Baruah, S., Baker, T. P., & Burns, A. (2012). Real-time scheduling theory: A History perspective. Real-Time Systems, 28(2)–1), 5101–3).
Keskvara / sidekiht
Vahevara kiht toimib autonoomia virna andmete selgroona. See haldab sidet hajutatud tarkvaramoodulite vahel, tagades reaalajas, usaldusväärse ja skaleeritava andmevoo. Mõnes mainitud arhitektuuris on vahevara arhitektuuri keskne eripära.
Populaarsed vahevaratehnoloogiad:
* ROS 2 (robotite operatsioonisüsteem 2): kasutab DDS-i (andmejaotusteenus) modulaarseks avaldamise-tellimise suhtluseks.
* DDS (Data Distribution Service): tööstusstandardile vastav vahevara reaalajas QoS-põhiseks andmevahetuseks.
* CAN, Ethernet, MQTT: kasutatakse sõidukisiseseks ja väliseks suhtluseks.
* Logi- ja telemeetriasüsteemid (ROS-kotid, DDS-salvestid).
* Vigade tuvastamise ja taastamise mehhanismid.
* QoS (Quality of Service) konfiguratsioon ribalaiuse ja latentsusaja haldamiseks.
Juht- ja täitmiskiht
Juhtkiht muudab kavandatud trajektoorid täiturmehhanismi käskudeks, säilitades samal ajal sõiduki stabiilsuse.
See sulgeb tagasisideahela käsu ja anduri vastuse vahel.
Peamised moodulid:
* Madala taseme juhtimine: PID-, LQR- või MPC-kontrollerid juhtimiseks, gaasipedaaliks, pidurdamiseks või tõukejõuks.
* Kõrgetasemeline juhtimine: teisendab trajektooriplaanid reaalajas seadeväärtusteks.
* Oleku hindamine: kasutab Kalmani filtreid või vaatlejaid kontrollihälvete korrigeerimiseks.
Ohutuskriitilistes süsteemides kasutatakse ohtlike tingimuste vältimiseks sageli üleliigseid kontrollereid ja jälgimissõlmi 1).
Autonoomia luurekiht
See on virnas otsuste tegemise tuum. See koosneb mitmest omavahel seotud alamsüsteemist:
^ Alamsüsteem ^ Funktsioon ^ Näidistehnikad / Tööriistad ^
| Taju | Tuvastage ja klassifitseerige objekte, sõiduradasid, maastikku või takistusi. | CNN-id, LiDAR-i segmenteerimine, andurite liitmine. |
| Lokaliseerimine | Hinnanguline asukoht globaalse või kohaliku kaardi suhtes. | SLAM, GNSS, visuaalne odomeetria, EKF. |
| Planeerimine | Arvutage teostatavad, ohutud teed või käitumisviisid. | A*, D*, RRT*, käitumispuud. |
| Ennustus | Esitage keskkonnakäitumise prognoos. Tavaliselt annab see ka sisemise dünaamika prognoosi. | Korduvad närvivõrgud, Bayesi järeldus. |
| Otsuste tegemine | Valige tegevused missiooni eesmärkide ja konteksti alusel. | Lõpliku olekuga masinad, tugevdusõpe. |
Need komponendid interakteeruvad vahevara kaudu ja töötavad kas servaarvutites (pardal) või pilvepõhistes süsteemides laiendatud töötlemiseks 2).
Rakendus- ja pilvekiht
Virna ülaosas asub rakenduskiht, mis laiendab autonoomiat üksikutest sõidukitest kaugemale:
* Autopargi haldamine (jälgimine, ülesannete määramine).
* Õhu kaudu (OTA) värskendused tarkvarale ja püsivarale.
* Pilvepõhine simulatsioon ja analüüs.
* Andmete kogumine masinõppe ümberõppeks.
Sellised raamistikud nagu AWS RoboMaker, NVIDIA DRIVE Sim ja Microsoft AirSim ühendavad pilvarvutusega pardal autonoomia.
===== Andmevoog autonoomia tarkvarapinus =====
Autonoomiasüsteemid toetuvad andmekonveieritele, mis liigutavad teavet kihtide vahel reaalajas.
<figure Data Flow in an Autonomy Software Stack >
<caption>Andmevoog autonoomia tarkvaravirnas</caption>
</figure>
Iga etapp sisaldab tagasisideahelaid, et tagada vigade parandamine ja ohutusjärelevalve 3) 4).
===== Näidisrakendused =====
ROS-i 2-põhine virn (uuringud ja prototüüpimine)
* Kasutatakse akadeemilises ja tööstuslikus uurimis- ja arendustegevuses.
