автомобиля. Возможно, когда-нибудь он станет пережитком прошлого, а процесс перемещения из точки А в точку В не будет связан с вождением вообще – но это, скорее, тянет на малонаучную фантастику. Реальность же такова, что, пожалуй, единственная целевая аудитория подобной техники – домохозяйки, для которых вождение является ненужным стрессом и вынужденной необходимостью и которые готовы полностью отказаться от вождения так же, как от ручной стирки белья и мытья посуды. Не нужно иметь бензин в крови и быть прожженным «петролхэдом», чтобы получать удовольствие от самого процесса вождения, равно как и для того, чтобы понимать, что это – одно из тех немногих развлечений, что доступны нам каждый день.

Кто станет покупать мощный автомобиль последней разработки….

… и переплачивать за V8, если управление всем этим останется прерогативой трек-дней или редких выездов за город? Кто будет готов отдать деньги за полный привод, если факт его использования будет ощущаться не больше, чем страхование пенсионных накоплений? Кому, в конце концов, потребуется подогрев руля, если прикасаться к нему придется лишь для переключения треков в плейлисте?

Вместо заключения

Все эти вопросы не требуют ответов, так же, как справедливость утверждения о бесперспективности автопилота в потребительском секторе не требует аргументации. Но мы ее все-таки привели.

А в качестве заключения взгляните на эту милейшую тетушку, которая пользуется современнейшими достижениями автомобильной индустрии, и узнайте в ней себя – по крайней мере, в первые два месяца реального использования автопилота.

А вы готовы полностью отдать управление автомобилем автопилоту?

Автопилот

Автопилот — это механическая, электрическая или гидравлическая система, используемая для управления транспортным средством без помощи человека. Большинство людей понимает, что автопилот относится конкретно к самолету, но этим термином иногда также называют самоуправляемое устройство для кораблей, катеров, космических кораблей и ракет.

Автопилот самолета иногда называют «Джордж». [ цитировать в Интернете | url = http: //www.century-of-flight.freeola.com/Aviation%20history/evolution%20of%20technology/autopilot.htm | title = Технология автопилотов | accessdate = 2008-03-06 ]

Первые автопилоты

На заре авиации самолет требовал постоянного внимания пилота, чтобы летать безопасно. Поскольку дальность полета самолетов увеличивалась, позволяя выполнять многочасовые полеты, постоянное внимание приводило к серьезной усталости. Автопилот предназначен для выполнения некоторых задач пилота.

Первый автопилот для самолета был разработан Sperry Corporation в 1912 году. Лоуренс Сперри (сын известного изобретателя Элмера Сперри) продемонстрировал его два года спустя, в 1914 году, и доказал надежность изобретения, управляя самолетом, оторвав руки от земли. элементы управления и видимые для зрителей.

Автопилот подключал гироскопический указатель курса и указатель ориентации к рулям высоты и руля направления с гидравлическим приводом (элероны не были подключены, поскольку для обеспечения необходимой устойчивости крену рассчитывался двугранный угол крыла). Он позволял самолету лететь прямо и горизонтально по компасному курсу. без внимания пилота, что значительно снижает нагрузку на пилота.

В начале 1920-х танкер Standard Oil «J.A Moffet» стал первым судном, использующим автопилот.

Современные автопилоты

Не все пассажирские самолеты, летающие сегодня, имеют систему автопилота.Старые и малые самолеты авиации общего назначения по-прежнему управляются вручную, в то время как небольшие авиалайнеры с менее чем двадцатью местами также могут не иметь автопилота, поскольку они используются в краткосрочных полетах с двумя пилотами. Установка автопилотов на авиалайнеры с более чем двадцатью местами обычно является обязательной в соответствии с международными авиационными правилами. В автопилотах для небольших самолетов есть три уровня управления. Одноосный автопилот управляет самолетом только по оси крена; Такие автопилоты также известны в просторечии как «выравниватели крыла», что отражает их ограничения.Двухосный автопилот управляет самолетом как по оси тангажа, так и по крену, и может быть немного больше, чем «выравниватель крыла» с ограниченной способностью корректировать колебания тангажа; или он может получать входные данные от бортовых радионавигационных систем для обеспечения истинного автоматического наведения полета после взлета самолета незадолго до посадки; или его возможности могут находиться где-то между этими двумя крайностями. Трехосный автопилот добавляет контроль по оси рыскания и не требуется для многих небольших самолетов.

