Miksi sinulla ei vielä ole itseajavaa autoa? Tämä 2-osainen sarja selittää suuret jäljellä olevat ongelmat

Ihmiset kysyvät usein: "Missä itseajava autoni on?" "Miksi minulla ei ole sellaista ja milloin se tulee?" Monet ihmiset kokevat, että heille luvattiin auto 20-vuotiaana, ja se on myöhäistä, eikä ehkä tulekaan, kuten lentävistä autoista puhuttiin vuosikymmeniä sitten.

Tässä kahden artikkelin sarjassa (mukana olevilla videoilla) tarkastellaan keskeisiä syitä, miksi et luultavasti aja robocarissa tänään, ja milloin se voi tapahtua. Mitkä ovat keskeiset tekniset, oikeudelliset ja sosiaaliset ongelmat tiellä, ja mitkä asiat eivät itse asiassa ole esteitä?

Useimmille meistä nämä autot eivät pääse tänne tarpeeksi pian. Heillä on lupaus välttää kunnollinen osa nykypäivän auto-onnettomuuksista, joissa kuolee yli miljoona joka vuosi ympäri maailmaa. Ne helpottavat elämäämme ja kirjoittavat liikenteen periaatteet uudelleen. Näin tehdessään he kirjoittavat uudelleen asuinpaikkamme ja kaupungin luonteen sekä kymmeniä muita toimialoja energiasta vähittäiskauppaan. Joka päivä viivyttelemme näiden asioiden saattamista tielle, tuhansia kuolee sellaisten ihmisten käsiin, joiden ei olisi pitänyt ajaa. Joka päivä viivyttelemme.

Tietenkin se on vaikeaa

Selvyyden vuoksi suurin syy siihen, että "se kestää niin kauan", on se, että se on vaikeaa. Yksi suurimmista koskaan toteutetuista ohjelmistotutkimusprojekteista. Se ei ole vaatinut vain läpimurtoohjelmistoa, vaan myös tonnia yksityiskohtaista työtä rikkaruohoissa käsiteltäessä suuria määriä erikoistapauksia ja kartoittaessa maailmaa ja sen ryppyjä. Jokainen, joka luuli tai luulee, että se voidaan toimittaa aikataulussa, on väärässä, eikä ole koskaan työskennellyt ohjelmistojen parissa. Kun autoyhtiöt heittivät päivämäärät, kuten vuoden 2020, ne olivat toiveita, eivät ennusteita, ja että jotkut teknologiayritykset todella onnistuivat siinä, oli hämmästyttävää. Monivuotisia läpimurtoja vaativia hankkeita ei koskaan ennakoida tarkasti.

Kukaan, jolla on ohjelmistotausta, ei olisi lainkaan järkyttynyt, jos vuosia sitten tehdyt ennusteet näin suuresta projektista eivät pidä paikkaansa. Asiat eivät siis ole "aikataulusta jäljessä", vaikka ne eivät täyttäisikään optimistisia toiveita. Tämä tarkoittaa myös sitä, että asiat tehdään pienemmissä vaiheissa.

Suurin esto ei kuitenkaan ole sen tekeminen (eli sen tekeminen turvalliseksi), vaan sen tietäminen, että olet tehnyt sen.

Todistaa, että olet todella tehnyt siitä turvallisen

Ensimmäinen teknologinen tavoite oli vain saada se tapahtumaan. Tehdä auto, joka osaa ajaa itse turvallisesti. Se on valtava saavutus, mutta ainakin muutamassa kaupungissa muutama yritys on jo onnistunut saavuttamaan sen. Waymon kaltaiset yritykset ovat ajaneet keskimääräistä ihmistä turvallisemmin Phoenixin helpoilla kaduilla. Se oli "kova osa" – mutta vielä vaikeampi osa on määritellä, mitä turvallisuus on, mitata se ja todistaa, että olet tehnyt sen. Sinun on todistettava se itsellesi, hallituksellesi, lakimiehillesi, yleisölle ja ehkä jopa hallitukselle. Aivan kuten Moderna Covid -rokote oli valmis helmikuussa 2020, ennen ensimmäistä lukitusta, maailma odotti 10 kuukautta – vaikka miljoona ihmistä kuoli ilman sitä – ennen kuin ensimmäiset ihmiset saivat rokotuksen. Odotimme heidän todistavan tehneensä sen.

Turvallisuuden mittaaminen on aika vaikeaa. Tiedämme, kuinka usein ihmiskuljettajat joutuvat kaikenlaisiin kolareihin pienistä kolarista kuolemaan. Kuolemantapauksia tapahtuu Yhdysvalloissa noin 80 miljoonan mailin välein eli noin 2 miljoonan ajotunnin välein. Emme voi testata jokaista ohjelmistoversiota sanomalla: "Ajetaan se miljardi mailia ja katsotaan, tappaako se vähemmän kuin ne tusina ihmistä, jotka kuolisivat, jos ihmiset ajaisivat niin pitkälle." On mahdotonta ajaa oikeilla teillä edes kerran, saati jokaisen uuden version kanssa. Saatamme ajaa paljon vähemmän ja laskea kolhuja ja pieniä kolareita – itse asiassa tämä on paras, mitä olemme tähän mennessä keksineet, koska se on ainakin mahdollista – mutta emme ole varmoja, liittyykö se robottien aiheuttamiin vammoihin samalla tavalla. tekee ihmisten kanssa.

Monet aloittavat perinteisen autoteollisuuden tavalla. He testaavat ajoneuvonsa jokaisen osan varmistaakseen, että ne ovat luotettavia ja vaatimusten mukaisia. He yrittävät tehdä sen komponenttijärjestelmillä, mutta menetelmä muuttuu vaikeaksi, kun asiat muuttuvat monimutkaisemmiksi. Tätä kutsutaan toiminnalliseksi turvallisuudeksi – ovatko komponentit ja järjestelmät virheettömiä ja käsittelevätkö ne tunnetut mahdolliset viat.

Viime aikoina on yritetty saada tämä järjestelmätasolle ja testata "tarkoitetun toiminnallisuuden turvallisuutta". SOTIFin avulla tiimit pyrkivät varmistamaan, että kokonaiset järjestelmät toimivat edelleen sekä ongelmissa ja komponenttivioissa että odotetuissa väärinkäytöksissä. Tämä tarkoittaa usein koko järjestelmän tai sen osien simulointia tai "hardware in the loop" -simulaatiota, joka on helpompaa ja turvallisempaa kuin reaaliaikainen testaus teillä.

Simulaatiotestaus tarjoaa mahdollisuuden testata järjestelmää miljoonissa eri skenaarioissa. Kaikki mitä kukaan on koskaan nähnyt, kuullut tai haaveillut – satoja pieniä muunnelmia kaikista noista asioista.

Ehkä vaikein asia testata, mutta asia, jonka haluat tietää eniten, on kuinka hyvin järjestelmä reagoi ennennäkemättömiin tilanteisiin. Vaikka voit luoda simulaatiotestauksen tietääksesi, että ajoneuvo toimii hyvin lähes kaikissa odotettavissa tilanteissa, ihmismielen suuri taikakyky on kyky käsitellä ennennäkemättömiä ongelmia. Tekoälyt voivat tehdä tämän, mutta ne eivät ole yhtä hyviä. Lopulta toivoisimme tapaa saada uusia, realistisia ja vaarallisia skenaarioita joka päivä. On hyvä tänään, että autosi on ohjelmoitu käsittelemään kaikkea, mitä kukaan on koskaan ajatellut, mutta todellinen kultastandardi voi olla heittää päivittäin 20 uutta tilannetta, joita se ei ole koskaan ennen nähnyt, ja huomaa, että se käsittelee useimmat niistä. Edes ihmiset eivät käsittele niitä kaikkia. Se on yksi asia, jonka toivon tapahtuvan läpi Turva-allas -projekti, jonka aloitin World Economic Forumin, Deepen.AI:n ja Warwickin yliopiston kanssa.

Kaikesta simulaatiosta huolimatta sinun on myös testattava livenä tien päällä. Kukaan ei aio ottaa käyttöön autoa, joka ei ole osoittanut pärjäävänsä todellisessa maailmassa. Vaikka järjestelmä, jossa käytetään ihmisturvallisuuskuljettajia robottiautojen toiminnan valvontaan, on kallis, sillä on todella hyvät kokemukset, eikä se vaaranna yleisöä tavalliseen ihmisajoon verrattuna.

Alan jokainen yritys kaatuu ja kuvailee, kuinka omistautunut he ovat turvallisuudelle. Heidän tehtävänsä on tehdä turvallinen ajoneuvo, mutta he antavat nämä julistukset miellyttääkseen viranomaisia ​​ja yleisöä. Ironista kyllä, yleinen etu ei ole tehdä turvallisimpia roboautoja, vaan pikemminkin turvallisimmat tiet. Roboautot ovat työkalu, joka voi tuoda turvallisempia teitä, ja mitä nopeammin ne saapuvat tänne, sitä nopeammin ja paremmin he tekevät sen. Jos virkamiehet ottaisivat vakavasti velvollisuutensa parantaa yleistä liikenneturvallisuutta, he itse asiassa rohkaisisivat yrityksiä olemaan menemättä liian pitkälle turvallisuuden suhteen ja keskittymään sen sijaan turvallisemman teknologian nopeimpaan käyttöön – vaikka tekisivät vähemmän todistaakseen sen olevan turvallista, kun käyttöönotto on vähäistä. , saa sen tapahtumaan nopeammin. Mutta he eivät koskaan tee, koska yhteiskunta reagoi virheisiin ja riskeihin.

Toinen turvallisuuden osatekijä on kyberturvallisuus. Tarvitsemme näiden autojen kestävyyttä niiden haltuunottoyrityksiä vastaan. Jotkut ihmiset eivät halua puhua kyberturvallisuudesta, mutta autoteollisuuden menneisyys ei ole ollut mahtavaa. Tämä ei sisällä vain suojattuja käytäntöjä ja työkaluja, vaan myös niin sanottua "punaista ryhmittymistä", jossa asiantuntijatiimi valkohattuhakkereita etsii ulkopuolelta haavoittuvuuksia, kunnes he eivät löydä lisää. Toinen tärkeä työkalu on liitettävyyden minimoiminen tai se, mitä turvallisuushenkilöt kutsuvat "hyökkäyspinnoiksi". Monet alan toimijat ovat pakkomielle siitä, mitä he kuvittelevat olevan "yhdistetty auto", ja pitävät liitettävyyttä yhtä suurena vallankumouksena kuin itse ajaminen. Ei ole, ei etänä. Yhteyttä tarvitaan, mutta sitä tulee käyttää säästeliäästi, jotta todellinen vallankumous pysyy turvassa.

Yksi testauksen suurimmista haasteista on koneoppimisen laaja käyttö kaikissa robocar-tiimeissä. Koneoppiminen on erittäin tehokas tekoälytyökalu, ja useimmat pitävät sitä välttämättömänä työkaluna, mutta sillä on taipumus tuottaa "mustan laatikon" työkaluja, jotka tekevät päätöksiä, mutta joita kukaan ei täysin ymmärrä. Jos et tiedä, miten järjestelmä toimii tai miksi se epäonnistuu tai toimii oikein, sitä on vaikea testata ja sertifioida. Euroopassa on tehty lakeja, joissa vaaditaan, että kaiken tekoälyn on oltava jollain tasolla "selitettävissä", mutta monia koneoppimisverkkoja on erittäin vaikea selittää. Se on pelottavaa, mutta ne ovat niin voimakkaita, että emme luovu niistä. Saatamme kohdata mustan laatikon, joka on kaksi kertaa turvallisempi testattaessa kuin selitettävissä oleva järjestelmä, ja ihmiset esittävät vakuuttavia argumentteja kumman tahansa valinnan puolesta.

Tulevaisuuden ennustaminen

Robocar on peitetty antureilla, kuten kameroilla, tutkailla, LIDAR-lasereilla ja muilla. Anturit ovat luultavasti eniten keskusteltu osa laitteistosta, mutta itse asiassa anturit eivät kerro sinulle, mitä haluat tietää. Tämä johtuu siitä, että anturit kertovat sinulle, missä asiat ovat juuri nyt, mutta sinä et välitä siitä niin paljon. Välität siitä, missä asiat ovat tulevaisuudessa. Antureilta saatava tieto on vain vihje kohti todellista tulevaisuuden ennustamisen tavoitetta. Tietäminen, missä jokin on ja kuinka nopeasti se liikkuu, on hyvä alku, mutta sen tietäminen, mikä se on, on yhtä tärkeää tietääksesi missä se tulee olemaan. Suurin osa tiellä tai lähellä olevista kohteista ei ole ballistisia – ihminen on vastuussa ja voi muuttaa kurssia. Siksi yksi tärkeimmistä tutkimusalueista nykyään on entistä paremmin ennustamaan, mitä muut tiellä olevat, erityisesti ihmiset, aikovat tehdä. Tämä voi vaihdella ajokäyttäytymisen tuntemisesta sen selvittämiseen, onko kulmassa seisova jalankulkija tulossa suojatielle tai surffaako verkossa.

Vaikka useat tiimit ovat edistyneet suuresti, on käynyt ilmi, että ihmiset ovat nykyajan robotteja parempia ennustamaan muita ihmisiä. Sen parantaminen on yksi tärkeimmistä ongelmista tehtäväluettelossa, erityisesti monimutkaisemmissa ympäristöissä, kuten kiireisissä kaupungeissa. Tulevaisuuden ennustamiseen kuuluu myös sen ennustaminen, kuinka muut reagoivat omiin liikkeihisi ja muiden ennustettuihin liikkeisiin. Kaistan yhdistäminen tai suojaamaton käännös vasemmalle voi olla tanssia antamisen ja ottamisen kanssa, ja roboautot yrittävät jatkuvasti parantaa toimintaansa.

