Καθώς οι τεχνολογικές εξελίξεις µας φέρνουν πιο κοντά στα αυτόνοµα οχήµατα, οι τεχνικοί πρέπει να είναι προετοιµασµένοι να συντηρήσουν αυτά τα πολύπλοκα µηχανήµατα.

Σχεδόν σε κάθε κλάδο, συµπεριλαµβανοµένης της βιοµηχανίας επισκευής οχηµάτων, οι συζητήσεις για το µέλλον συχνά περιστρέφονται γύρω από τον αυξανόµενο αντίκτυπο της τεχνητής νοηµοσύνης (AI). Η εφαρµογή της τεχνητής νοηµοσύνης στα οχήµατα οδηγεί την ανθρωπότητα προς ένα µακροχρόνιο όνειρο που κάποτε θεωρούνταν αδύνατο: οχήµατα που µπορούν να οδηγήσουν µόνα τους. Αναµένεται ότι το 10% των οχηµάτων θα είναι χωρίς οδηγό έως το 2030 και αυτή η προβλεπόµενη αύξηση των αυτόνοµων οχηµάτων οφείλεται κυρίως στην ανάπτυξη του πιο προηγµένου προγραµµατισµού τεχνητής νοηµοσύνης που θα λειτουργεί παράλληλα µε τα προηγµένα συστήµατα υποβοήθησης οδηγού (ADAS).

Τα συστήµατα ADAS, από τη φύση τους, χρειάζονται τεράστιες ποσότητες δεδοµένων από διάφορες τεχνολογίες αισθητήρων προκειµένου να λαµβάνουν γρήγορες, ακριβείς και κατάλληλες αποφάσεις. Αλλά η απλή προσθήκη ενός αισθητήρα σε ένα όχηµα σε συνδυασµό µε κάποιο λογισµικό δεν είναι ο τρόπος µε τον οποίο τα ADAS αποκτούν την ικανότητά να αντιλαµβάνονται ένα αντικείµενο στην πορεία του οχήµατος, να καθορίζουν ένα πιθανό περιστατικό για το οποίο πρέπει να προειδοποιήσουν τον οδηγό ή σε ορισµένες περιπτώσεις, να παρεµβαίνουν αντικαθιστώντας τον οδηγό.

Καθώς αναπτύσσονται τα συστήµατα ADAS, οι µηχανικοί πρέπει να χρησιµοποιούν ευρύ φάσµα δεδοµένων από αυτές τις τεχνολογίες, για να παρέχουν στους ενσωµατωµένους επεξεργαστές τη δυνατότητα να αναγνωρίζουν διάφορα αντικείµενα. Για να επιτευχθεί αυτό, υποβάλλονται σε επεξεργασία τεράστιες ποσότητες δεδοµένων για τη δηµιουργία αυτού του καταλόγου αντικειµένων. Η τεχνητή νοηµοσύνη µπαίνει στο παιχνίδι µε την επεξεργασία και τη λήψη αποφάσεων πολύ πιο γρήγορα από τον άνθρωπο µε ένα σύστηµα πολύ γρήγορων υπολογιστών. Διδάσκοντας την τεχνητή νοηµοσύνη, ο δρόµος προς τα αυτόνοµα οχήµατα θα επιτευχθεί πολύ πιο γρήγορα.

Η άνοδος των αυτόνοµων οχηµάτων
Τις τελευταίες δεκαετίες, η ανάπτυξη πιο εξελιγµένων αλγορίθµων AI και η άνοδος των τεχνολογιών αισθητήρων έχουν οδηγήσει στην εµφάνιση πιο προηγµένων χαρακτηριστικών ADAS, όπως η προηγµένη υποβοήθηση στάθµευσης και ακόµη και τα πρώτα στάδια της αυτόνοµης οδήγησης. Τα ADAS βασίζονται σε αισθητήρες για τη συλλογή πληροφοριών, προκειµένου να αντιληφθούν το περιβάλλον του οχήµατος. Αυτό είναι ζωτικής σηµασίας για να µπορούν οι αισθητήρες ADAS να αναγνωρίζουν αντικείµενα, πεζούς, φώτα στάσης και άλλα στοιχεία στον δρόµο.

