За последнее десятилетие область эволюционной робототехники подверглась стремительному развитию, охватывающему такие дисциплины, как искусственный интеллект, робототехника, биология, когнитивные науки и даже исследования социального поведения. Почти в то же время прорывные достижения для электромобилей пережили стремительный рост, пройдя путь от концептуализации электронного блока управления для системы автономного вождения (DCU — Domain Control Unit) до более полного понимания электрической/электронной архитектуры (EEA — Electrical/Electronic Architecture). Эволюция продолжается от первоначального создания программно-определяемых транспортных средств (SDV — software-defined vehicle) до более ускоренного перехода на ТС, под управлением искусственного интеллекта (AIDV — AI-defined vehicles).
В индустрии электромобилей активно внедряются роботизированные системы для множества применений. Например, распространение электромобилей привело к соответствующему росту спроса на зарядку в последние годы. Чтобы смягчить эту проблему, несколько компаний разработали автономных зарядных роботов, способных восполнять энергию электромобилей, тем самым внедряя инновационную парадигму зарядки. В качестве примера компания Volkswagen представила Mobiler Laderoboter — мобильного робота, который использует роботизированную руку-манипулятор, способную заменять элементы встроенных аккумуляторов при обслуживании электромобилей. Помимо использования роботов-зарядчиков, переработка аккумуляторных батарей представляет собой ещё одну важную область, тесно связанную с технологиями робототехники. По мере расширения парка электромобилей вопросы утилизации отработавших батарей и их вторичной переработки становятся всё более актуальными. В настоящее время разрабатывается граф знаний для машинного обучения, который позволит роботам разбирать выброшенные аккумуляторы от электротранспорта, тем самым повышая эффективность и безопасность процесса утилизации или переработки.
В сфере производства робототехника широко распространена на автоматизированных производственных линиях электромобилей, где она играет ключевую роль в повышении эффективности и качества производства. Ярким примером является полностью автоматизированная линия по производству электронных компонентов, разработанная компанией SAR, которая использует роботов KUKA для производства ключевых компонентов для электромобилей. Эти развивающиеся взаимосвязи подчёркивают потенциал электромобилей для выхода за рамки традиционных границ и интеграции передовых роботизированных функций, возвещая новую эру интеллектуального, адаптивного транспорта.
На протяжении всего периода использования электромобиля он непрерывно эволюционирует. В отличие от традиционных автомобилей с двигателем внутреннего сгорания, электромобили оснащены предварительно встроенным оборудованием, которое можно активировать удалённо. Обновления постоянно совершенствуют программное обеспечение и профили данных этих транспортных средств. Кроме того, системы восприятия автономного вождения электромобилей непрерывно отслеживают окружающую действительность как внутри, так и снаружи автомобиля. Следовательно, динамическое состояние может меняться каждую минуту, независимо от того, движется ли автомобиль или находится в состоянии покоя.
Эта перспектива согласуется с растущими возможностями электромобилей адаптироваться и совершенствоваться посредством обновлений программного обеспечения и взаимодействия с окружающей средой, предвещая преобразующий сдвиг в сторону транспортных средств, которые являются, как экологическими, так и технологически адаптивными. Этот переход воплощает эволюцию ТС от аппаратно-ориентированных к программно-ориентированным платформам, при этом производители стремятся отделить разработки программного обеспечения для транспортных средств от разработки оборудования, тем самым раскрывая эволюционный потенциал. AIDV представляет собой интенсификацию этой концепции, интегрируя искусственный интеллект (ИИ) для дальнейшего расширения возможностей. В будущем планируется, что ПО не только будет определять повестку дня, но и генерировать значительный доход, а поэтому бизнес-модель автопроизводителей кардинально изменится. Уже сейчас некоторые из них начинают строительство и оснащение своих независимых дата-центров, для установки своих серверных платформ. Программное обеспечение будет играть решающую роль в достижении конкурентной дифференциации на автомобильном рынке 21-го века.