Автопилоты в современных сложных самолетах являются трехосными и обычно делят полет на фазы руления, взлета, подъема, уровня, снижения, захода на посадку и посадки. Существуют автопилоты, которые автоматизируют все эти этапы полета, кроме руления. Управляемая автопилотом посадка на взлетно-посадочная полоса и управление самолетом при развертывании (то есть удержание его в центре взлетно-посадочной полосы) известны как посадка CAT IIIb или Autoland, доступная сегодня на взлетно-посадочных полосах многих крупных аэропортов, особенно в аэропортах, подверженных неблагоприятным воздействиям погодные явления, такие как туман.Посадка, выкатывание и управление рулежкой к месту стоянки самолетов известны как CAT IIIc. На данный момент это не используется, но может быть использовано в будущем. Автопилот часто является неотъемлемым компонентом системы управления полетом.

Современные автопилоты используют компьютерное программное обеспечение для управления самолетом. Программное обеспечение считывает текущее положение самолета и управляет системой управления полетом, чтобы направлять его. В такой системе, помимо классического управления полетом, многие автопилоты включают возможности управления тягой, которые могут управлять дросселями для оптимизации воздушной скорости и перекачивать топливо в разные баки, чтобы сбалансировать самолет в оптимальном положении в воздухе.Хотя автопилоты жестко справляются с новыми или опасными ситуациями, они обычно управляют самолетом с меньшим расходом топлива, чем пилот-человек.

Автопилот современного большого самолета обычно считывает свое местоположение и положение самолета с помощью инерциальной системы наведения. В инерционных системах наведения со временем накапливаются ошибки. Они будут включать системы уменьшения ошибок, такие как карусельная система, которая вращается раз в минуту, так что любые ошибки рассеиваются в разных направлениях и имеют общий эффект обнуления.Погрешность гироскопов называется дрейфом. Это происходит из-за физических свойств внутри системы, будь то механическое или лазерное наведение, которые искажают данные о местоположении. Разногласия между ними разрешаются с помощью цифровой обработки сигналов, чаще всего с помощью шестимерного фильтра Калмана. Шесть измерений обычно — это крен, тангаж, рыскание, высота, широта и долгота. Самолеты могут летать по маршрутам, которые имеют требуемый коэффициент полезного действия, поэтому для выполнения полета по этим конкретным маршрутам необходимо контролировать количество ошибок или фактический коэффициент производительности.Чем дольше полет, тем больше ошибок накапливается в системе. Радиопередачи, такие как DME, обновления DME и GPS, могут использоваться для корректировки местоположения воздушного судна. Инерциальные эталонные блоки, то есть гироскопы, являются основой определения местоположения на борту самолета, поскольку GPS и другие системы обновления радиосвязи зависят от третьей стороны в предоставлении информации. IRU полностью автономны и используют гравитацию и вращение Земли для определения своего начального положения (скорости земли). Затем они измеряют ускорение, чтобы вычислить, где они находятся по отношению к тому месту, с которого они должны были начать.По скорости можно рассчитать скорость, а по скорости — расстояние. Если направление известно (от акселерометров), IRU может определить, где они находятся (зависит от программного обеспечения).

Сведения о компьютерной системе

Аппаратное обеспечение автопилота типичного большого самолета представляет собой набор из пяти процессоров 80386, каждый на собственной печатной плате. 80386 — недорогая, хорошо протестированная конструкция, которая может реализовать настоящий виртуальный компьютер. Внедряются новые версии, устойчивые к радиации и усиленные для использования в аэрокосмической отрасли.Умышленно отдается предпочтение очень старой конструкции компьютера, поскольку он недорогой, а его надежность и поведение программного обеспечения хорошо известны.

