Cahaya adalah kunci EV jarak jauh yang sepenuhnya otonom – TechCrunch

0
36


Sistem bantuan pengemudi tingkat lanjut (ADAS) sangat menjanjikan. Kadang-kadang, berita utama tentang industri kendaraan otonom (AV) tampak tidak menyenangkan, dengan fokus pada kecelakaan, peraturan, atau penilaian perusahaan yang menurut beberapa orang tidak layak. Semua ini tidak masuk akal, tetapi membuat kemungkinan menakjubkan dari dunia AV tampak buram.

Salah satu kelebihan AV yang diterima secara universal adalah potensi dampak positif terhadap lingkungan, karena kebanyakan AV juga akan menjadi kendaraan listrik (EV).

Laporan analis industri memproyeksikan bahwa pada tahun 2023, 7,3 juta kendaraan (7% dari total pasar) akan memiliki kemampuan mengemudi otonom yang membutuhkan $ 1,5 miliar prosesor khusus mengemudi otonom. Ini diharapkan tumbuh menjadi $ 14 miliar pada tahun 2030, ketika lebih dari 50% dari semua kendaraan yang dijual akan diklasifikasikan sebagai SAE Level 3 atau lebih tinggi, seperti ditentukan oleh Administrasi Keselamatan Lalu Lintas Jalan Raya Nasional (NHTSA).

Inovasi mendasar dalam komputasi dan teknologi baterai mungkin diperlukan untuk memenuhi sepenuhnya janji AEV dengan jangkauan, keamanan, dan kinerja yang diminta oleh konsumen.

Sementara chip fotonik lebih cepat dan lebih hemat energi, lebih sedikit chip yang dibutuhkan untuk mencapai SAE Level 3; namun, kami dapat mengharapkan peningkatan kinerja komputasi ini untuk mempercepat pengembangan dan ketersediaan kendaraan otonom SAE Level 5 sepenuhnya. Dalam hal ini, pasar prosesor fotonik penggerak otonom kemungkinan akan jauh melampaui proyeksi $ 14 miliar pada tahun 2030.

Ketika Anda mempertimbangkan semua potensi penggunaan kendaraan listrik otonom (AEV) yang luas – termasuk taksi dan kendaraan dinas di kota-kota besar, atau transportasi barang yang bersih di jalan raya kita – kita mulai melihat bagaimana teknologi ini dapat dengan cepat mulai secara signifikan. berdampak pada lingkungan kita: dengan membantu membawa udara bersih ke beberapa kota terpadat dan tercemar.

Masalahnya, AEV saat ini memiliki masalah keberlanjutan.

Untuk beroperasi secara efisien dan aman, AEV harus memanfaatkan serangkaian sensor yang memusingkan: kamera, lidar, radar, dan sensor ultrasonik, dan masih banyak lagi. Ini bekerja sama, mengumpulkan data untuk mendeteksi, bereaksi, dan memprediksi secara real time, yang pada dasarnya menjadi “mata” bagi kendaraan.

Meskipun ada beberapa perdebatan seputar jumlah sensor tertentu yang diperlukan untuk memastikan AV yang efektif dan aman, ada satu hal yang disepakati dengan suara bulat: Mobil-mobil ini akan menghasilkan data dalam jumlah besar.

Bereaksi terhadap data yang dihasilkan oleh sensor ini, bahkan dengan cara yang sederhana, membutuhkan daya komputasi yang luar biasa – belum lagi daya baterai yang diperlukan untuk mengoperasikan sensor itu sendiri. Memproses dan menganalisis data melibatkan algoritme pembelajaran mendalam, cabang AI yang terkenal karena jejak karbonnya yang sangat besar.

Untuk menjadi alternatif yang layak, baik dalam efisiensi energi dan ekonomi, AEV harus mendekati kendaraan bertenaga gas yang cocok dalam jangkauan. Namun, semakin banyak sensor dan algoritme yang dijalankan oleh AEV selama perjalanan, semakin rendah jangkauan baterai – dan jarak mengemudi – kendaraan.

Saat ini, EV hampir tidak mampu mencapai 300 mil sebelum mereka perlu diisi ulang, sementara mesin pembakaran tradisional rata-rata menempuh jarak 412 mil pada satu tangki bahan bakar, menurut Departemen Energi AS. Menambahkan penggerak otonom ke dalam campuran akan memperlebar celah ini lebih jauh dan berpotensi mempercepat degradasi baterai.

Karya terbaru diterbitkan di jurnal Energi Alam mengklaim bahwa jangkauan kendaraan listrik otomatis berkurang 10% -15% selama mengemudi dalam kota.

Pada acara Hari Otonomi Tesla 2019, terungkap bahwa jarak berkendara dapat dikurangi hingga 25% ketika sistem bantuan pengemudi Tesla diaktifkan selama mengemudi dalam kota. Hal ini mengurangi kisaran tipikal untuk kendaraan listrik dari 300 mil menjadi 225 – melewati ambang daya tarik yang dirasakan konsumen.

Analisis prinsip pertama mengambil langkah lebih jauh. Solusi komputasi AI NVIDIA untuk robotaxis, DRIVE, memiliki konsumsi daya sebesar 800 watt, sedangkan Tesla Model 3 memiliki tingkat konsumsi energi sekitar 11,9 kWh / 100 km. Pada batas kecepatan kota tipikal 50 km / jam (sekitar 30 mph), Model 3 mengonsumsi sekitar 6 kW – yang berarti daya yang hanya didedikasikan untuk komputasi AI mengonsumsi sekitar 13% dari total daya baterai yang dimaksudkan untuk mengemudi.

