Kāpēc jums vēl nav pašbraucošas automašīnas? Šajā 2 daļu sērijā ir izskaidrotas lielās atlikušās problēmas

Cilvēki bieži jautā: "Kur ir mana pašbraucošā automašīna?" "Kāpēc man tāda nav un kad tas būs?" Daudzi cilvēki uzskata, ka 20. gadu vecumā viņiem solīja automašīnu, un tas ir vēls, un, iespējams, tas vairs nenāks, kā par lidojošajām automašīnām runāja pirms gadu desmitiem.

Šajā divu rakstu sērijā (ar pievienotajiem videoklipiem) apskatīsim galvenos iemeslus, kāpēc jūs, iespējams, šodien nebraucat ar robocaru, un kad tas varētu notikt. Kādas ir galvenās tehnoloģiskās, juridiskās un sociālās problēmas, kas traucē, un kādas problēmas patiesībā nav bloķētāji?

Lielākajai daļai no mums šīs automašīnas nevar nokļūt pietiekami ātri. Viņiem ir solījums izvairīties no pienācīgas daļas mūsdienu autoavāriju, kurās katru gadu visā pasaulē iet bojā vairāk nekā miljons cilvēku. Tie atvieglos mūsu dzīvi un pārrakstīs pārvietošanās principus. To darot, viņi pārrakstīs mūsu dzīvesvietu un pilsētas dabu, kā arī desmitiem citu nozaru no enerģētikas līdz mazumtirdzniecībai. Katru dienu mēs kavējam šo lietu izvešanu uz ceļiem, tūkstošiem cilvēku iet bojā no cilvēku rokām, kuriem nevajadzēja braukt. Katru dienu mēs kavējam.

Protams, tas ir grūti

Lai būtu skaidrs, lielākais iemesls, kāpēc “tas prasa tik ilgu laiku”, ir tas, ka tas ir grūti. Viens no grandiozākajiem programmatūras izpētes projektiem, kas jebkad ir uzsākts. Tas prasījis ne tikai revolucionāru programmatūru, bet arī daudz detalizēta darba nezālēs, risinot lielu skaitu īpašu gadījumu un kartējot pasauli un visas tās krokas. Ikviens, kurš domā vai domā, ka to var piegādāt pēc grafika, kļūdās un nekad iepriekš nav strādājis ar programmatūru. Kad automašīnu uzņēmumi izmeta tādus datumus kā 2020. gads, tās bija cerības, nevis prognozes, un tas, ka daži tehnoloģiju uzņēmumi to patiešām panāca, bija pārsteidzoši. Vairāku gadu projekti, kuros nepieciešami sasniegumi, nekad netiek precīzi prognozēti.

Neviens ar programmatūras pieredzi nemaz nebūtu šokēts, ja pirms daudziem gadiem izteiktās prognozes par tik grandiozu projektu nebūtu precīzas. Tātad lietas neatpaliek no grafika, pat ja tās neattaisnoja optimistiskās cerības. Tas arī nozīmē, ka lietas tiek veiktas mazākos soļos.

Tomēr lielākais bloķētājs nevis faktiski dara to (ti, padara to drošu), bet gan apzinās, ka esat to izdarījis.

Pierādot, ka patiešām esat padarījis to drošu

Pirmais tehnoloģiskais mērķis bija vienkārši to īstenot. Izveidot automašīnu, kas pati var droši braukt. Tas ir milzīgs sasniegums, taču vismaz dažās pilsētās daži uzņēmumi to jau ir panākuši. Tādi uzņēmumi kā Waymo pa vieglajām Fīniksas ielām ir paveikuši braukt drošāk nekā vidusmēra cilvēks. Tā bija “smagā daļa”, bet vēl grūtāka ir definēt, kas ir drošība, to izmērīt un pierādīt, ka esat to paveicis. Jums tas jāpierāda sev, savai padomei, juristiem, sabiedrībai un varbūt pat valdībai. Tāpat kā Moderna Covid vakcīna bija gatava 2020. gada februārī, pirms pirmās bloķēšanas, pasaule gaidīja 10 mēnešus — kamēr miljons cilvēku nomira bez tās — pirms ļāva pirmajiem cilvēkiem saņemt vakcīnu. Mēs gaidījām, kad viņi pierādīs, ka ir to izdarījuši.