Специальная операционная система предоставляет виртуальную машину для каждого процесса. Это означает, что программа автопилота никогда не управляет электроникой компьютера напрямую. Вместо этого он действует на программном моделировании электроники. Большинство недопустимых программных операций с электроникой происходит во время серьезных сбоев. Они, как правило, явно неверны, обнаруживаются и отбрасываются.В процессе работы процесс останавливается и запускается заново с новой копии программного обеспечения. При тестировании такие экстремальные сбои регистрируются виртуализацией, и инженеры используют их для исправления программного обеспечения.

Обычно один из процессов на каждом компьютере — это процесс с низким приоритетом, который постоянно тестирует компьютер.

Обычно каждый процесс автопилота запускается более чем в двух копиях, распределенных по разным компьютерам. Затем система голосует по результатам этих процессов.Для Triple Autoland это называется camout, и в качестве возможного вычисления используются медианные значения команд автопилота по сравнению с механическим центром и позиционированием механизма чувствительности. Экстремальные значения отбрасываются, прежде чем их можно будет использовать для управления самолетом.

Некоторые автопилоты также используют разнообразие дизайна. В этой функции безопасности критически важные программные процессы будут выполняться не только на отдельных компьютерах (возможно, даже с использованием разных архитектур), но и на каждом компьютере будет работать программное обеспечение, созданное разными группами инженеров, часто запрограммированное на разных языках программирования.Обычно считается маловероятным, что разные инженерные команды совершат одни и те же ошибки. По мере того, как программное обеспечение становится более дорогим и сложным, разнообразие дизайнов становится менее распространенным, потому что меньшее количество инженерных компаний может себе это позволить.

Авиационный автопилот Категории посадки

Посадки по приборам определяются по категориям Международной организацией гражданской авиации. Они зависят от требуемого уровня видимости и степени, в которой посадка может производиться автоматически без участия пилота.

CAT I — Эта категория позволяет пилотам приземляться с высотой принятия решения 200 футов (61 м) и прямой видимостью или дальностью видимости на ВПП (RVR) 2400 футов (730 м). Достаточно симплексных автопилотов.

CAT II — Эта категория позволяет пилотам приземляться с высотой принятия решения от 200 до 100 футов (≈ 30 м) и RVR 1000 футов (305 м). Автопилоты требуют пассивного отказа.

CAT IIIa — Эта категория позволяет пилотам приземляться с минимальной высотой принятия решения 50 футов (15 м) и RVR 700 футов (213 м).Ему нужен отказоустойчивый автопилот. Вероятность приземления за пределами предписанной зоны должна быть только 10 ^–6 .

CAT IIIb — То же, что и IIIa, но с добавлением автоматического разворота после приземления, когда пилот берет на себя управление на некотором расстоянии вдоль взлетно-посадочной полосы. Эта категория позволяет пилотам приземляться с высотой принятия решения менее 50 футов или без высоты принятия решения и с прямой видимостью 250 футов (76 м, сравните это с размером самолета, некоторые из которых в настоящее время имеют длину более 70 м) или 300 футов (91 м). м) в США.Для помощи при посадке без принятия решения необходим аварийный автопилот. Для этой категории требуется какая-то система наведения на ВПП: по крайней мере, отказоустойчивую, но она должна быть исправной для посадки без высоты принятия решения или для RVR ниже 375 футов (114 м).

CAT IIIc — То же, что и IIIb, но без высоты принятия решения или минимумов видимости, также известных как «ноль-ноль».

Отказ-пассивный автопилот: в случае отказа самолет остается в управляемом положении, и пилот может взять его под свой контроль, чтобы обойти или завершить посадку.Обычно это двухканальная система.

Автопилот, работающий при отказе: в случае отказа ниже аварийной высоты заход на посадку, сигнализация и посадка могут быть выполнены автоматически. Обычно это трехканальная система или двухканальная система.

