העולם ממתין בציפייה לרכבים האוטונומיים, היום בו תפקידו של הנהג האנושי יהיה מיותר קרוב מתמיד. במספר מדינות כבר ניתן לראות מספר רכבים אוטונומיים על הכבישים. החזון הוא שהשימוש ברכבים האוטונומיים ישפר את הבטיחות בכבישים ויצמצם את מספר תאונות הדרכים. עם זאת, המצב בשטח עדיין לא משביע רצון, כאשר אנו שומעים על תאונות, ביניהן גם תאונות קטלניות, בהן היו מעורבים רכבים אוטונומיים. על מנת להפחית את מספר תאונות הדרכים יש צורך בפיתוח מערכות חישה יעילות המאפשרות לרכב לחוש מה קורה סביבו ולהגיב בהתאם. מערכות מבוססות מכ”ם ולידאר (LiDAR) זכו עד כה למירב תשומת הלב, הודות להתקדמות טכנולוגית משמעותית בתחומים אלה. גם בתחום חיישני ראייה ממוחשבת מבוססי מצלמה חלה התקדמות וזה התחום בו פורסייט מתמקדת.
אחת מהחברות המעניינות בתחום זה היא פורסייט שנוסדה בשנת 2015 ומוגדרת עדיין כחברת סטארט אפ, אם כי הספיקה הרבה יחסית לתקופה הקצרה בה היא פעילה. החברה גייסה כ-52 מיליון דולר מאז הוקמה והיא אף נסחרת בבורסת נאסד”ק ובת”א (סימול:FRSX).
פורסייט היא חברה טכנולוגית בתחום התכנון, הפיתוח והמסחור של מערכות ראייה ממוחשבות. המערכות של פורסייט מבוססות על טכנולוגיית עיבוד תמונה מתקדמת ועושות שימוש בשתיים או ארבע מצלמות.
למנכ”ל החברה ואחד ממייסדיה, חיים סיבוני, יש ניסיון רב שנים בתחום מערכות הראייה הממוחשבת לאחר שהקים את חברת מגנא האחראית בין היתר לכל מצלמות המעקב והאבטחה לאורך גבולות ישראל. בעקבות הצלחת מגנא ויכולות הזיהוי של המערכות שלה, החליט סיבוני יחד עם שותפו לוי צרויה להקים את פורסייט וליישם את היכולות הללו גם בשוק האזרחי בתחום הרכב.
תמונה 1: מערכת ה- QuadSight
הקמת את פורסייט כשכבר היו מספר מערכות התראה לרכב, כולל המערכת של מובילאיי. למה החלטת להיכנס לשוק הזה?
סיבוני: “ראיתי את המערכות הקיימות, רמת התראות השווא הגבוהה ומהצד השני את היעדר ההתראות כאשר יש מכשולים שהמערכת פשוט לא מזהה, והבנתי שאם רוצים ללכת לשוק אוטונומי זה לא מספיק. כאשר הרכב נדרש לקבל את ההחלטה עבור הנהג אנו לא יכולים להסכים למערכת ראייה שהיא פחות ממצויינת. הבנתי שהסטנדרט שיוביל שואף להגיע ל- 0 טעויות והמערכות שלנו עובדות בדיוק על זה”.
מערכת QuadSight™, מערכת הראייה הממוחשבת המולטי-ספקטרלית הראשונה מסוגה, נחשבת לפורצת דרך בתחום. הטכנולוגיה משלבת 4 מצלמות: 2 מצלמות אינפרא-אדום ו-2 מצלמות אור נראה בטכנולוגיה סטריאוסקופית, ומשתמשת באלגוריתמים מתקדמים ומוכחים לעיבוד תמונה והיתוך חיישנים. QuadSight™ הושקה לראשונה בתחילת שנת 2018 והיא נועדה לאפשר יכולת גילוי מכשולים בכל תנאי מזג אוויר או תאורה – לרבות בחשיכה מוחלטת, גשם, ערפל וסנוור – וללא תלות בצורה, חומר וצבע, תוך מזעור התרעות שווא.
מערכת QuadSight™ משתמשת בהדמיה סטריאוסקופית היוצרת תמונת תלת-מימד בניגוד לפתרונות קיימים לרכבים אוטונומיים המתבססים על זיהוי תבניות (pattern recognition) כאמצעי גילוי כדי לסייע לרכב להחליט האם מדובר בסכנה. טכנולוגיית זיהוי תבניות מתבססת על כך שהמערכת מזהה את צורת האובייקט כאמצעי גילוי ומשתמשת במידע כדי להחליט כיצד להגיב.