Ini menggambarkan bagaimana mesin komputasi haus daya yang digunakan untuk EV otomatis menimbulkan masalah yang signifikan untuk masa pakai baterai, jangkauan kendaraan, dan adopsi konsumen.

Masalah ini semakin diperparah oleh overhead daya yang terkait dengan pendinginan generasi saat ini dari chip komputer yang haus daya yang saat ini digunakan untuk algoritme AI tingkat lanjut. Saat memproses beban kerja AI yang berat, arsitektur chip semikonduktor ini menghasilkan panas dalam jumlah besar.

Saat chip ini memproses beban kerja AI, mereka menghasilkan panas, yang meningkatkan suhunya dan, akibatnya, kinerja menurun. Diperlukan lebih banyak upaya dan energi yang terbuang untuk heat sink, kipas, dan metode pendinginan lainnya untuk menghilangkan panas ini, yang selanjutnya mengurangi daya baterai dan akhirnya jangkauan EV. Karena industri AV terus berkembang, solusi baru untuk menghilangkan masalah panas chip komputasi AI ini sangat dibutuhkan.

Masalah arsitektur chip

Selama beberapa dekade, kami mengandalkan hukum Moore, dan penskalaan sepupunya yang kurang terkenal, Dennard, untuk memberikan lebih banyak daya komputasi per footprint berulang kali tahun demi tahun. Saat ini, diketahui bahwa komputer elektronik tidak lagi secara signifikan meningkatkan kinerja per watt, yang mengakibatkan pusat data terlalu panas di seluruh dunia.

Keuntungan terbesar yang bisa didapat dalam komputasi ada pada tingkat arsitektur chip, khususnya dalam chip kustom, masing-masing untuk aplikasi tertentu. Namun, terobosan arsitektur adalah trik satu kali – mereka hanya dapat dilakukan pada titik waktu tunggal dalam sejarah komputasi.

Saat ini, daya komputasi yang diperlukan untuk melatih algoritme kecerdasan buatan dan melakukan inferensi dengan model yang dihasilkan tumbuh secara eksponensial – lima kali lebih cepat daripada laju kemajuan di bawah hukum Moore. Salah satu konsekuensinya adalah kesenjangan besar antara jumlah komputasi yang dibutuhkan untuk memenuhi janji ekonomi besar-besaran dari kendaraan otonom dan kondisi komputasi saat ini.

Mobil listrik otonom mendapati diri mereka berada dalam tarik menarik antara mempertahankan jangkauan baterai dan daya komputasi waktu nyata yang diperlukan untuk memberikan otonomi.

Komputer fotonik memberi AEV masa depan yang lebih berkelanjutan

Inovasi mendasar dalam komputasi dan teknologi baterai mungkin diperlukan untuk memenuhi sepenuhnya janji AEV dengan jangkauan, keamanan, dan kinerja yang diminta oleh konsumen. Sementara komputer kuantum bukanlah solusi jangka pendek atau bahkan menengah untuk teka-teki AEV ini, ada solusi lain yang lebih tersedia yang membuat terobosan saat ini: komputasi fotonik.

Komputer fotonik menggunakan sinar laser, bukan sinyal listrik, untuk menghitung dan mengangkut data. Hal ini menghasilkan pengurangan konsumsi daya yang dramatis dan peningkatan parameter prosesor yang penting dan terkait kinerja, termasuk kecepatan clock dan latensi.

Komputer fotonik juga memungkinkan input dari banyak sensor untuk menjalankan tugas inferensi secara bersamaan pada inti prosesor tunggal (setiap input dikodekan dalam warna yang unik), sedangkan prosesor tradisional hanya dapat mengakomodasi satu pekerjaan pada satu waktu.

Keuntungan yang dimiliki semikonduktor fotonik hibrida dibandingkan arsitektur konvensional terletak pada sifat khusus cahaya itu sendiri. Setiap masukan data dikodekan dalam panjang gelombang yang berbeda, yaitu warna, sementara masing-masing berjalan pada model jaringan saraf yang sama. Ini berarti bahwa prosesor fotonik tidak hanya menghasilkan lebih banyak throughput dibandingkan dengan rekan elektronik mereka, tetapi secara signifikan lebih hemat energi.

Komputer fotonik unggul dalam aplikasi yang membutuhkan throughput ekstrem dengan latensi rendah dan konsumsi daya yang relatif rendah – aplikasi seperti komputasi awan dan, berpotensi, penggerak otonom, di mana pemrosesan waktu nyata dari sejumlah besar data diperlukan.

Teknologi komputasi fotonik hampir tersedia secara komersial dan berpotensi untuk meningkatkan roadmap mengemudi otonom saat ini sekaligus mengurangi jejak karbonnya. Jelas bahwa minat terhadap manfaat kendaraan tanpa pengemudi semakin meningkat dan permintaan konsumen semakin dekat.

Jadi, penting bagi kita untuk tidak hanya mempertimbangkan industri yang akan diubahnya dan keamanan yang dapat dibawa ke jalan kita, tetapi juga memastikan keberlanjutan dampaknya terhadap planet kita. Dengan kata lain, inilah waktunya untuk menyoroti EV otonom.



Sumber

LEAVE A REPLY

Please enter your comment!
Please enter your name here