Datan som skapar Zenseacts självkörande bilar
– Att hantera all data är otroligt viktigt. Det är vårt sätt att verifiera att tekniken faktiskt funkar. Ingen skulle börja använda en pacemaker eller sätta sig i en rymdraket utan att mjukvaran testats innan, och samma sak gäller här, säger Robert Tapper, CIO på Zenseact.
Zenseact, tidigare Zenuity, arbetar med mjukvaruutveckling och stödsystem för självkörande bilar för Volvo Cars. Det är ett arbete som innefattar många olika delar, som bland annat testfordon, kodning, data, algoritmer och AI. För sin datahantering använder bolaget HPE Greenlake för high performance computing.
Flera hundra petabyte data
HPE gör det möjligt för Zenseact att samla in, lagra, organisera och analysera all information som genereras från testfordon och mjukvarutvecklingscenter.
– Vi har 20 till 30 bilar som åker runt i olika delar av världen som samlar in och genererar miljontals kilometer data. Italienska landsvägar, rondeller i Paris, isiga vägar i norra Sverige, olika länders trafikskyltar och trafikrytmer, allt måste testas för att bilarna ska funka där Volvo sedan ska sälja dem.
– Under 50 veckor samlar vi in flera hundra petabyte. Datan samlas in och skeppas till HPE:s datacenter där vi tar in och behandlar den.
Digitala och fysiska tester
Datainsamlingen innehåller flera olika bitar, exempelvis kamera, lidar (Light Detection and Ranging) och radar. Här dekomprimerar Zenseact all information och splittar ut och processar den i olika delar. Det kan handla om så specifika delar som radardata på höger bakskärm.
– Därefter skapar våra utvecklare nya funktioner och byter ut fel i systemet. Sedan testar vi om felen är åtgärdade, dessa tester går att göra antingen digitalt eller fysiskt genom att uppdatera en bil och åka ut på vägarna. Vi gör bägge delarna men de faktiska testerna ute i bil sker i mindre omfattning.
Robert Tapper, CIO på Zenseact.
Rent praktiskt går det till så att Zenseact lär och utvecklar bilen hur den ska agera med hjälp av AI och deep learning. Man spelar upp olika trafiksituationer för en algoritm när exempelvis en cyklist eller moped är framför bilen och hur den i de lägena bör agera.
– Tanken är att det till slut inte behövs mer kodning. Efter ett antal gånger känner bilen igen en cyklist och hur den skall agera. Konfidensen ökar hela tiden. Det är som att lära ett barn att skriva A på tavlan, efter tillräckligt många gånger vet barnet att det är ett A. Därefter går det att skapa ord och bygga meningar med A:t.
Självkörande funktionalitet 2022
Enligt Robert Tapper är utvecklingen kring självkörande fordon mer komplex än vad man trodde för några år sedan. Men Volvo har som mål att 2022 ha självkörande funktionalitet inom några användningsområden, exempelvis på landsvägar eller vid trafikköer.
– 2018 trodde många att vi idag skulle ha självkörande bilar på plats, men det tar sin tid. Vi får börja beta av enklare scenarion först och sedan fortsätta jobba mot allt svårare saker, vilket kan handla om innerstäder, trefiliga rondeller, trånga gator med cyklister, och så vidare. Om fem år vill vi ha fullständigt självkörande bilar på plats, för att få till det är datahanteringen helt vital.
Läs mer om ämnet:
