Prečo ešte nemáte samoriadiace auto? Táto 2-dielna séria vysvetľuje veľké zostávajúce problémy

Ľudia sa často pýtajú: „Kde je moje samoriadiace auto? "Prečo ho nemám a kedy príde?" Veľa ľudí má pocit, že im bolo sľúbené auto koncom 20-tych rokov a je neskoro a možno ani nepríde, ako o lietajúcich autách, o ktorých sa hovorilo pred desiatkami rokov.

V tejto dvojčlánkovej sérii (so sprievodnými videami) sa pozrime na hlavné dôvody, prečo dnes pravdepodobne nejazdíte v robokúre a kedy sa to môže stať. Aké sú hlavné technologické, právne a sociálne problémy, ktoré stoja v ceste, a ktoré problémy v skutočnosti nie sú blokátory?

Pre väčšinu z nás sa sem tieto autá dostatočne skoro nedostanú. Majú prísľub, že sa vyhnú slušnému zlomku dnešných automobilových nehôd, ktoré si na celom svete vyžiadajú viac ako milión úmrtí ročne. Uľahčia nám život a prepíšu zásady prepravy. Tým prepíšu miesto, kde žijeme, samotnú prírodu mesta, ako aj desiatky ďalších odvetví od energetiky po maloobchod. Každý deň, keď odďaľujeme uvedenie týchto vecí na cesty vo veľkom množstve, tisíce ľudí zomrú v rukách ľudí, ktorí nemali šoférovať. Každý deň meškáme.

Samozrejme, je to ťažké

Aby bolo jasné, najväčším dôvodom, prečo to „trvá tak dlho“, je, že je to ťažké. Jeden z najväčších softvérových výskumných projektov, aké sa kedy uskutočnili. Vyžadovalo si to nielen prelomový softvér, ale aj množstvo detailnej práce v burine, ktorá sa zaoberá obrovským množstvom špeciálnych prípadov a mapuje svet a všetky jeho vrásky. Každý, kto si myslel alebo si myslí, že to môže byť doručené podľa plánu, sa mýli a nikdy predtým nepracoval v softvéri. Keď automobilky vyhodili dátumy ako rok 2020, boli to nádeje, nie predpovede, a to, že to niektoré technologické spoločnosti skutočne dosiahli, bolo úžasné. Viacročné projekty vyžadujúce prelomy nie sú nikdy presne predpovedané.

Nikto so softvérovým zázemím by nebol vôbec šokovaný, ak by predpovede takého veľkého projektu pred mnohými rokmi neboli presné. Takže veci nie sú „meškané“, aj keď nesplnili optimistické nádeje. To tiež znamená, že veci sa robia v menších krokoch.

Najväčším blokátorom však nie je v skutočnosti to robiť (tj urobiť to bezpečným), ale vedieť, že ste to urobili.

Dokázať, že ste to naozaj zabezpečili

Prvým technologickým cieľom bolo len to zrealizovať. Vyrobiť auto, ktoré dokáže bezpečne jazdiť samo. To je obrovský úspech, ale aspoň v niekoľkých mestách to už niekoľko spoločností dokázalo. Spoločnosti ako Waymo jazdia bezpečnejšie ako priemerný človek v ľahkých uliciach Phoenixu. To bola „ťažšia časť“ – ale ešte ťažšia časť je definovať, čo je bezpečnosť, zmerať ju a dokázať, že ste to urobili. Musíte to dokázať sebe, svojej správnej rade, svojim právnikom, verejnosti a možno aj vláde. Rovnako ako vakcína Moderna Covid bola pripravená vo februári 2020, pred prvým blokovaním, svet čakal 10 mesiacov – kým bez nej zomrel milión ľudí –, kým nechal prvých ľudí dostať injekciu. Čakali sme, kým dokážu, že to urobili.