↑ — Patent Storm

Примечания

См. Также

* Гирокомпас
* Беспилотный автомобиль

Фонд Викимедиа. 2010.

Регистрация устройств с помощью Windows Autopilot — Microsoft Intune

• 09.07.2020
• 13 минут для чтения

В этой статье

Применимо к

• Windows 10
• Windows Holographic, версия 2004 или более поздняя

Примечание

Для устройств

HoloLens 2 требуется режим саморазвертывания Windows Autopilot.Дополнительные сведения об использовании Windows Autopilot для развертывания устройств HoloLens 2 см. В разделе Windows Autopilot для HoloLens 2.

Windows Autopilot упрощает регистрацию устройств в Intune. Создание и поддержка настроенных образов операционной системы — трудоемкий процесс. Вы также можете потратить время на установку этих пользовательских образов операционной системы на новые устройства, чтобы подготовить их к использованию, прежде чем передавать их конечным пользователям. С помощью Microsoft Intune и Windows Autopilot вы можете предоставлять новые устройства конечным пользователям без необходимости создавать, поддерживать и применять к устройствам пользовательские образы операционной системы.Когда вы используете Intune для управления устройствами автопилота, вы можете управлять политиками, профилями, приложениями и многим другим после их регистрации. Обзор преимуществ, сценариев и предварительных условий см. В разделе Обзор Windows Autopilot.

Существует четыре типа развертывания автопилота:

В этой статье объясняется, как настроить автопилот для ПК с Windows. Дополнительные сведения об автопилоте и HoloLens см. В разделе Автопилот Windows для HoloLens 2.

Предварительные требования

Примечание

Регистрация устройства

может быть выполнена с помощью администратора Intune или Policy and Profile Manager .Вы также можете создать настраиваемую роль диспетчера устройств автопилота, используя управление доступом на основе ролей и создав эту роль. Для управления устройством автопилота необходимо только включить все разрешения в Программы регистрации , за исключением четырех вариантов управления токенами.

Как получить CSV для импорта в Intune

Для получения дополнительных сведений см. Описание командлета PowerShell.

Добавить устройства

Вы можете добавить устройства Windows Autopilot, импортировав CSV-файл с их информацией.

1. В центре администрирования Microsoft Endpoint Manager выберите Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program > Import .

2. В разделе Добавить устройства Windows Autopilot перейдите к файлу CSV, в котором перечислены устройства, которые вы хотите добавить. В CSV-файле должно быть указано:

   • Серийные номера.
   • идентификатора продукта Windows.
   • Аппаратные хэши.
   • Необязательные групповые теги.
   • Необязательно назначенный пользователь.

   В списке может быть до 500 строк. Для получения информации о том, как получить информацию об устройстве, см. Добавление устройств в Windows Autopilot. Используйте заголовок и формат строки, показанные ниже:

   Серийный номер устройства, идентификатор продукта Windows, аппаратный хэш, групповой тег, назначенный пользователь , , , ,

   Важно

   При использовании загрузки CSV для назначения пользователя убедитесь, что вы назначаете действительные UPN.Если вы назначите недопустимое UPN (неправильное имя пользователя), ваше устройство может быть недоступно, пока вы не удалите недопустимое назначение. Во время загрузки CSV единственная проверка, которую мы выполняем в столбце Назначенный пользователь , — это проверка правильности доменного имени. Мы не можем выполнить индивидуальную проверку UPN, чтобы убедиться, что вы назначаете существующего или правильного пользователя.

   Примечание

   CSV-файл, импортируемый на портал Intune, должен быть отформатирован, как описано выше. Дополнительные столбцы не поддерживаются.Котировки не поддерживаются. Могут использоваться только текстовые файлы формата ANSI (не Unicode). Заголовки чувствительны к регистру. Редактирование файла в Excel и сохранение в формате CSV не приведет к созданию пригодного для использования файла из-за этих требований.

3. Выберите Импорт , чтобы начать импорт информации об устройстве. Импорт может занять несколько минут.

4. После завершения импорта выберите Devices > Windows > Windows enrollment > Devices (в программе Windows Autopilot Deployment Program > Sync .Появится сообщение о том, что выполняется синхронизация. Процесс может занять несколько минут, в зависимости от того, сколько устройств синхронизируется.

5. Обновите представление, чтобы увидеть новые устройства.

Создание группы устройств автопилота

1. В центре администрирования Microsoft Endpoint Manager выберите Группы > Новая группа .

2. В группе лезвие:

   1. Для Тип группы выберите Безопасность .
   2. Введите a Имя группы и Описание группы .
   3. Для Тип членства выберите Назначено или Динамическое устройство .

3. Если вы выбрали Назначено для Тип членства на предыдущем шаге, то в колонке Группа выберите Члены и добавьте устройства автопилота в группу. Устройства автопилота, которые еще не зарегистрированы, — это устройства, имя которых совпадает с серийным номером устройства.

4. Если вы выбрали Dynamic Devices для Тип членства выше, то в колонке Group выберите Dynamic device members и введите любой из следующих кодов в поле Advanced rule . Эти правила собирают только устройства автопилота, потому что они нацелены только на атрибуты устройств автопилота. Создание группы на основе атрибутов, не связанных с автопилотом, не гарантирует, что устройства, включенные в группу, будут зарегистрированы в автопилоте.

   • Если вы хотите создать группу, включающую все ваши устройства автопилота, введите: (device.devicePhysicalIDs -any (_ -contains "[ZTDId]"))
   Поле группового тега
   • Intune сопоставляется с атрибутом OrderID на устройствах Azure AD. Чтобы создать группу, включающую все устройства автопилота с определенным тегом группы (идентификатор заказа устройства Azure AD), введите: (device.devicePhysicalIds -any (_ -eq "[OrderID]: 179887111881"))
   • Если вы хотите создать группу, включающую все ваши устройства автопилота с определенным идентификатором заказа на покупку, введите: (device.devicePhysicalIds -any (_ -eq "[PurchaseOrderId]: 76222342342"))

   После добавления кода расширенного правила выберите Сохранить .

5. Выберите Создать .

Создать профиль развертывания автопилота

Профили развертывания автопилота используются для настройки устройств автопилота. Вы можете создать до 350 профилей на одного арендатора.

1. В центре администрирования Microsoft Endpoint Manager выберите Devices > Windows > Windows enrollment > Deployment Profiles > Create Profile > Windows PC or HoloLens .В этой статье объясняется, как настроить автопилот для ПК с Windows. Дополнительные сведения об автопилоте и HoloLens см. В разделе Автопилот Windows для HoloLens 2.

2. На странице Basics введите Name и необязательно Description .

3. Если вы хотите, чтобы все устройства в назначенных группах автоматически преобразовывались в автопилот, установите Преобразовать все целевые устройства в автопилот с на Да . Все корпоративные устройства без автопилота в назначенных группах будут зарегистрированы в службе развертывания автопилота.Личные устройства не будут преобразованы в автопилот. Подождите 48 часов для обработки регистрации. Когда устройство отменяется и выполняется сброс, автопилот зарегистрирует его. После регистрации устройства таким образом отключение этого параметра или удаление назначения профиля не приведет к удалению устройства из службы развертывания автопилота. Вместо этого вы должны удалить устройство напрямую.

4. Выбрать Далее .

5. На странице Out-of-box Experience (OOBE) для режима развертывания выберите один из этих двух вариантов:

   • Управляемый пользователем : Устройства с этим профилем связаны с пользователем, регистрирующим устройство.Для регистрации устройства необходимы учетные данные пользователя.
   • Самостоятельное развертывание (предварительная версия) : (требуется Windows 10 версии 1809 или более поздней) Устройства с этим профилем не связаны с пользователем, регистрирующим устройство. Учетные данные пользователя не требуются для регистрации устройства. Когда с устройством не связан пользователь, политики соответствия на основе пользователей к нему не применяются. При использовании режима самостоятельного развертывания будут применяться только политики соответствия, нацеленные на устройство.