“בחרנו במודע לא להשתמש בזיהוי תבניות כאמצעי גילוי אלא בהדמיה סטריאוסקופית”, מסביר סיבוני. “אנו מאמינים כי ניתוח תמונות תלת מימד, המתאפשר הודות לטכנולוגיית ההדמיה הסטריאוסקופית, מספק רמות גילוי ודיוק יוצאות דופן והן חיוניות עבור מערכות ראייה ממוחשבות בטוחות ואמינות לרכבים חצי-אוטונומיים ואוטונומיים. מערכת QuadSight™ מתעלה על יכולת הראייה האנושית של הנהג לראות אובייקטים בזמן אמת, בין אם מדובר בחפצים גדולים או קטנים, בתנועה או סטטיים, המתגלים ממרחקים קצרים או ארוכים. לטכנולוגיה זו יתרונות בהתמודדות עם אירועים בלתי צפויים. החיישן של פורסייט יכול, לדוגמא, לגלות רכב המשתלב לתוך נתיב הרבה לפני שמערכות מבוססות מצלמה טיפוסיות יכולות לסווג אותו ולהתריע.”
מה הערך המוסף שאתם מספקים לשוק הזה?
סיבוני: “נושא מזג האוויר היא נקודה כואבת בשוק האוטונומי. לפני כשנה השתתפנו בתערוכת CES בלאס וגאס. היתה מתוכננת הדגמה של הרכב האוטונומי של גוגל והקהל, כולל אני, חיכינו בציפייה לכך. לרוע המזל, ביום הראשון של התערוכה ירד גשם בעיר וההדגמה פשוט בוטלה. המערכות שלנו יודעות להתמודד עם גשם ואף עם תנאי מזג אוויר קשים יותר כמו ערפל, ברד, שלג ועוד. רכבים צריכים לדעת לנסוע בכל תנאי מזג האוויר ובכל תנאי תאורה ואנו מאפשרים להם את זה. מחקר של משרד התחבורה האמריקאי הראה שמזג אוויר גרוע נמצא כגורם האחראי ל-22 אחוז מתאונות הדרכים מדי שנה. ערפל, גשם, שלג ומים עומדים עלולים לגרום לתאונות אם הנהג לא מזהה ומגיב בהתאם לבעיות שנוצרות כתוצאה מתנאים אלה. על מנת להציל חיים, כלי רכב אוטונומיים חייבים להתגבר על מכשולים אלה.”
מה המשמעות של המצלמות התרמיות ואיך הן עוזרות להתמודד עם תנאי מזג האוויר?
סיבוני: “מערכת QuadSight™ משתמשת בשני זוגות של מצלמות תרמיות ומצלמות אור נראה. מצלמות תרמיות אינן מושפעות ממזג אוויר קשה (בניגוד לחיישנים אחרים). הן יכולות לראות מבעד לערפל ולגשם, ולספק מבט טוב יותר על הסביבה מאשר חיישנים אחרים, ואפילו טוב יותר מהעין האנושית. שילוב נתונים תרמיים אלה עם המידע המתקבל ממצלמות האור הנראה מאפשרים ל QuadSight™ לייצר מגוון רב עוצמה של נתונים עבור רכבים אוטונומיים.”
למה לא להשתמש במכ”ם?
סיבוני: “מכ”ם הוא חיישן שימושי בתנאים קשים, מכיוון שהוא רואה דרך גשם, שלג וערפל. אולם חיישן מסוג זה לא מספק ניתוח מפורט של סביבה מורכבת ולכן לא ניתן להשתמש בו בלבד כדי לכוון מכונית. לעומתו, לידאר יכול ליצור תמונת תלת-מימד מורכבת ומפורטת של הסביבה אך הוא מושפע יותר ממזג האוויר. חיישן הלידאר שולח פולסים מהירים של אור לייזר אינפרא אדום כדי לראות מה נמצא בקרבת מקום. אם אחד מאותם לייזרים פוגע בטיפת גשם או פתית שלג, הרכב יפרש זאת כאילו גילה מכשול לפניו, מה שעלול להוביל לעצירה פתאומית ומסוכנת. ערפל, גשם או שלג גורמים לירידה משמעותית באיכות התמונה של מצלמות טיפוסיות.”
סיבוני מוסיף כי “ההבנה הרווחת היא ששילוב מספר חיישנים (“היתוך”) ברכבים האוטונומיים העתידיים הוא בלתי נמנע. יתר על כן, כלי רכב כאלה מחייבים יתירות. משמעות הדבר היא כי בכל זמן נתון קבלת ההחלטות תתבסס על יותר מאשר חיישן יחיד.”
חיים סיבוני, מנכ”ל פורסייט.
צילום: אילאיל טל
היכן אתם נמצאים מבחינת הפיתוח של המוצר?
סיבוני:” לפני כשנה השקנו אב טיפוס ראשון של מערכת ה-™QuadSight ולאחרונה אף ערכנו מספר הדגמות חיות שדימו תנאי מזג אוויר קשים. הצלחנו להוכיח בהדגמות הללו כי המערכת שלנו מספקת עדיפות במתן התראות אל מול מערכות מתחרות.
עד כה, מכרנו 4 מערכות ליצרני רכב והן נמצאות אצלם בתהליכי בחינה. אנו מצפים להרחבת שיתופי הפעולה הללו עם היצרנים הקיימים וגם להיכנס לרכבים נוספים.