Mērīt drošību ir diezgan grūti. Mēs zinām, cik bieži cilvēku vadītāji gūst visu veidu avārijas, sākot no nelieliem triecieniem un beidzot ar nāves gadījumiem. Nāves gadījumi notiek aptuveni ik pēc 80 miljoniem jūdžu ASV jeb aptuveni 2 miljoniem braukšanas stundu. Mēs nevaram pārbaudīt visas programmatūras versijas, sakot: "Ļaujiet tai nobraukt miljardu jūdžu un redzēt, vai tā nogalina mazāk nekā desmit cilvēku, kas nomirtu, ja cilvēki brauktu tik tālu." Tas ir neiespējams attālums nobraukt pa reāliem ceļiem pat vienu reizi, nemaz nerunājot par katru jauno versiju. Mēs varētu braukt daudz mazāk un skaitīt triecienus un nelielas avārijas — patiesībā tas ir labākais, ko līdz šim esam izdomājuši, jo tas ir vismaz iespējams, taču mēs neesam pārliecināti, vai tas tāpat attiecas uz traumām ar robotiem. dara ar cilvēkiem.

Daudzi sāk tradicionālo auto industrijas ceļu. Viņi pārbauda katru sava transportlīdzekļa sastāvdaļu, lai pārliecinātos, ka tā ir uzticama un atbilst specifikācijām. Viņi cenšas to darīt ar komponentu sistēmām, taču šī metodika kļūst sarežģīta, kad lietas kļūst sarežģītākas. To sauc par funkcionālo drošību – vai komponentiem un sistēmām nav defektu un vai tās izturēs zināmas iespējamās atteices.

Pēdējā laikā ir pieliktas lielākas pūles, lai to sasniegtu sistēmas līmenī un mēģinātu pārbaudīt paredzētās funkcionalitātes drošību. Izmantojot SOTIF, komandas strādā, lai nodrošinātu, ka visas sistēmas joprojām darbosies gan ar problēmām un komponentu kļūmēm, gan ar paredzamu nepareizu izmantošanu. Tas bieži ietver visas sistēmas vai tās daļu simulāciju vai “aparatūras cilpas” simulāciju, kas ir vienkāršāka un drošāka nekā tiešās pārbaudes uz ceļiem.

Simulācijas testēšana piedāvā iespēju pārbaudīt sistēmu miljoniem dažādu scenāriju. Viss, ko kāds jebkad ir redzējis, dzirdējis vai sapņojis – ar simtiem nelielu variāciju no visām šīm lietām.

Iespējams, visgrūtāk ir pārbaudīt, bet tas, ko jūs visvairāk vēlaties zināt, ir tas, cik labi sistēma reaģē uz vēl neredzētām situācijām. Lai gan jūs varat izveidot simulācijas testus, lai uzzinātu, ka transportlīdzeklis labi darbojas gandrīz visās paredzamajās situācijās, cilvēka prāta lieliska maģiska spēja ir spēja tikt galā ar vēl neredzētām problēmām. AI to var izdarīt, taču tie nav tik labi. Galu galā mēs cerētu uz veidu, kā katru dienu iegūt jaunus, reālistiskus un bīstamus scenārijus. Tas ir labi, ka šodien jūsu automašīna ir ieprogrammēta tā, lai tā tiktu galā ar visu, par ko kāds jebkad ir iedomājies, taču īstais zelta standarts var būt katru dienu mest 20 jaunas situācijas, kuras tas nekad agrāk nav redzējis, un uzzināt, ka tā tiek galā ar lielāko daļu no tām. Pat cilvēki netiek galā ar tiem visiem. Tā ir viena lieta, ko es ceru redzēt cauri Drošības baseina projekts, kuru es palīdzēju uzsākt Pasaules ekonomikas forumā, Deepen.AI un Warwick Universitātē.

Pat ar visu simulāciju jums ir arī jāpārbauda tiešraidē uz ceļa. Neviens negrasās izvietot automašīnu, kas nav pierādījusi, ka tā ļoti labi tiek galā ar reālo pasauli. Lai gan sistēma ir dārga, cilvēku drošības autovadītāju izmantošana, lai pārraudzītu robocar darbību, patiesībā ir lieliski sasniegusi, un tā neapdraud sabiedrību salīdzinājumā ar parastu cilvēka braukšanu.

Nozarē katrs uzņēmums krīt pār sevi, lai aprakstītu, cik uzticīgs ir drošībai. Viņu uzdevums ir izgatavot drošu transportlīdzekli, bet viņi izsaka šīs deklarācijas, lai iepriecinātu amatpersonas un sabiedrību. Ironiski, bet sabiedrības interesēs nav izgatavot drošākos robocarus, bet gan drošākie ceļi. Robocars ir rīks, kas var nodrošināt drošākus ceļus, un jo ātrāk tie nokļūs šeit, jo ātrāk un labāk viņi to izdarīs. Ierēdņi, ja viņi nopietni uztvertu savu pienākumu uzlabot vispārējo ceļu satiksmes drošību, patiesībā mudinātu uzņēmumus neaiziet pārāk tālu drošības jomā un tā vietā koncentrēties uz drošākas tehnoloģijas ātrāku ieviešanu, pat ja darītu mazāk, lai pierādītu, ka tā ir droša, ja ieviešana ir neliela. , ļauj tam notikt ātrāk. Bet viņi nekad to nedarīs, jo sabiedrība reaģē uz kļūdām un risku.

