Kodėl dar neturite savarankiškai vairuojančio automobilio? Ši 2 dalių serija paaiškina dideles likusias problemas

Žmonės dažnai klausia: „Kur yra mano savaeigis automobilis? „Kodėl aš jo neturiu ir kada jis ateis? Daugelis žmonių jaučiasi, kad jiems automobilį pažadėjo 20-ies metų amžiaus pabaiga, o jau vėlu, o galbūt neatvyks, kaip apie skraidančius automobilius buvo kalbama prieš dešimtmečius.

Šioje dviejų straipsnių serijoje (su pridedamais vaizdo įrašais) pažvelkime į pagrindines priežastis, kodėl šiandien tikriausiai nevažinėjate robocar, ir kada tai gali nutikti. Kokios pagrindinės technologinės, teisinės ir socialinės problemos trukdo ir kokios problemos iš tikrųjų nėra blokuojančios?

Daugumai iš mūsų šie automobiliai negali atvykti pakankamai greitai. Jie žada išvengti nemažos dalies šiandieninių automobilių avarijų, kuriose kasmet visame pasaulyje žūva daugiau nei milijonas žmonių. Jie palengvins mūsų gyvenimą ir perrašys susisiekimo principus. Tai darydami jie perrašys mūsų gyvenamąją vietą ir pačią miesto gamtą, taip pat daugybę kitų pramonės šakų – nuo ​​energetikos iki mažmeninės prekybos. Kiekvieną dieną atidėliojame šių daiktų išvežimą į kelią, tūkstančiai mirs nuo žmonių, kurie neturėjo vairuoti. Kiekvieną dieną vėluojame.

Žinoma, sunku

Kad būtų aišku, didžiausia priežastis, kodėl „tai trunka taip ilgai“, yra tai, kad tai sunku. Vienas didžiausių kada nors vykdytų programinės įrangos tyrimų projektų. Tam prireikė ne tik naujoviškos programinės įrangos, bet ir daugybės detalių darbų, susijusių su daugybe ypatingų atvejų ir pasaulio bei visų jo raukšlių žemėlapių sudarymo. Kiekvienas, kuris manė ar mano, kad tai gali būti pateikta pagal grafiką, klysta ir anksčiau niekada nedirbo su programine įranga. Kai automobilių kompanijos išmetė tokias datas kaip 2020 m., tai buvo viltys, o ne prognozės, o tai, kad kai kurios technologijų įmonės iš tikrųjų tai pavyko, buvo nuostabu. Daugiamečiai projektai, kuriems reikia proveržio, niekada nėra tiksliai nuspėjami.

Niekas, turintis programinės įrangos žinių, nebūtų šokiruotas, jei prieš daugelį metų pateiktos tokio grandiozinio projekto prognozės nėra tikslios. Taigi reikalai „neatsilieka nuo grafiko“, net jei nepateisino optimistinių vilčių. Tai taip pat reiškia, kad darbai atliekami mažesniais žingsniais.

Tačiau didžiausias blokatorius yra ne iš tikrųjų tai padaryti (ty užtikrinti, kad tai būtų saugu), bet žinojimas, kad tai padarėte.

Įrodykite, kad tikrai padarėte tai saugų

Pirmasis technologinis tikslas buvo tiesiog tai padaryti. Sukurti automobilį, kuris pats galėtų saugiai vairuoti. Tai didžiulis pasiekimas, tačiau bent jau keliuose miestuose kelios įmonės tai jau padarė. Tokios kompanijos kaip „Waymo“ lengvose Finikso gatvėse vairavo saugiau nei paprastas žmogus. Tai buvo „sunkioji dalis“, bet dar sunkesnė dalis yra apibrėžti, kas yra saugumas, ją išmatuoti ir įrodyti, kad tai padarėte. Turite tai įrodyti sau, savo valdybai, teisininkams, visuomenei, o gal net vyriausybei. Lygiai taip pat, kaip Moderna Covid vakcina buvo paruošta 2020 m. vasarį, prieš pirmąjį užraktą, pasaulis laukė 10 mėnesių – kol milijonas žmonių mirė be jos – prieš leido pirmiesiems žmonėms pasiskiepyti. Laukėme, kol jie įrodys, kad tai padarė.

Saugumą išmatuoti gana sunku. Žinome, kaip dažnai žmonės vairuotojai patiria visų tipų avarijas – nuo ​​nedidelių sumušimų iki mirties atvejų. Mirčių skaičius JAV įvyksta maždaug kas 80 milijonų mylių arba maždaug 2 milijonus vairavimo valandų. Negalime išbandyti kiekvienos programinės įrangos versijos sakydami: „Tegul ji nuvažiuoja milijardą mylių ir pažiūrėkime, ar ji nužudys mažiau nei tuzinas žmonių, kurie žūtų, jei žmonės nuvažiuotų taip toli“. Neįmanomas atstumas važiuoti tikrais keliais net vieną kartą, jau nekalbant apie kiekvieną naują versiją. Galime važiuoti daug mažiau ir skaičiuoti dūžtymus ir nedideles avarijas – iš tikrųjų tai yra geriausia, ką iki šiol sugalvojome, nes tai bent jau įmanoma – bet nesame tikri, ar tai taip pat susiję su sužeidimais su robotais. daro su žmonėmis.

Daugelis pradeda tradicinį automobilių pramonės kelią. Jie išbando kiekvieną savo transporto priemonės komponentą, kad įsitikintų, jog jis patikimas ir atitinka specifikacijas. Jie bando tai padaryti su komponentų sistemomis, tačiau ši metodika tampa sudėtinga, kai viskas tampa sudėtingesnė. Tai vadinama funkcine sauga – ar komponentai ir sistemos neturi defektų ir ar jie susidoros su žinomais galimais gedimais.

Pastaruoju metu buvo stengiamasi tai pasiekti sistemos lygmeniu ir bandyti išbandyti „Numatyto funkcionalumo saugumą“. Naudodamos SOTIF, komandos dirba siekdamos užtikrinti, kad visos sistemos veiktų tiek esant problemoms ir komponentų gedimams, tiek numatytam netinkamam naudojimui. Tai dažnai apima visos sistemos ar jos dalių modeliavimą arba „aparatinės įrangos kilpoje“ modeliavimą, kuris yra lengvesnis ir saugesnis nei tiesioginis bandymas keliuose.

Modeliavimo testavimas suteikia galimybę išbandyti sistemą pagal milijonus skirtingų scenarijų. Viskas, ką kas nors matė, girdėjo ar svajojo – su šimtais nedidelių visų tų dalykų variantų.

Galbūt sunkiausia išbandyti, bet labiausiai norite sužinoti, kaip sistema reaguoja į dar nematytas situacijas. Nors galite sukurti modeliavimo testus, kad žinotumėte, jog transporto priemonė puikiai veikia beveik visose numatomose situacijose, puikus žmogaus proto sugebėjimas yra gebėjimas susidoroti su dar nematytomis problemomis. AI gali tai padaryti, bet jie nėra tokie geri. Galų gale tikėtume, kad kiekvieną dieną bus galima gauti naujų, tikroviškų, pavojingų scenarijų. Puiku, kad šiandien jūsų automobilis buvo užprogramuotas taip, kad susitvarkytų su viskuo, apie ką bet kas kada nors pagalvojo, tačiau tikras aukso standartas gali būti kiekvieną dieną mesti 20 naujų situacijų, kurių anksčiau nematė, ir sužinoti, kad jis susidoroja su dauguma jų. Net žmonės ne visomis jų susitvarko. Tai yra vienas dalykas, kurį tikiuosi pamatyti Saugos baseino projektas, kurį padėjau inicijuoti Pasaulio ekonomikos forume, Deepen.AI ir Warwick universitete.

Net su visais modeliavimais taip pat reikia išbandyti gyvai kelyje. Niekas nesiruošia dislokuoti automobilio, kuris neįrodė, kad jis puikiai susitvarko su realiu pasauliu. Nors ir brangi, žmonių saugos vairuotojų naudojimo roboto automobilio operacijoms prižiūrėti sistema iš tikrųjų turi puikių rezultatų ir nekelia pavojaus visuomenei, palyginti su įprastu žmogaus vairavimu.

Pramonėje kiekviena įmonė nusileidžia, kad apibūdintų savo atsidavimą saugai. Jų darbas yra sukurti saugią transporto priemonę, tačiau tokias deklaracijas jie daro norėdami įtikti pareigūnams ir visuomenei. Ironiška, bet visuomenės interesas yra ne gaminti saugiausius robotus saugiausi keliai. Robocars yra įrankis, galintis nutiesti saugesnius kelius, ir kuo greičiau jie čia atvyks, tuo greičiau ir geriau jie tai padarys. Jei pareigūnai rimtai žiūrėtų į savo pareigą gerinti bendrą kelių eismo saugumą, jie iš tikrųjų skatintų įmones per daug nesitraukti į saugumą, o sutelkti dėmesį į greičiausią saugesnių technologijų diegimą – net jei mažiau stengtųsi įrodyti, kad jos saugu, kai diegimas mažas. , leidžia tai įvykti greičiau. Tačiau jie niekada to nedarys, nes visuomenė reaguoja į klaidas ir riziką.