Η ανίχνευση και ταξινόµηση αντικειµένων σε πραγµατικό χρόνο είναι απαραίτητη για χαρακτηριστικά ασφαλείας, όπως το αυτόµατο φρενάρισµα, το προσαρµοζόµενο cruise control και η ανίχνευση πεζών. Με βάση τα δεδοµένα από τους αισθητήρες, οι αλγόριθµοι αυτοί µπορούν να καθορίζουν τις κατάλληλες ενέργειες που πρέπει να γίνουν σε διάφορα σενάρια οδήγησης και σε προχωρηµένες περιπτώσεις, να λαµβάνουν αποφάσεις ακόµη και χωρίς ανθρώπινη παρέµβαση.

Οι µηχανικοί πρέπει να εκπαιδευτούν στα ενσωµατωµένα συστήµατα και στους επεξεργαστές για το πως να διακρίνουν ανάµεσα σε καλές και δυσµενείς καταστάσεις, επεξεργαζόµενοι τεράστιες ποσότητες δεδοµένων που συλλέγονται µέσω δοκιµών και µοντελοποίησης.

Η τεχνητή νοηµοσύνη µπορεί να επεξεργαστεί αυτές τις δοκιµές και τα δεδοµένα µοντελοποίησης ταχύτερα από τους ανθρώπους, γεγονός που θα φέρει την τεχνολογία στην αγορά πιο γρήγορα από ότι πιστεύαµε προηγουµένως. Καθώς η τεχνητή νοηµοσύνη εξελίσσεται, µπορεί να αποτελέσει κρίσιµο εργαλείο για την επεξεργασία των δεδοµένων που απαιτούνται για τη « εκµάθηση» των συστηµάτων.

Η συνεργασία µεταξύ AI και ADAS είναι πιθανό να συνεχίσει να αυξάνεται καθώς η τεχνολογία αυτόνοµης οδήγησης εξελίσσεται. Τα πλήρως αυτόνοµα οχήµατα θα βασίζονται σε µεγάλο βαθµό στην τεχνητή νοηµοσύνη για να καλύψουν πολύπλοκα σενάρια λήψης αποφάσεων και να εξασφαλίσουν ασφαλή πλοήγηση. Αλλά ενώ η σχέση µεταξύ ADAS και AI ωφελεί σαφώς τους οδηγούς, τι θα σηµαίνει η άνοδος των αυτόνοµων οχηµάτων για τους τεχνικούς επισκευών;

Οι µηχανικοί πρέπει να είναι προετοιµασµένοι για ένα ταχέως µεταβαλλόµενο περιβάλλον
Αν και υπάρχει ακόµη πολύς δρόµος µέχρι να φτάσουµε σε πλήρως αυτόνοµα οχήµατα, η εφαρµογή προηγµένων συστηµάτων ασφαλείας επηρεάζει ήδη τον τρόπο µε τον οποίο πρέπει να προσεγγίζουµε τις επισκευές. Τα σηµερινά οχήµατα είναι οι πιο προηγµένες µηχανές στον πλανήτη, γεγονός που ενισχύεται µε την ταχεία ανάπτυξη των τεχνολογιών ADAS και τεχνητής νοηµοσύνης.

Ωστόσο, οι τεχνολογίες αυτές εφαρµόζονται µαζικά χωρίς τυποποίηση και µερικές φορές ακόµη και πριν δοκιµαστούν σωστά. Αυτό δηµιουργεί µια πρόσθετη πρόκληση για τους µηχανικούς επισκευής – όχι µόνο τα οχήµατα που είναι εξοπλισµένα µε ADAS είναι πιο περίπλοκα στην επισκευή, αλλά τα συστήµατα κυκλοφορούν στην αγορά ταχύτερα από ότι πολλοί µηχανικοί µπορούν να παρακολουθήσουν.
Ορισµένα κράτη λαµβάνουν µέτρα για την εφαρµογή πιο συστηµατικού ελέγχου των επισκευών των οχηµάτων που είναι εξοπλισµένα µε ADAS και τεχνητή νοηµοσύνη. Πρόσφατα, το Μέριλαντ (ΗΠΑ)ψήφισε νόµο που απαιτεί από τα συνεργεία να γνωστοποιούν εάν απαιτείται επαναβαθµονόµηση για το παρµπρίζ που είναι εξοπλισµένο µε ADAS και να ενηµερώνουν τους πελάτες για την αποτελεσµατικότητα της βαθµονόµησης ώστε να πληρούν ή να υπερβαίνουν τα πρότυπα του ΟΕΜ. Τέτοιοι νόµοι σκοπεύουν να καταστήσουν τα συνεργεία υπεύθυνα για τις σωστές επισκευές και να ενηµερώσουν τους οδηγούς για τις ανάγκες επισκευής τους.

Ο νόµος για τη βαθµονόµηση του παρµπρίζ είναι ένα χαρακτηριστικό παράδειγµα του τρόπου µε τον οποίο οι επισκευές των οχηµάτων που είναι εξοπλισµένα µε συστήµατα ADAS απαιτούν συγκεκριµένες βαθµονοµήσεις και κατάλληλες δοκιµές, ώστε να διασφαλίζεται ότι κάθε όχηµα επανέρχεται στην κατάσταση πριν από το ατύχηµα. Καθώς τα συστήµατα λειτουργούν αλληλένδετα, οι λανθασµένες ευθυγραµµίσεις των αισθητήρων ακόµη και κατά µία µοίρα µπορούν να εµποδίσουν τα χαρακτηριστικά ασφαλείας να λειτουργήσουν όπως προβλέπεται.

Οι δυναµικές βαθµονοµήσεις απαιτούν λιγότερες επενδύσεις σε εκπαίδευση ή εργαλεία, απαιτώντας µόνο έναν καθαρό αυτοκινητόδροµο και ένα κατάλληλο διαγνωστικό εργαλείο. Επιπλέον, απαιτείται δοκιµή για να διασφαλιστεί ότι κάθε σύστηµα λειτουργεί όπως προβλέπεται µετά από κάθε επισκευή σε ένα όχηµα µε ADAS.

Η χρήση των κατάλληλων εργαλείων σάρωσης και διάγνωσης µπορεί να βοηθήσει τους µηχανικούς να καθορίσουν τι χρειάζεται για κάθε όχηµα που έρχεται στο συνεργείο τους. Η συνεχής κατάρτιση και εκπαίδευση σχετικά µε τις εξελίξεις στα ADAS και η απόκτηση σύγχρονων πιστοποιήσεων µπορούν επίσης να βοηθήσουν να διασφαλιστεί ότι οι µηχανικοί είναι προετοιµασµένοι, είτε το όχηµα δεν διαθέτει συστήµατα ADAS είτε λειτουργεί εντελώς αυτόνοµα. Η ύπαρξη ενός συνεργάτη που µπορεί να παρέχει τα κατάλληλα εργαλεία, την εκπαίδευση και την υποστήριξη είναι ζωτικής σηµασίας για τη διενέργεια των απαραίτητων βαθµονοµήσεων σε οχήµατα εξοπλισµένα µε τεχνολογίες ADAS και τη διεξαγωγή σωστών και ασφαλών επισκευών.

Καθώς τα χαρακτηριστικά των ADAS συνεχίζουν να αναπτύσσονται µε την τεχνητή νοηµοσύνη να αποτελεί βασικό εργαλείο σε αυτή την εξέλιξη, είναι επιτακτική ανάγκη οι µηχανικοί να ενηµερώνονται για τα πιο πρόσφατα πρότυπα και τις απαιτήσεις επισκευής OEM για κάθε όχηµα που περνάει από το συνεργείο τους.

Για την ακρίβεια απέχουµε ακόµη δεκαετίες από το να δούµε πλήρως αυτοκινούµενα οχήµατα σε µεγάλη έκταση, αλλά οι εξελίξεις στην τεχνητή νοηµοσύνη και τα συστήµατα ADAS οδηγούν προς αυτήν την πορεία και απαιτούν να αλλάξει ο τρόπος µε τον οποίο οι µηχανικοί προσεγγίζουν τις επισκευές οχηµάτων. Για την ασφάλεια των οδηγών, τα συνεργεία πρέπει να είναι σε θέση να συµβαδίζουν µε αυτή την πρόοδο.
www.motor.com

Facebook

Twitter