Otra drošības sastāvdaļa ir kiberdrošība. Mums ir nepieciešams, lai šīs automašīnas būtu izturīgas pret mēģinājumiem tās pārņemt. Dažiem cilvēkiem nepatīk runāt par kiberdrošību, taču autobūves pagātnes vēsture nav bijusi lieliska. Lai to paveiktu, tiek izmantota ne tikai droša prakse un rīki, bet arī tā sauktā “sarkanā komanda”, kurā ekspertu, balto cepuru hakeru komanda meklē ievainojamības no ārpuses, līdz vairs nevar atrast. Vēl viens svarīgs rīks ir savienojamības samazināšana jeb tas, ko drošības cilvēki sauc par “uzbrukuma virsmām”. Daudzi nozares pārstāvji ir apsēsti ar to, ko viņi iedomājas, ir “savienota automašīna”, un savienojamību uzskata par tikpat lielu revolūciju kā pašbraukšana. Tā nav, ne attālināti. Ir nepieciešama zināma savienojamība, taču tā ir jāizmanto taupīgi, lai patiesā revolūcija būtu droša.

Viens no lielākajiem izaicinājumiem testēšanā ir mašīnmācības plašā izmantošana visās robocar komandās. Mašīnmācība ir ļoti spēcīgs mākslīgā intelekta rīks, un lielākā daļa uzskata, ka tas ir būtisks rīks, taču tas mēdz radīt “melnās kastes” rīkus, kas pieņem lēmumus, bet kurus neviens pilnībā nesaprot. Ja nezināt, kā sistēma darbojas vai kāpēc tā neizdodas vai rīkojas pareizi, to ir grūti pārbaudīt un sertificēt. Eiropā viņi ir izstrādājuši likumus, kas pieprasa, lai viss AI kaut kādā līmenī būtu "izskaidrojams", taču daudzus mašīnmācīšanās tīklus ir ļoti grūti izskaidrot. Tas ir biedējoši, bet tie ir tik spēcīgi, ka mēs no tiem neatteiksim. Mēs varam saskarties ar melno kasti, kas testēšanā ir divreiz drošāka nekā izskaidrojama sistēma, un ir pārliecinoši argumenti, ko cilvēki izsaka par labu jebkurai izvēlei.

Nākotnes prognozēšana

Robocar ir pārklāts ar sensoriem, piemēram, kamerām, radariem, LIDAR lāzeriem un citiem. Sensori, iespējams, ir visvairāk apspriestais aparatūras aspekts, taču patiesībā sensori nepasaka jums to, ko vēlaties uzzināt. Tas ir tāpēc, ka sensori norāda, kur lietas pašlaik atrodas, bet jums tas tik ļoti nerūp. Jums rūp, kur lietas notiks nākotnē. Informācija no sensoriem ir tikai pavediens uz patieso mērķi prognozēt nākotni. Zināt, kur kaut kas atrodas un cik ātri tas pārvietojas, ir labs sākums, taču tikpat svarīgi ir zināt, kas tas ir, lai zinātu, kur tas būs. Lielākā daļa objektu uz ceļa vai tā tuvumā nav ballistiski – cilvēks ir atbildīgs un var mainīt kursu. Tāpēc viena no galvenajām mūsdienu pētniecības jomām ir arvien labāka prognozēšana, ko darīs citi, kas atrodas ceļā, jo īpaši cilvēki. Tas var būt, sākot no braukšanas uzvedības pārzināšanas un beidzot ar to, vai gājējs, kurš stāv uz stūra, gatavojas ieiet gājēju pārejā vai sērfo tīmeklī.

Lai gan vairākas komandas ir panākušas lielu progresu, izrādās, ka cilvēki labāk nekā mūsdienu roboti spēj paredzēt citus cilvēkus. Tā uzlabošana ir viena no galvenajām problēmām uzdevumu sarakstā, jo īpaši sarežģītākās vidēs, piemēram, noslogotās pilsētās. Nākotnes prognozēšana ietver arī paredzēšanu, kā citi reaģēs uz jūsu un citu cilvēku prognozētajām kustībām. Joslu sapludināšana vai neaizsargāts kreisais pagrieziens var būt deja ar došanu un ņemšanu, un roboti nepārtraukti centīsies uzlabot savu sniegumu.