Antrasis saugos komponentas yra kibernetinis saugumas. Mums reikia, kad šie automobiliai būtų atsparūs bandymams juos perimti. Kai kurie žmonės nemėgsta kalbėti apie kibernetinį saugumą, tačiau praeities automobilių pramonės istorija nebuvo puiki. Tai apima ne tik saugias praktikas ir įrankius, bet ir vadinamąją „raudonąją komandą“, kai profesionalių įsilaužėlių komanda iš išorės ieško pažeidžiamumų, kol neberanda. Kitas svarbus įrankis yra ryšio sumažinimas arba tai, ką saugumo žmonės vadina „atakos paviršiais“. Daugelis pramonės atstovų yra apsėsti to, ką jie įsivaizduoja kaip „prijungtą automobilį“, ir jungiamumą laiko tokia pat didele revoliucija kaip savarankiškas vairavimas. Taip nėra, ne per atstumą. Reikalingas tam tikras ryšys, tačiau jį reikia naudoti saikingai, kad tikra revoliucija išliktų saugi.

Vienas didžiausių išbandymų iššūkių yra platus mašininio mokymosi naudojimas visose robocar komandose. Mašinų mokymasis yra labai galingas AI įrankis, ir dauguma mano, kad tai būtinas, tačiau jis linkęs gaminti „juodosios dėžės“ įrankius, kurie priima sprendimus, bet kurių niekas iki galo nesupranta. Jei nežinote, kaip sistema veikia, kodėl ji sugenda arba elgiasi teisingai, sunku ją išbandyti ir sertifikuoti. Europoje jie leido įstatymus, reikalaujančius, kad visas dirbtinis intelektas tam tikru lygiu būtų „paaiškinamas“, tačiau daug mašininio mokymosi tinklų yra labai sunkiai paaiškinami. Tai baisu, bet jie tokie galingi, kad mes jų neatsisakysime. Galime susidurti su juodąja dėže, kuri yra dvigubai saugesnė bandymų metu nei paaiškinama sistema, ir yra įtikinamų argumentų, kuriuos žmonės pateikia bet kurio pasirinkimo naudai.

Numatyti ateitį

Robocar yra padengtas jutikliais, tokiais kaip kameros, radarai, LIDAR lazeriai ir kt. Jutikliai tikriausiai yra labiausiai aptarinėjamas aparatinės įrangos aspektas, tačiau iš tikrųjų jutikliai visai nepasako, ką norite žinoti. Taip yra todėl, kad jutikliai rodo, kur viskas šiuo metu yra, bet jums tai nerūpi. Jums rūpi, kur viskas bus ateityje. Informacija iš jutiklių yra tik užuomina į tikrąjį tikslą nuspėti ateitį. Žinojimas, kur kažkas yra ir kaip greitai jis juda, yra gera pradžia, bet žinoti, kas tai yra, taip pat svarbu žinoti, kur tai bus. Dauguma objektų kelyje ar šalia jo nėra balistiniai – žmogus vadovauja ir gali keisti kursą. Štai kodėl viena iš pagrindinių šiandienos tyrimų sričių yra vis geriau nuspėti, ką darys kiti kelyje esantys žmonės, ypač žmonės. Tai gali svyruoti nuo vairavimo elgesio žinojimo iki supratimo, ar ant kampo stovintis pėstysis ruošiasi įžengti į perėją, ar naršo internete.

Nors kelios komandos padarė didelę pažangą, paaiškėjo, kad žmonės geriau nei šiandieniniai robotai nuspėja kitus žmones. Tai yra viena iš pagrindinių problemų sąraše, ypač sudėtingesnėje aplinkoje, pavyzdžiui, judriuose miestuose. Ateities numatymas taip pat apima numatymą, kaip kiti reaguos į jūsų pačių ir numatomus kitų judesius. Juostų sujungimas arba neapsaugotas posūkis į kairę gali būti šokis su duoti ir imti, o robotai nuolat stengsis tobulinti savo veiklą.