Несомненно, Китай стал крупнейшим и наиболее быстрорастущим рынком электромобилей в мире, характеризующимся быстрыми преобразованиями в интенсивной конкуренции. Рыночный ландшафт заполнен разнообразным набором игроков, включая устоявшиеся автомобильные конгломераты, специалистов по нейросетям, телекоммуникационных корпораций (таких, как Huawei), независимых производителей микросхем, инновационных стартапов и академических исследовательских сообществ. Отрасль находится на пороге перехода от программно-определяемых ТС к искусственному интеллекту, что отражает смену парадигмы в разработке и функциональности. Если немного заглянуть вперёд, то запланированный Toyota выпуск своей автомобильной ОС «Arene» в 2025 году означает стратегический выход японского автопроизводителя на этот рынок. Хотя остаётся ещё не вполне понятным, будет ли японский автогигант активно продвигать эту эволюцию, интегрируя возможности ИИ, которые имеют решающее значение для автономного принятия решений и адаптации к окружающей среде в реальном времени.
Поскольку эти транспортные средства становятся неотъемлемыми компонентами интеллектуальной инфраструктуры и сетей интернета вещей (IoT), они готовы произвести революцию в автомобильном секторе и повлиять на стратегии городского развития, но жертвуя при этом полной автономностью. Эта вычислительная парадигма особенно важна, поскольку она обеспечивает обработку и анализ данных в реальном времени, поддерживая ключевые функции, такие как автономное вождение, связь между транспортными средствами (V2V) и интеллектуальное управление дорожным движением. Интеграция этих возможностей не только трансформирует автомобильную промышленность, но и закладывает основу для новой эры интеллектуальной мобильности, где транспортные средства являются неотъемлемыми компонентами более крупной взаимосвязанной экосистемы. Но не все приверженцы независимости, как клиенты, так и автопроизводители, готовы к такому развитию событий.
Развитие интеллектуальных подключенных транспортных средств требует парадигмы глобального интеллекта, в рамках которой периферийно-облачные совместные вычисления становятся ключевой тенденцией. Эта интегрированная вычислительная модель объединяет сильные стороны как периферийных, так и облачных вычислителений. Она использует быстрые, локализованные возможности обработки и реагирования периферийных вычислений, которые необходимы для защиты конфиденциальности, одновременно используя обширные вычислительные возможности дата-центров для глубокого анализа и управления данными. Этот синергетический подход имеет решающее значение для разработки интеллектуальных подключённых транспортных средств, обеспечивая баланс между принятием решений в реальном времени на месте и комплексной обработкой данных, необходимой для сложных транспортных операций. Вычислительная разгрузка и распределение ресурсов в Интернете транспортных средств (IoV) будет играть важнейшую роль. Ведь ТС часто сталкиваются с ограниченными вычислительными ресурсами. Чтобы решить эту проблему, эти электромобили смогут делегировать интенсивные вычислительные задачи или чувствительные к задержкам операции на пограничные серверы с помощью бортовых беспроводных коммуникационных технологий. В контексте IoV синергия между периферийными вычислениями и ИИ зависит от эффективности процессов обучения модели и скорости ввода/вывода.
Используя значительные вычислительные ресурсы пограничных серверов, транспортные средства могут расширять свои собственные возможности, тем самым повышая качество обслуживания (QoS) для приложений подключённых автомобилей. Такой подход не только повышает производительность приложений транспортных средств, но и оптимизирует потребление энергии и распределение вычислительных ресурсов внутри транспортного средства. Эта стратегия имеет важное значение для управления компромиссами между бортовой обработкой и использованием внешней вычислительной мощности, гарантируя, что приложения IoV соответствуют строгим требованиям производительности и эффективности в реальном времени.
Эта область охватывает спектр методологий обучения, включая централизованные, децентрализованные и гибридные подходы. Важнейшим аспектом этих методологий является разработка стратегий, которые не только обеспечивают эффективность обучения и применения модели, но и защищают конфиденциальность пользователей. Задача заключается в достижении баланса между использованием распределённой природы данных всей сети для всестороннего обучения модели и сохранением конфиденциальности и целостности информации пользователя. Но пока никак не преодолена опасность потери связи (хоть одним автомобилем, хоть при глобальном сбое или хакерском взломе). Для этого требуются инновационные решения, которые интегрируют передовые криптографические методы — но проблема усугубляется ещё развитием новых типов квантовых вычислений, которые способны за секунды взломать самые современные системы криптографии и шифрования.
Траектория эволюции электромобилей выходит за рамки разработки отдельных транспортных средств; она также охватывает совместную эволюцию многих дисциплин, во взаимосвязанной экосистеме интеллектуальной мобильности. Хотя, надо признать, что скептики, с их сомнениями, особенно что касается безопасности, пока побеждают. Многие вопросы, которые, казалось бы, уже решены с развитием технологий, снова требуют решения из-за развития ещё более инновационных открытий.