Sajūta ātrāk

Sensori var būt tikai līdzeklis patiesā mērķa sasniegšanai, taču, jo labāk tie darbojas, jo labāk jūs varat paredzēt nākotni. Komandas joprojām cenšas padarīt sensorus ātrākus, lai ātrāk uztvertu un prognozētu. Viena lieta, kas ir svarīga, ir zināt objektu kustības ātrumu. Radars jums to saka, bet kameras un vecāki LIDAR to nedara, ja vien neskatās vairākus kadrus. Daži jaunāki LIDAR var norādīt gan ātrumu, gan attālumu. Vairāku kadru apskate aizņem vismaz tikpat daudz laika kā kadru uzņemšana, bet parasti vairāk.

Viena situācija, kas var radīt problēmas, ir pārvietošanās pa šoseju aiz lielāka transportlīdzekļa. Iedomājieties, ka šī transportlīdzekļa priekšā ir kravas automašīna, kas apstājusies uz pleca un iestrēgst joslā. Tas bieži notiek ar negadījumiem un avārijas transportlīdzekļiem. Pēkšņi lielais transportlīdzeklis pirms jums pagriežas pa labi, lai izvairītos no šķēršļa, un jūs pirmo reizi redzat apstājušās kravas automašīnas. Jums tiešām nav daudz laika bremzēt vai novirzīties, un jums var pat nebūt, kur doties. Ja jums ir jāskatās 3 video kadri, lai redzētu, ka tas patiešām nekustas, iespējams, tā ir 1/10 sekundes izniekota, un šī ir situācija, kad tam var būt nozīme. Tāpēc daudzas komandas meklē veidus, kā iegūt šo priekšrocību, un tās ir atradušas to galvenokārt LIDAR, kas var izmērīt “Dopleru”, lai uzzinātu ātrumu visam, ko viņi trāpa ar lāzeru. Radari zina arī ātrumu, taču pasaule ir pilna ar apturētiem objektiem, kas atstaro radaru, un grūti atšķirt apturēto transportlīdzekli no tam blakus esošās apturētās margas.

Veicot garo ceļu

Īsi pieminēšu, ka iemesls ir viena slavenā komanda - TeslaTSLA
– vēl nav gatavs, ir tas, ka viņi mēģina apzināti sarežģīt problēmu. Lai gan katra komanda intensīvi izmanto datorredzi, Tesla vēlas, lai tā darbotos tikai ar datorredzi un tikai no 2016. gada kamerām. Lielākā daļa citu komandu arī pievieno labākas kameras, LIDAR, radaru un kartes savam rīku komplektam. Tesla vēlas vīzijas izrāvienu, kas to varētu izdarīt lētāk. Viņi saka, ka visi šie papildu rīki novērš uzmanību. Taču pārējā nozare vēlas izmantot visus rīkus, lai to paveiktu ātrāk, ja arī par lielākām izmaksām, un domā, ka Tesla kropļo pati sevi. Pagaidām, pamatojoties uz produkta kvalitāti – Tesla FSD ir nopietni atpalicis – pārējiem ir taisnība, lai gan sacīkstes nav beigušās.

Tā ir pirmā daļa. Otrajā daļā ir aplūkotas tādas lietas kā būt labam iedzīvotājam uz ceļiem, kāpēc roboti tiek izvietoti vienā pilsētā, nevis visur uzreiz, un problēmas, kas saistītas ar ikdienišķāku loģistiku, piemēram, braucienu, lai uzņemtu braucējus, biznesa modeļi, lietotnes un pārāk daudz uztraucoties par drošību, vienlaikus liekot valdībām un sabiedrībai jūs pieņemt. Es uzskaitīšu arī dažus faktorus, pie kuriem tiek strādāts, taču tie nav īsti šķēršļi izvietošanai. Nākamajās dienās meklējiet otro daļu.

Daži uzskata, ka tas, ka 2022. gadā viņiem nav vai nebrauc ar robotkāru, nozīmē, ka attīstība ievērojami atpaliek no grafika. Patiesībā nekad nav bijis nopietns grafiks, tikai cerības, bet patiesībā šis problēmu saraksts ir optimisms, jo šīs atlikušās problēmas kopumā šķiet novēršamas. Lai tiktu galā ar lielāko daļu no tiem, ir nepieciešams smags darbs un nauda, ​​nevis sasniegumi.

Sekojiet līdzi otrajai daļai video un teksta formātā

Varat atstāt komentārus šajā lapā vai video lapā.