Greitesnis jutimas

Jutikliai gali būti tik priemonė pasiekti tikrąjį tikslą, tačiau kuo geriau jie veikia, tuo geriau galite numatyti ateitį. Komandos vis dar siekia, kad jutikliai būtų greitesni, kad greičiau suvoktų ir prognozuotų. Vienas dalykas, kuris yra svarbus, yra žinoti judančių objektų greitį. Radaras jums tai sako, bet fotoaparatai ir senesni LIDAR ne, nebent žiūrite į kelis kadrus. Kai kurie naujesni LIDAR gali parodyti greitį ir atstumą. Kelių kadrų peržiūra užima mažiausiai tiek pat laiko, kiek kadrų paėmimas, bet paprastai daugiau.

Viena situacija, kuri gali būti problema, yra judėjimas greitkeliu už didesnės transporto priemonės. Įsivaizduokite, kad priekyje tos transporto priemonės yra ant peties sustojęs sunkvežimis, įstrigęs į eismo juostą. Taip dažnai atsitinka su avarijomis ir greitosios pagalbos automobiliais. Staiga didelė transporto priemonė prieš jus pasuka į dešinę, kad išvengtų kliūties, ir pirmą kartą pamatysite tą sustojusį sunkvežimį. Tikrai neturite daug laiko stabdyti ar pasukti, o galbūt net neturėsite kur važiuoti. Jei turite pažvelgti į 3 vaizdo įrašo kadrus, kad pamatytumėte, jog jis tikrai nejuda, tikriausiai sugaištama 1/10 sekundės, ir tai yra situacija, kai tai gali būti svarbu. Taigi daugelis komandų ieško būdų, kaip įgyti šį pranašumą, ir dažniausiai tai rado LIDAR įrenginiuose, kurie gali išmatuoti „Doplerį“, kad sužinotų visko, ką jie pasiekia lazeriu, greitį. Radarai taip pat žino greitį, tačiau pasaulyje pilna sustojusių objektų, atspindinčių radarą, ir sunku atskirti sustojusią transporto priemonę nuo sustojusio apsauginio atitvaro šalia jo.

Ilgasis kelias

Trumpai paminėsiu, kad dėl to viena garsi komanda – TeslaTSLA
– dar nepasiruošęs, nes jie bando sąmoningai apsunkinti problemą. Nors kiekviena komanda intensyviai naudoja kompiuterinį matymą, „Tesla“ nori, kad nuo 2016 m. veiktų tik kompiuterinis matymas ir tik kameros. Daugelis kitų komandų į savo įrankių dėžę taip pat prideda geresnių fotoaparatų, LIDAR, radarų ir žemėlapių. Tesla nori vizijos proveržio, kuris galėtų tai padaryti pigiau. Jie sako, kad visos tos papildomos priemonės blaško dėmesį. Tačiau likusi pramonės dalis nori panaudoti visus įrankius, kad tai padarytų greičiau, net jei už didesnę kainą, ir mano, kad „Tesla“ save žaloja. Kol kas, remiantis gaminio kokybe – Tesla FSD smarkiai atsilieka – kiti teisūs, nors lenktynės nebaigtos.

Tai pirma dalis. Antroje dalyje nagrinėjami dalykai, pavyzdžiui, buvimas geru piliečiu keliuose, kodėl robotai yra dislokuojami viename mieste, o ne visur iš karto, ir problemos, susijusios su kasdieniškesne logistika, pvz., traukimu pasiimti vairuotojų, verslo modelius, programas ir per daug nerimauti dėl saugumo, o vyriausybės ir visuomenė jus priimtų. Taip pat išvardinsiu kelis veiksnius, dėl kurių dirbama, bet kurie nėra tikri diegimo blokatoriai. Kitomis dienomis ieškokite antros dalies.

Kai kurie mano, kad tai, kad 2022 m. neturi arba nevažinėja su robotu, reiškia, kad plėtra gerokai atsilieka nuo grafiko. Tiesą sakant, rimto grafiko niekada nebuvo, buvo tik viltys, bet iš tikrųjų šis problemų sąrašas nuteikia optimizmo, nes šios likusios problemos paprastai atrodo išsprendžiamos. Norint susidoroti su dauguma jų reikia sunkaus darbo ir pinigų, o ne proveržių.

Stebėkite antrąją dalį vaizdo ir teksto formatu

Galite palikti komentarus šiame puslapyje arba vaizdo įrašo puslapyje.