   Примечание

   Параметры, которые отображаются затемненными или затемненными, в настоящее время не поддерживаются выбранным режимом развертывания.

6. В поле Присоединиться к Azure AD как выберите Присоединение к Azure AD .

7. Настройте следующие параметры:

   • Лицензионное соглашение с конечным пользователем (EULA) : (Windows 10, версия 1709 или более поздняя) Выберите, хотите ли вы показать EULA пользователям.
   • Настройки конфиденциальности : Выберите, хотите ли вы показывать настройки конфиденциальности пользователям.

   Важно

   Значение по умолчанию для параметра «Диагностические данные» зависит от версии Windows.Для устройств под управлением Windows 10 версии 1903 значение по умолчанию установлено на Полный во время работы вне коробки. Дополнительные сведения см. В разделе Диагностические данные Windows
   

   .
   • Скрыть параметры изменения учетной записи (требуется Windows 10, версия 1809 или более поздняя) : выберите Скрыть , чтобы запретить отображение параметров изменения учетной записи на страницах входа в систему и на страницах ошибок домена. Для этого варианта необходимо настроить фирменный знак компании в Azure Active Directory.
   • Тип учетной записи пользователя : Выберите тип учетной записи пользователя ( Администратор или Стандартный пользователь ).Мы разрешаем пользователю, присоединяющемуся к устройству, быть локальным администратором, добавляя его в локальную группу администраторов. Мы не включаем пользователя в качестве администратора по умолчанию на устройстве.
   • Разрешить белую перчатку OOBE (требуется Windows 10 версии 1903 или более поздней; дополнительные физические требования): выберите Да , чтобы разрешить поддержку предварительной подготовки.

   Примечание

   Характеристика белых перчаток была переименована в pre-provision . Ссылки на White Glove OOBE в Intune относятся к процессу предварительной подготовки автопилота.

   При установке этого параметра на Нет (блокировка предварительной инициализации), имейте в виду, что по-прежнему можно будет нажать клавишу Windows пять раз во время OOBE, чтобы вызвать предварительную инициализацию и продолжить движение по этому пути. Однако Intune впоследствии применит этот параметр, и вы увидите красный экран, указывающий на сбой предварительной подготовки с кодом ошибки 0x80180005.

   • Применить шаблон имени устройства (требуется Windows 10, версия 1809 или более поздняя, ​​и тип соединения Azure AD): выберите Да , чтобы создать шаблон, который будет использоваться при присвоении имени устройству во время регистрации.Имена должны содержать не более 15 символов и могут состоять из букв, цифр и дефисов. Имена не могут состоять только из чисел. Используйте макрос% SERIAL%, чтобы добавить серийный номер для конкретного оборудования. Или используйте макрос% RAND: x%, чтобы добавить случайную строку чисел, где x равно количеству добавляемых цифр. Вы можете предоставить только предварительное исправление для гибридных устройств в профиле присоединения к домену.
   • Язык (регион) *: выберите язык для использования на устройстве. Этот параметр доступен только в том случае, если вы выбрали Самостоятельное развертывание для Режим развертывания .
   • Автоматическая настройка клавиатуры *: если выбран Язык (регион) , выберите Да , чтобы пропустить страницу выбора клавиатуры. Этот параметр доступен только в том случае, если вы выбрали Самостоятельное развертывание для Режим развертывания .

8. Выбрать Далее .

9. На странице Теги области при необходимости добавьте теги области, которые вы хотите применить к этому профилю. Дополнительные сведения о тегах области см. В разделе Использование управления доступом на основе ролей и тегов области для распределенных ИТ.

10. Выбрать Далее .

11. На странице Присвоения выберите Выбранные группы для Присвоить .

12. Выберите Выберите группы для включения и выберите группы, которые вы хотите включить в этот профиль.

13. Если вы хотите исключить какие-либо группы, выберите Выбрать группы для исключения и выберите группы, которые нужно исключить.

14. Выбрать Далее .