Tunnistus nopeammin

Anturit voivat olla vain väline todelliseen päämäärään, mutta mitä paremmin ne toimivat, sitä paremmin voit ennustaa tulevaisuuden. Tiimit pyrkivät edelleen nopeuttamaan antureita havaitsemisen ja ennustamisen nopeuttamiseksi. Yksi tärkeä asia on tuntea liikkuvien esineiden nopeus. Tutka kertoo sinulle sen, mutta kamerat ja vanhemmat LIDAR-laitteet eivät, ellet katso useita kehyksiä. Jotkut uudemmat LIDAR-laitteet voivat kertoa sinulle nopeuden ja etäisyyden. Useiden kuvien katseleminen vie vähintään yhtä paljon aikaa kuin kehysten ottaminen, mutta yleensä enemmän.

Yksi ongelmallinen tilanne on liikkuminen moottoritiellä isomman ajoneuvon takana. Kuvittele, että tämän ajoneuvon edessä on rekka, joka on pysähtynyt olalle ja juuttunut kaistalle. Näin tapahtuu usein onnettomuuksissa ja hätäajoneuvoissa. Yhtäkkiä edessäsi oleva iso ajoneuvo poikkeaa oikealle välttääkseen esteen, ja näet pysähtyneen kuorma-auton ensimmäistä kertaa. Sinulla ei todellakaan ole paljon aikaa jarruttamiseen tai poikkeamiseen, etkä ehkä edes ole minne mennä. Jos sinun on katsottava 3 kuvaa videosta nähdäksesi, että se ei todellakaan liiku, se on luultavasti 1/10 sekunnista hukkaan, ja tämä on tilanne, jossa sillä voi olla merkitystä. Joten monet tiimit etsivät tapoja saada tämä etu, ja he ovat löytäneet sen enimmäkseen LIDAReista, jotka voivat mitata "Doppleria" tietääkseen kaiken nopeuden, johon he osuvat laserilla. Tutkatkin tietävät nopeuden, mutta maailma on täynnä tutkaa heijastavia pysähtyneitä esineitä, ja pysäytettyä ajoneuvoa on vaikea erottaa sen vieressä olevasta pysähtyneestä suojakaiteesta.

Pitkän matkan ottaminen

Mainitsen lyhyesti, että syynä on yksi kuuluisa joukkue – TeslaTSLA
– ei ole vielä valmis, on se, että ongelmaa yritetään tietoisesti pahentaa. Jokainen tiimi käyttää tietokonenäköä ahkerasti, mutta Tesla haluaa saada sen toimimaan vain tietokonenäön ja vain kameroiden kanssa vuodesta 2016 alkaen. Useimmat muut tiimit lisäävät myös parempia kameroita, LIDARia, tutkaa ja karttoja työkalupakkiinsa. Tesla haluaa vision läpimurron, joka voi tehdä sen halvemmalla. He sanovat, että kaikki nuo ylimääräiset työkalut häiritsevät. Mutta muu teollisuus haluaa käyttää kaikkia työkaluja saadakseen sen valmiiksi nopeammin, joskin suuremmilla kustannuksilla, ja luulee, että Tesla lamauttaa itsensä. Toistaiseksi tuotteen laadun perusteella – Tesla FSD on pahasti perässä – muut ovat oikeassa, vaikka kilpailu ei ole vielä päättynyt.

Se on osa yksi. Toisessa osassa tarkastellaan asioita, kuten hyvä tienkansalainen oleminen, miksi robottiautoja käytetään yksi kaupunki kerrallaan eikä kaikkialla kerralla, ja ongelmia arkipäiväisemmän logistiikan kanssa, kuten ajajien hakeminen, liiketoimintamalleja, sovelluksia ja murehtia liikaa turvallisuudesta samalla kun saada hallitukset ja yleisö hyväksymään sinut. Luettelon myös muutamia tekijöitä, joita työstetään, mutta jotka eivät todellisuudessa estä käyttöönottoa. Etsi osa kaksi lähipäivinä.

Jotkut kokevat, että se, että heillä ei ole robottiautoa tai heillä ei ole autoa vuonna 2022, tarkoittaa, että kehitys on paljon jäljessä aikataulusta. Todellisuudessa ei koskaan ollut vakavaa aikataulua, vain toiveita, mutta itse asiassa tämä luettelo ongelmista lupaa optimismia, koska nämä jäljellä olevat ongelmat näyttävät yleensä selvitettäviltä. Useimpien niistä selviämiseen tarvitaan kovaa työtä ja rahaa, ei läpimurtoja.

Pysy kuulolla toisessa osassa video- ja tekstimuodossa

Voit jättää kommentteja tälle sivulle tai videosivulle.