مقایسه خودران تسلا و مرسدس

دو دیدگاه متضاد در مهندسی خودرو؛ نبرد دوربین‌های نوری در برابر پالس‌های لیزری

صنعت خودرو امروزه صحنه یکی از جذاب‌ترین دوئل‌های مهندسی تاریخ است. در یک سو، تسلا با تکیه بر فلسفه ایلان ماسک قرار دارد که معتقد است انسان‌ها با دو چشم نوری رانندگی می‌کنند و هوش مصنوعی نیز باید بتواند صرفاً با اتکا به دوربین‌های باکیفیت و پردازش شبکه‌های عصبی عمیق جهان را بشناسد. در سوی دیگر، خودروسازان کهنه‌کار آلمانی نظیر مرسدس بنز و بی‌ام‌و ایستاده‌اند که ایمنی صددرصدی را تنها در چندلایگی سنسورها (Redundancy) شامل حسگرهای لیدار حالت جامد، رادارهای امواج میلی‌متری و نقشه‌های ماهواره‌ای با دقت سانتی‌متری جستجو می‌کنند.

هر دو دیدگاه در سه ماه اخیر موفق به اخذ تاییده‌های نظارتی جدیدی برای رانندگی بدون دخالت دست در بزرگراه‌های اروپا، آمریکا و شرق آسیا شده‌اند، اما تفاوت‌های بنیادین در رفتار این دو سیستم در شرایط بحرانی جاده‌ای به ووضوح مشهود است.

کالبدشکافی تسلا FSD نسخه ۱۳؛ یادگیری انتها به انتها (End-to-End AI)

بزرگ‌ترین جهش تسلا در نسخه سیزدهم FSD، حذف کامل کدهای سنتی و قوانین شرطی (If-Else) و جایگزینی آن با شبکه‌های عصبی یکپارچه بود. در این معماری، فید خام ۸ دوربین بدنه مستقیماً وارد یک مدل پایه‌ای بینایی-حرکتی غول‌پیکر می‌شود و خروجی مدل بدون هیچ واسطه‌ای مستقیماً فرمان، ترمز و زاویه چرخ‌ها را هدایت می‌کند.

نتیجه این رویکرد، رفتار شگفت‌انگیز و روان خودرو در پیچ‌های تند، رد کردن دست‌اندازها و تعامل ارگانیک با عابران پیاده و موتورسیکلت‌ها است. با این حال، در شرایط هوایی نامساعد نظیر کولاک شدید یا بارش سنگین باران که لنز دوربین‌ها آغشته به گل‌ولای می‌شود، اتکای انحصاری به بینایی نوری همچنان چالش‌هایی از جنس کاهش اعتمادپذیری به بار می‌آورد.

مرسدس بنز Drive Pilot؛ رسمیت قانونی سطح ۳ و انتقال مسئولیت به کارخانه

رویکرد مرسدس بنز کاملاً متفاوت است. در سیستم Drive Pilot که بر روی مدل‌های جدید EQS و کلاس S تعبیه شده، مسئولیت قانونی تصادفات در هنگام فعال بودن سیستم در سرعت‌های مجاز بزرگراهی رسماً بر عهده خودروساز است، نه راننده! این سطح از اعتماد به نفس حقوقی، مرهون اسکنرهای لیدار تعبیه‌شده در جلوپنجره است که در هر ثانیه میلیون‌ها پالس لیزری نامرئی به محیط شلیک کرده و نقشه سه‌بعدی بی‌نقصی از مسیر ایجاد می‌کنند.

تلفیق این فناوری‌های پیشرفته پیشرانه با فناوری باتری‌های حالت جامد و پایان اضطراب شارژ شرایطی را رقم زده که خریداران می‌توانند سفرهای بین‌شهری طولانی را در کمال آرامش، در حالی که در حال تماشای فیلم یا استراحت در کابین هستند، بدون کوچک‌ترین خستگی پشت سر بگذارند.

معماری رایانش لبه (Edge Computing)؛ مقایسه چیپ‌های هوش مصنوعی داخل خودرو

قدرت عمل این اتومبیل‌ها وابسته به ابررایانه‌های پنهان‌شده در داشبورد است. مرسدس بنز با بهره‌گیری از پلتفرم دوگانه NVIDIA DRIVE Thor با توان محاسباتی فراتر از ۲۰۰۰ تریلیون عملیات در ثانیه (TOPS)، پردازش موازی داده‌های سنسوری را انجام می‌دهد تا در صورت خرابی یک برد، پردازنده پشتیبان بلافاصله کنترل چرخ‌ها را در دست گیرد.

در سوی دیگر، تسلا از کامپیوتر هوش مصنوعی نسل ۴ و ۵ اختصاصی خود (Hardware 4/5) با معماری سفارشی ماتریسی استفاده می‌کند که توان مصرفی الکتریکی بسیار پایین‌تری دارد و با بهره‌گیری از جریان مایع خنک‌کننده باتری، پایداری استنتاج عصبی را در دماهای ۵۰ درجه کویری نیز تضمین می‌نماید.

چالش اقتصادی؛ قیمت تمام‌شده سنسورها در بازارهای در حال توسعه

نقطه ضعف غیرقابل انکار سیستم‌های مبتنی بر لیدار، قیمت بالای قطعات و دشواری تعمیرات پس از تصادفات جزئی است. اضافه شدن یک پکیج لیدار کامل بین ۳ تا ۶ هزار دلار به قیمت نهایی خودرو می‌افزاید، در حالی که ماژول‌های دوربین تسلا هزینه‌ای کمتر از چندصد دلار به همراه دارند.

همان‌طور که در گزارش تحلیلی تحلیل اقتصادی و چالش‌های پذیرش خودروهای برقی در بازارهای در حال توسعه تشریح کردیم، خودروسازان چینی نظیر بی‌وای‌دی و شیائومی با ادغام لیدارهای حالت جامد ارزان‌قیمت توانسته‌اند این فناوری پیشرفته را به خودروهای اقتصادی زیر ۲۵ هزار دلار نیز بیاورند و انحصار شرکت‌های غربی را بشکنند.

نتیجه‌گیری تحریریه ماگ بیت؛ برنده نهایی جاده‌های آینده کیست؟

اگرچه رویکرد تمام‌بینایی تسلا از حیث مقیاس‌پذیری و هزینه تولید بسیار جذاب‌تر به نظر می‌رسد، اما واقعیت‌های سختگیرانه استانداردهای ایمنی و بیمه‌ای بین‌المللی نشان می‌دهد که ترکیب دوربین‌های باکیفیت به همراه لیدارهای مینیاتوری نسل جدید، الگوی استاندارد و غالب خودروهای خودران سطح ۴ تا پایان این دهه خواهد بود.