15. На странице Review + Create выберите Create , чтобы создать профиль.

Примечание

Intune будет периодически проверять наличие новых устройств в назначенных группах, а затем начинает процесс назначения профилей этим устройствам. Этот процесс может занять несколько минут. Перед развертыванием устройства убедитесь, что этот процесс завершен. Вы можете проверить в разделе Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program , где вы должны увидеть изменение статуса профиля с «Unassigned» на «Assigning» и, наконец, на «Assigned».«

Редактировать профиль развертывания автопилота

После создания профиля развертывания автопилота вы можете редактировать определенные части профиля развертывания.

1. В центре администрирования Microsoft Endpoint Manager выберите Devices > Windows > Регистрация в Windows > Профили развертывания .

2. Выберите профиль, который нужно отредактировать.

3. Выберите Свойства слева, чтобы изменить имя или описание профиля развертывания.После внесения изменений щелкните Сохранить .

4. Щелкните Settings , чтобы внести изменения в настройки OOBE. После внесения изменений щелкните Сохранить .

   Примечание

   Изменения профиля применяются к устройствам, назначенным этому профилю. Однако обновленный профиль не будет применяться к устройству, которое уже зарегистрировано в Intune, до тех пор, пока устройство не будет перезагружено и повторно зарегистрировано.

Изменить атрибуты устройства автопилота

После загрузки устройства автопилота вы можете редактировать определенные атрибуты устройства.

1. В центре администрирования Microsoft Endpoint Manager выберите Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program .
2. Выберите устройство, которое хотите отредактировать.
3. На панели в правой части экрана вы можете редактировать:
   • Имя устройства.
   • Групповой тег.
   • Удобное для пользователя имя (если вы назначили пользователя).
4. Выберите Сохранить .

Примечание

Имена устройств можно настроить для всех устройств, но они игнорируются в гибридных развертываниях, объединенных в Azure AD. Имя устройства по-прежнему берется из профиля присоединения к домену для гибридных устройств Azure AD.

Оповещения для неназначенных устройств Windows Autopilot

Предупреждения покажут, сколько программных устройств автопилота не имеют профилей развертывания автопилота. Используйте информацию в предупреждении для создания профилей и назначения их неназначенным устройствам. Щелкнув предупреждение, вы увидите полный список устройств Windows Autopilot и подробную информацию о них.

Чтобы увидеть предупреждения для неназначенных устройств, в центре администрирования Microsoft Endpoint Manager выберите Устройства > Обзор > Предупреждения о регистрации > Неназначенные устройства .

Отчет о развертывании автопилота

Вы можете просмотреть подробную информацию о каждом устройстве, развернутом с помощью Windows Autopilot. Чтобы просмотреть отчет, перейдите в центр администрирования Microsoft Endpoint Manager, выберите Devices > Monitor > Autopilot deployments .Данные доступны в течение 30 дней после развертывания.

Этот отчет находится в предварительном просмотре. Записи развертывания устройства в настоящее время запускаются только новыми событиями регистрации в Intune. Развертывания, которые не запускают новую регистрацию в Intune, не будут отображаться в этом отчете. Этот случай включает в себя любой вид сброса, который поддерживает регистрацию и пользовательскую часть предварительной подготовки автопилота.

Назначьте пользователя конкретному устройству автопилота

Вы можете назначить лицензированного пользователя Intune конкретному устройству автопилота.Это присвоение:

• Предварительно заполняет пользователя из Azure Active Directory на странице входа под брендом компании во время установки Windows.
• Позволяет установить собственное имя приветствия.
• Не выполняет предварительное заполнение и изменение входа в Windows.

Предварительные требования: корпоративный портал Azure Active Directory настроен и Windows 10 версии 1809 или более поздней.

Примечание

Назначение пользователя конкретному устройству автопилота не работает, если вы используете ADFS.

1. В центре администрирования Microsoft Endpoint Manager выберите Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program > выберите устройство> Назначить пользователя .

2. Выберите пользователя Azure, имеющего лицензию на использование Intune, и выберите Выберите .

