Hur delphi, mobileye är snabbspårande förarlösa biltekniker | doug newcomb

Alla vill veta när helt självkörande bilar kommer att vara redo för vägen. De företag som utvecklar tekniken ger vanligtvis en tidslinje på flera år till decennier.

Delfis och Mobileye tillverkare av bildelar är inte annorlunda, och under en medierundersökning denna vecka i San Francisco, föreställde Delphis tjänsteföretag, Glen DeVos, en långsiktig tidsram för den utbredda användningen av tekniken. Han förväntar sig att helt autonom körning först kommer att användas på kommersiella fordon eftersom företag kommer att kunna spara på förarens bekostnad och drifttid de behöver.

Men samtidigt samarbetar Delphi med Mobileye, den dominerande leverantören av fordonskameror, för att snabbspåra självkörande teknikproduktion - helst 2019 - via ett system som partnerna kallar Centralized Sensing Localization and Planning (CSLP).

CSLP använder en mängd sensorer för att låta ett fordon veta sin plats inom 10 centimeter, även utan GPS-anslutning. Detta hjälper en bil att navigera i komplexa korsningar, även om det inte finns några spårmarkeringar. Den identifierar också fordon efter deras grundläggande form, avkänner om en annan bil är stillastående eller parkerad och har det som Delphi kallar "semantisk förståelse" för att förutsäga andra fordons väg så att en självkörande bil kan "uppträda mänskligt liknande i dess körbeteende och bestäm den bästa vägen framåt."

Map Lite vs. Map Heavy

En avgörande aspekt av CSLP-systemet är att kringgå vad Delphi och Mobileye kallar den "karttunga" metoden som används av företag som Google och många biltillverkare. Det tillåter ett självkörande fordon att inte bara känna till sitt läge utan också dess omgivningar för att uppnå full autonomi. Istället kommer Delphi och Mobileyes CSLP-system att använda en "map-lite" -strategi genom att utnyttja en teknik som Mobileye introducerade vid CES 2016 kallat Road Experience Management (REM).

Autonoma fordon som starkt förlitar sig på detaljerade kartor kräver robust dataförbindelse för att ständigt mata korrekt kartläggningsdata till bilen. Men REM-systemet laddar upp data i små skurar som enkelt kan hanteras med 4G LTE-anslutningen som redan finns i många fordon.

En annan fördel med REM-tekniken är att den kan "sömlöst integreras med befintliga fordonsplattformar", nämndes DeVos under medierunderskivan. Men kanske är den främsta fördelen med REM-tekniken att den i huvudsak tar bilder i realtid av vägar.

Kartläggningsprogramvara kan vara föråldrad på grund av förändringar på gatorna som gjordes efter att kartorna skapades eller tillfälliga förhållanden som vägbyggnad. CSLP-systemet kommer inte bara att fånga upp och ta hänsyn till permanent infrastruktur som sträcker sig från korsningar till vägskyltar, utan kommer också att registrera konstruktion och andra kortvariga förändringar av vägbanan. Och denna information kan samlas in bland miljoner bilar utrustade med systemet.

Jag hade chansen att se CSLP-systemet i aktion på gatorna i Mountain View, Kalifornien, nära Delphis Silicon Valley Labs, där det testas utöver Pittsburgh och Singapore. Och jag kunde inte låta bli att jämföra enheten som jag tog för drygt ett år sedan på samma plats i en av Googles autonoma Lexus RX 350.

Men till skillnad från Google-fordon, en av dem jag såg på gatan under vår bilkörning, finns det inga märkbara sensorer på Delphi Audi, såvida du inte ser mycket noga. Jämfört med en självkörande Google Lexus hanterade Delphi Audi situationer som spårstängningar och stoppade fordon i angränsande körfält utan att tveka, även om Delphi-testföraren var tvungen att ta över kontrollerna två gånger: När vi behövde snabba upp för att göra en höger sväng framför en stadsbuss, och efter att vi tog svängen och fastnade bakom en sopbil.

Oavsett var jag väldigt imponerad av systemet och blev förvånad över att få reda på att det fungerade utan nyttan av Mobileyes REM-teknik. Det betyder att det bara blir bättre och att självkörande bilar kan vara tillgängliga för allmänheten mycket förr än vi tror.