Meranie bezpečnosti je dosť ťažké. Vieme, ako často majú ľudskí vodiči nehody všetkých typov, od malých škvŕn až po smrteľné nehody. K smrteľným úrazom dochádza približne každých 80 miliónov míľ v USA alebo približne 2 milióny hodín jazdy. Nemôžeme otestovať každú verziu softvéru tak, že povieme: „Nechaj to prejsť miliardu míľ a uvidíme, či to zabije menej ako tucet ľudí, ktorí by zomreli, keby ľudia jazdili tak ďaleko.“ Je to nemožná vzdialenosť na jazdu po skutočných cestách čo i len raz, nehovoriac o každej novej verzii. Mohli by sme jazdiť oveľa menej a počítať škrípanie a menšie nehody – v skutočnosti je to to najlepšie, s čím sme doteraz prišli, pretože je to prinajmenšom možné – ale nie sme si istí, či to súvisí so zraneniami s robotmi rovnako ako robí s ľuďmi.

Mnohí začínajú tradičným spôsobom automobilového priemyslu. Testujú každý komponent svojich vozidiel, aby sa uistili, že je spoľahlivý a spĺňa špecifikácie. Pokúšajú sa to urobiť pomocou systémov komponentov, ale táto metodológia sa stáva zložitejšou, keď sa veci stanú zložitejšími. Toto sa nazýva funkčná bezpečnosť – sú komponenty a systémy bez chýb a zvládnu známe potenciálne poruchy.

Nedávno sa vynaložilo väčšie úsilie, aby sa to posunulo na systémovú úroveň a pokúsili sa otestovať „Bezpečnosť zamýšľanej funkčnosti“. So SOTIF tímy pracujú na tom, aby zabezpečili, že celé systémy budú stále fungovať, a to ako v prípade problémov a porúch komponentov, tak aj v prípade predpokladaného nesprávneho použitia. To často zahŕňa simuláciu celého systému alebo jeho častí alebo simuláciu „hardvéru v slučke“, ktorá je jednoduchšia a bezpečnejšia ako živé testovanie na cestách.

Simulačné testovanie ponúka možnosť testovať systém v miliónoch rôznych scenárov. Čokoľvek, čo kto kedy videl, počul alebo o čom sníval – so stovkami malých variácií všetkých týchto vecí.

Snáď najťažšia vec na testovanie, ale to, čo chcete vedieť najviac, je, ako dobre systém reaguje na doposiaľ nevídané situácie. Aj keď môžete vytvoriť simulačné testovanie, aby ste vedeli, že vozidlo funguje dobre takmer vo všetkých očakávaných situáciách, veľkou magickou schopnosťou ľudských myslí je schopnosť zvládnuť doteraz nevídané problémy. AI to dokážu, ale nie sú také dobré. Nakoniec by sme dúfali v spôsob, ako získať nové, realistické a nebezpečné scenáre každý deň. Dnes je dobré, že vaše auto bolo naprogramované tak, aby zvládlo všetko, na čo si kedy ktokoľvek pomyslel, no skutočným zlatým štandardom môže byť každý deň vyvolať 20 nových situácií, ktoré ste ešte nevideli, a zistiť, že väčšinu z nich zvládne. Ani ľudia nezvládajú všetky. To je jedna vec, o ktorej dúfam, že sa cez ňu stane Projekt bezpečnostného bazéna, ktorý som pomohol iniciovať so Svetovým ekonomickým fórom, Deepen.AI a University of Warwick.

Dokonca aj so všetkými simuláciami, ktoré musíte otestovať naživo na ceste. Nikto nenasadí auto, ktoré nepreukázalo, že veľmi dobre zvláda reálny svet. Aj keď je systém používania vodičov pre bezpečnosť ľudí na dohľad nad operáciami robotických áut drahý, má v skutočnosti vynikajúce výsledky a neohrozuje verejnosť v porovnaní s bežným riadením ľudí.

V tomto odvetví každá spoločnosť prepadne, aby opísala, ako sa venuje bezpečnosti. Ich úlohou je vyrobiť bezpečné vozidlo, ale tieto vyhlásenia robia preto, aby potešili úradníkov a verejnosť. Je iróniou, že verejným záujmom nie je vyrábať najbezpečnejšie robokáre, ale skôr najbezpečnejšie cesty. Robocars je nástroj, ktorý môže priniesť bezpečnejšie cesty, a čím skôr sa sem dostanú, tým skôr a lepšie to urobia. Ak by úradníci brali svoju povinnosť zlepšiť celkovú bezpečnosť cestnej premávky vážne, v skutočnosti by povzbudzovali spoločnosti, aby nezachádzali príliš ďaleko v oblasti bezpečnosti a namiesto toho sa zamerali na čo najrýchlejšie nasadenie bezpečnejšej technológie – aj keď robia menej, aby dokázali, že je bezpečné, keď je nasadenie malé. , robí to rýchlejšie. Ale nikdy to neurobia, pretože spoločnosť reaguje na chyby a riziko.

Druhým prvkom bezpečnosti je kybernetická bezpečnosť. Potrebujeme, aby tieto autá boli odolné voči pokusom o ich prevzatie. Niektorí ľudia neradi hovoria o kybernetickej bezpečnosti, ale minulá história automobilového priemyslu nebola skvelá. Zahŕňa to nielen bezpečné postupy a nástroje, ale aj to, čo sa nazýva „červený tím“, kde tím expertných hackerov s bielym klobúkom hľadá zvonku, aby našiel zraniteľné miesta, až kým nebudú môcť nájsť žiadne ďalšie. Ďalším dôležitým nástrojom je minimalizácia konektivity alebo to, čo ľudia v oblasti bezpečnosti nazývajú „útočné povrchy“. Mnohí v tomto odvetví sú posadnutí tým, čo si predstavujú „prepojené auto“ a konektivitu si mýlia s takou veľkou revolúciou, akou je samoriadenie. Nie je, ani zďaleka. Určité pripojenie je potrebné, ale malo by sa používať s mierou, aby skutočná revolúcia zostala bezpečná.

Jednou z najväčších výziev pre testovanie je široké využitie strojového učenia všetkými tímami robotických áut. Strojové učenie je mimoriadne výkonný nástroj AI a väčšina ho považuje za nevyhnutný, no má tendenciu vytvárať nástroje „čiernej skrinky“, ktoré robia rozhodnutia, ktorým však nikto úplne nerozumie. Ak neviete, ako systém funguje alebo prečo zlyháva alebo robí správnu vec, je ťažké ho otestovať a certifikovať. V Európe vytvorili zákony, ktoré požadujú, aby všetka AI bola na určitej úrovni „vysvetliteľná“, ale mnohé siete strojového učenia je veľmi ťažké vysvetliť. To je desivé, ale sú také silné, že sa ich nevzdáme. Môžeme sa stretnúť s čiernou skrinkou, ktorá je pri testovaní dvakrát bezpečnejšia ako vysvetliteľný systém, a existujú presvedčivé argumenty, ktoré ľudia uvádzajú v prospech oboch možností.

Predvídanie budúcnosti

Robotické auto je pokryté senzormi, ako sú kamery, radary, lasery LIDAR a ďalšie. Senzory sú pravdepodobne najdiskutovanejším aspektom hardvéru, no v skutočnosti vám senzory vôbec nepovedia, čo chcete vedieť. Je to preto, že senzory vám povedia, kde sa veci práve nachádzajú, ale vás to až tak nezaujíma. Zaujíma vás, kde budú veci v budúcnosti. Informácie zo senzorov sú len vodítkom k skutočnému cieľu predpovedať budúcnosť. Vedieť, kde sa niečo nachádza a ako rýchlo sa to pohybuje, je dobrý začiatok, ale vedieť, čo to je, je rovnako dôležité, aby ste vedeli, kde to bude. Väčšina predmetov na ceste alebo v jej blízkosti nie je balistická – riadi ju človek a môže zmeniť smer. To je dôvod, prečo sa dnes jedna z kľúčových oblastí výskumu zlepšuje v predpovedaní toho, čo urobia ostatní na ceste, najmä ľudia. To môže siahať od poznania správania pri šoférovaní až po zistenie, či sa chodec stojaci na rohu chystá vstúpiť na priechod pre chodcov alebo surfuje na webe.

Aj keď niekoľko tímov dosiahlo veľký pokrok, ukázalo sa, že ľudia sú v predpovedaní iných ľudí lepší ako dnešní roboti. Zlepšiť sa v tom je jedným z kľúčových problémov na zozname úloh, najmä v zložitejších prostrediach, ako sú rušné mestá. Predpovedanie budúcnosti zahŕňa aj predpovedanie toho, ako budú ostatní reagovať na vaše vlastné pohyby a predpovedané pohyby ostatných. Zaradenie do jazdného pruhu alebo nechránené odbočenie doľava môže byť tancom s dvoma krokmi a robokári sa budú neustále snažiť zlepšovať svoje výkony.

Rýchlejšie snímanie

Senzory môžu byť len prostriedkom na dosiahnutie skutočného cieľa, ale čím lepšie sú, tým lepšie môžete predpovedať budúcnosť. Tímy sa stále snažia zrýchliť senzory, aby bolo vnímanie a predpovedanie rýchlejšie. Jedna vec, ktorá je dôležitá, je poznať rýchlosť pohybujúcich sa objektov. Radar vám to hovorí, ale kamery a staršie LIDARy nie, pokiaľ sa nepozeráte na viacero snímok. Niektoré novšie LIDARy vám vedia povedať rýchlosť aj vzdialenosť. Prezeranie viacerých snímok zaberie prinajmenšom toľko času ako snímanie snímok, zvyčajne však viac.

Jedna situácia, ktorá môže byť problémom, je pohyb po diaľnici za väčším vozidlom. Predstavte si, že pred týmto vozidlom stojí kamión na krajnici a trčí do jazdného pruhu. To sa často stáva pri nehodách a záchranných vozidlách. Zrazu veľké vozidlo pred vami zabočí doprava, aby sa vyhlo prekážke, a vy prvýkrát uvidíte zastavený kamión. Na zabrzdenie či vybočenie naozaj nemáte veľa času a možno ani nemáte kam ísť. Ak sa musíte pozrieť na 3 snímky videa, aby ste videli, že sa skutočne nehýbe, je to pravdepodobne 1/10 sekundy premrhaná a toto je situácia, na ktorej môže záležať. Takže veľa tímov hľadá spôsoby, ako získať túto výhodu, a našli ju väčšinou v LIDARoch, ktoré dokážu merať „Dopplerovu metódu“, aby poznali rýchlosť všetkého, na čo laserom zasiahnu. Radary poznajú aj rýchlosť, no svet je plný zastavených objektov odrážajúcich radar a je ťažké rozoznať zastavené vozidlo od zastaveného zvodidla vedľa neho.

Dlhá cesta

Stručne spomeniem, že dôvodom je jeden slávny tím – TeslaTSLA
– ešte nie je pripravený je, že sa snažia zámerne problém sťažiť. Zatiaľ čo každý tím intenzívne využíva počítačové videnie, Tesla chce, aby fungovalo iba s počítačovým videním a iba kamerami od roku 2016. Väčšina ostatných tímov tiež pridáva lepšie kamery, LIDAR, radar a mapy do svojej sady nástrojov. Tesla chce prielom vo vízii, ktorý to dokáže lacnejšie. Hovorí sa, že všetky tieto nástroje navyše rozptyľujú pozornosť. Ale zvyšok priemyslu chce použiť všetky nástroje, aby to urobil skôr, ak s vyššími nákladmi, a myslí si, že Tesla sa ochromuje. Zatiaľ, na základe kvality produktu – Tesla FSD je vážne pozadu – ostatní majú pravdu, hoci preteky ešte neskončili.

To je prvá časť. Druhá časť sa zaoberá vecami, ako je byť dobrým občanom ciest, prečo sú robokáry nasadzované po jednom meste namiesto všade naraz, a problémami pri riešení bežnejšej logistiky, ako je zastavovanie a vyzdvihnutie jazdcov, obchodné modely, a priveľmi sa obávate o bezpečnosť a zároveň prinútite vlády a verejnosť, aby vás akceptovali. Uvediem tiež niekoľko faktorov, na ktorých sa pracuje, ale nie sú skutočnými blokátormi nasadenia. Druhú časť hľadajte v najbližších dňoch.

Niektorí sa domnievajú, že skutočnosť, že v roku 2022 nemajú robocar alebo na ňom nejazdia, znamená, že vývoj výrazne zaostáva za plánom. V skutočnosti nikdy neexistoval seriózny harmonogram, iba nádeje, ale v skutočnosti tento zoznam problémov predpovedá optimizmus, pretože tieto zostávajúce problémy sa zdajú byť vo všeobecnosti riešiteľné. Na zvládnutie väčšiny z nich je potrebná tvrdá práca a peniaze, nie objavy.

Zostaňte naladení na druhú časť vo forme videa a textu

Komentáre môžete zanechať na tejto stránke alebo na stránke videa.