* Paindlik ja modulaarne, ideaalne simulatsiooni- ja katseplatvormidele.
* Integratsioon Gazebo, RViz ja DDS vahevaraga.
AUTOSAR adaptiivne platvorm (autotööstus)
* Tööstusliku kvaliteediga raamistik tootmissõidukitele.
* Teenusele orienteeritud arhitektuur koos reaalajas OS-i ja turvamehhanismidega.
* Toetab ISO 26262 vastavust ja mitmetuumalisi süsteeme.
MOOS-IvP (mereautonoomia)
* Vahevara, mis keskendub mererobootikale.
* Käitumisel põhinev arhitektuur koos missiooni planeerimisega (IvP Helm).
* Optimeeritud väikese ribalaiusega side ja töökindluse jaoks 5).
Hübriid pilveserva arhitektuur
* Ühendage pardal olev autonoomia pilvetöötlusega (mudelikoolituseks või kõrgetasemeliseks optimeerimiseks).
* Kasutatakse suuremahulistes laevastikuoperatsioonides (nt logistikarobotid, õhust kaardistamine).
* Nõuab turvalisi sidekanaleid ja andmete orkestreerimist 6).
===== Kihtide koostoime näide – autonoomne sõiduk =====
<figure Simplified Interaction Example >
<caption>Lihtsustatud interaktsiooni näide</caption>
</figure>
See suletud ahelaga andmevahetus tagab reaalajas reageerimise, tugeva vigade taastamise ja moodulitevahelise sidususe.
<caption>Andmevoog autonoomia tarkvaravirnas</caption>
</figure>
Iga etapp sisaldab tagasisideahelaid, et tagada vigade parandamine ja ohutusjärelevalve 3) 4).
===== Näidisrakendused =====
ROS-i 2-põhine virn (uuringud ja prototüüpimine)
* Kasutatakse akadeemilises ja tööstuslikus uurimis- ja arendustegevuses.
* Paindlik ja modulaarne, ideaalne simulatsiooni- ja katseplatvormidele.
* Integratsioon Gazebo, RViz ja DDS vahevaraga.
AUTOSAR adaptiivne platvorm (autotööstus)
* Tööstusliku kvaliteediga raamistik tootmissõidukitele.
* Teenusele orienteeritud arhitektuur koos reaalajas OS-i ja turvamehhanismidega.
* Toetab ISO 26262 vastavust ja mitmetuumalisi süsteeme.
MOOS-IvP (mereautonoomia)
* Vahevara, mis keskendub mererobootikale.
* Käitumisel põhinev arhitektuur koos missiooni planeerimisega (IvP Helm).
* Optimeeritud väikese ribalaiusega side ja töökindluse jaoks 5).
Hübriid pilveserva arhitektuur
* Ühendage pardal olev autonoomia pilvetöötlusega (mudelikoolituseks või kõrgetasemeliseks optimeerimiseks).
* Kasutatakse suuremahulistes laevastikuoperatsioonides (nt logistikarobotid, õhust kaardistamine).
* Nõuab turvalisi sidekanaleid ja andmete orkestreerimist 6).
===== Kihtide koostoime näide – autonoomne sõiduk =====
<figure Simplified Interaction Example >
<caption>Lihtsustatud interaktsiooni näide</caption>
</figure>
See suletud ahelaga andmevahetus tagab reaalajas reageerimise, tugeva vigade taastamise ja moodulitevahelise sidususe.
[1]
Raj, A., & Saxena, P. (2022). Software architectures for autonomous vehicle development: Trends and challenges. IEEE Access, 10, 54321–54345
[2]
AUTOSAR Consortium. (2023). AUTOSAR Adaptive Platform Specification. AUTOSAR
[3]
Lee, E. A. & Seshia, S. A. (2020). Sissejuhatus manussüsteemidesse: A Cyber-Physical Systems Approach (3. väljaanne). MIT Press.
1)
Broy, M. et al. (2021). Automotive Software and Hardware Architectures with AUTOSAR. Springer
2)
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444.
3)
Thrun, S. (2010). Toward robotic cars. Communications of the ACM, 53(4), 99–106
4)
Raj, A., & Saxena, P. (2022). Software architectures for autonomous vehicle development: Trends and challenges. IEEE Access, 10, 54321–54345
5)
Benjamin, M. R., Curcio, J. A., & Leonard, J. J. (2012). MOOS-IvP autonoomiatarkvara mererobotite jaoks. Journal of Field Robotics, 29(6), 821–835
6)
Wang, L., Xu, X., & Nee, A. Y. C. (2022). Digital twin-enabled integration in production. CIRP Annals, 71(1), 105–128