3. В поле Удобное для пользователя имя введите понятное имя или просто оставьте имя по умолчанию.Эта строка представляет собой понятное имя, которое отображается, когда пользователь входит в систему во время установки Windows.

4. Выберите Ok .

Удалить устройства автопилота

Вы можете удалить устройства Windows Autopilot, которые не зарегистрированы в Intune:

• Удалите устройства из Windows Autopilot в Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program .Выберите устройства, которые вы хотите удалить, затем выберите Удалить . Удаление устройства Windows Autopilot может занять несколько минут.

Для полного удаления устройства из клиента необходимо удалить устройство Intune, устройство Azure Active Directory и записи устройства Windows Autopilot. Все эти удаления можно выполнить из Intune:

.

1. Если устройства зарегистрированы в Intune, необходимо сначала удалить их из колонки Intune Все устройства.

2. Удалите устройства в устройствах Azure Active Directory в Устройства > Устройства Azure AD .

3. Удалите устройства из Windows Autopilot в Devices > Windows > Windows enrollment > Devices (в Windows Autopilot Deployment Program >. Выберите устройства, которые хотите удалить, затем нажмите Удалить . Windows Удаление устройства автопилота может занять несколько минут.

Использование автопилота на других порталах

Если вас не интересует управление мобильными устройствами, вы можете использовать автопилот на других порталах. Хотя можно использовать другие порталы, мы рекомендуем использовать Intune только для управления развертываниями автопилота. При использовании Intune и другого портала Intune не может:

• Показать изменения в профилях, созданных в Intune, но отредактированных на другом портале.
• Синхронизируйте профили, созданные на другом портале.
• Показать изменения в назначениях профилей, выполненные на другом портале.
• Синхронизация назначений профилей, выполненных на другом портале.
• Показать изменения в списке устройств, внесенные на другом портале.

Windows Autopilot для существующих устройств

Вы можете сгруппировать устройства Windows по идентификатору коррелятора при регистрации с помощью автопилота для существующих устройств через Configuration Manager. ID коррелятора — это параметр файла конфигурации автопилота.Для атрибута enrollmentProfileName устройства Azure AD автоматически устанавливается значение «OfflineAutopilotprofile- <идентификатор коррелятора>». Таким образом, произвольные динамические группы Azure AD могут быть созданы на основе идентификатора коррелятора с помощью атрибута enrollmentprofileName.

Предупреждение

Поскольку идентификатор коррелятора не указан заранее в Intune, устройство может сообщить любой идентификатор коррелятора, который они хотят. Если пользователь создает идентификатор коррелятора, соответствующий имени профиля автопилота или Apple ADE, устройство будет добавлено в любую динамическую группу устройств Azure AD на основе атрибута enrollmentProfileName.Чтобы избежать этого конфликта:

• Всегда создавать правила динамической группы, соответствующие всему значению enrollmentProfileName
• Никогда не называйте профили Autopilot или Apple ADE, начинающиеся с «OfflineAutopilotprofile-«.

Следующие шаги

После настройки автопилота Windows для зарегистрированных устройств с Windows 10 узнайте, как управлять этими устройствами. Дополнительные сведения см. В разделе Что такое управление устройствами Microsoft Intune?

Автопилот против усовершенствованного автопилота — владельцы Tesla онлайн

Меню

• Форумы Новые сообщения Искать на форумах
• Быстрые ссылки Спонсоры и аксессуары Генеральная Модель 3 Модель Y Tesla Cybertruck Модель S Модель X Родстер следующего поколения Tesla Semi Обсуждения по регионам Купить и продать Программного обеспечения
• Какие новости Новые сообщения Новые средства массовой информации Комментарии в новых СМИ Новые сообщения профиля Последние действия
• Средства массовой информации Новые средства массовой информации Новые комментарии Поиск в СМИ
• Члены Поддерживающие члены Зарегистрированные участники Текущие посетители Новые сообщения профиля Поиск сообщений профиля

Форумы

Авторизоваться .