Зошто сè уште немате самоуправувачки автомобил? Оваа серија од 2 дела ги објаснува големите преостанати проблеми

Луѓето често прашуваат: „Каде е мојот самоуправувачки автомобил? „Зошто немам и кога ќе дојде?“ Многу луѓе чувствуваат дека им ветиле автомобил од доцните 20-ти години и дека е доцна, а можеби и не доаѓа, како летечките автомобили за кои се зборуваше пред неколку децении.

Во оваа серија од две написи (со придружни видеа) да ги погледнеме основните причини поради кои веројатно не се возите во роботавтомобил денес и кога тоа може да се случи. Кои се основните технолошки, правни и социјални прашања кои стојат на патот, и кои прашања всушност не се блокатори?

За повеќето од нас, овие автомобили не можат да стигнат овде доволно брзо. Тие имаат ветување дека ќе избегнат пристоен дел од денешните сообраќајни несреќи кои убиваат над милион секоја година низ светот. Тие ќе ни го олеснат животот и ќе ги препишат принципите на транспортот. Правејќи го тоа, тие ќе препишат каде живееме и самата природа на градот, како и десетици други индустрии од енергија до трговија на мало. Секој ден кога го одложуваме обемот на изнесување на овие работи на патот, илјадници ќе загинат од рацете на луѓе кои не требало да возат. Секој ден одложуваме.

Се разбира, тешко е

Да бидеме појасни, најголемата причина што „толку долго трае“ е тоа што е тешко. Еден од најголемите софтверски истражувачки проекти некогаш преземени. Потребен беше не само пробиен софтвер, туку и тони детална работа во плевелот за справување со огромен број специјални случаи и мапирање на светот и сите негови брчки. Секој што мислел или мисли дека може да се испорача според распоред, греши и никогаш порано не работел во софтвер. Кога автомобилските компании ги отфрлија датумите како 2020 година, тоа беа надежи, а не предвидувања, и дека некои технолошки компании всушност го извлекоа тоа беше неверојатно. Повеќегодишните проекти кои бараат откритија никогаш не се точно предвидени.

Никој со софтверска позадина воопшто не би бил шокиран доколку предвидувањата за ваков грандиозен проект направени пред многу години не се точни. Значи, работите не се „зад распоредот“, дури и ако не ги исполниле оптимистичките надежи. Ова исто така значи дека работите се прават во помали чекори.

Најголемиот блокатор сепак не е да го правите тоа (т.е. да го направите безбедно), туку да знаете дека сте го направиле тоа.

Докажувајќи дека навистина сте го направиле безбедно

Првата технолошка цел беше само да се оствари. Да се ​​направи автомобил кој може сам да вози безбедно. Тоа е огромно достигнување, но барем во неколку градови, неколку компании веќе го постигнаа тоа. Возењето побезбедно од просечниот човек е направено од компании како Waymo на лесните улици на Феникс. Тоа беше „најтешкиот дел“ - но уште потешкиот дел е да се дефинира што е безбедност, да се измери и да се докаже дека сте го направиле тоа. Тоа треба да си го докажете себеси, на вашиот одбор, на вашите адвокати, на јавноста, а можеби дури и на владата. Исто како што вакцината Модерна Ковид беше готова во февруари 2020 година, пред првото заклучување, светот чекаше 10 месеци - додека милион луѓе умреа без неа - пред да им дозволи на првите луѓе да добијат истрел. Чекавме да докажат дека го направиле тоа.

Мерењето на безбедноста е прилично тешко. Знаеме колку често луѓето возачи имаат сообраќајни несреќи од секаков вид, од помали удари до смртни случаи. Жртвите се случуваат на секои 80 милиони милји во САД, или околу 2 милиони часа возење. Не можеме да ја тестираме секоја верзија на софтверот велејќи: „Ајде да вози милијарда милји и да видиме дали убива помалку од десетина луѓе што би умреле ако луѓето возат толку далеку“. Невозможно е растојанието да се вози по вистински патишта дури еднаш, а камоли со секоја нова верзија. Можеме да возиме многу помалку и да броиме удари и помали несреќи - всушност ова е најдоброто што сме го смислиле досега затоа што е барем можно - но не сме сигурни дали тоа се однесува на повреди со роботи на ист начин. прави со луѓе.

Многумина го започнуваат традиционалниот начин на автомобилска индустрија. Тие ја тестираат секоја компонента на нивните возила за да се уверат дека е доверлива и според спецификацијата. Тие се обидуваат да го направат тоа со системи на компоненти, но таа методологија станува тешка кога работите стануваат посложени. Ова се нарекува функционална безбедност - дали компонентите и системите се без дефекти и дали ќе се справат со познатите потенцијални дефекти.

Во поново време, имаше повеќе напори ова да се зголеми на системско ниво и да се обиде да се тестира „Безбедноста на предвидената функционалност“. Со SOTIF, тимовите работат на уверување дека цели системи сè уште ќе функционираат, како со проблеми и дефекти на компонентите, така и со очекувана злоупотреба. Ова често вклучува симулација на целиот систем, или делови од него, или симулација „хардвер во јамката“ што е полесна и побезбедна од тестирањето во живо на патиштата.

Симулациското тестирање нуди можност за тестирање на системот во милиони различни сценарија. Сè што некој некогаш видел, слушнал или сонувал - со стотици мали варијации на сите тие работи.

Можеби најтешкото нешто за тестирање, но она што најмногу сакате да го знаете е колку добро системот реагира на никогаш претходно видени ситуации. Иако можете да креирате симулационо тестирање за да знаете дека возилото работи добро во речиси сите очекувани ситуации, голема магична способност на човечкиот ум е капацитетот да се справи со никогаш невидени проблеми. ВИ можат да го направат ова, но тие не се толку добри. На крајот, би се надевале на начин да добиваме нови, реални, опасни сценарија секој ден. Добро е денес вашиот автомобил е програмиран да управува со сè што некој некогаш помислил, но вистинскиот златен стандард можеби е да фрлате 20 нови ситуации какви што досега не биле видени, секој ден и да откриете дека се справува со повеќето од нив. Дури и луѓето не се справуваат со сите нив. Тоа е едно нешто што се надевам дека ќе го видам да се случи преку него Проект за безбедносен базен, кој помогнав да се иницира со Светскиот економски форум, Deepen.AI и Универзитетот во Ворвик.

Дури и со целата симулација, исто така треба да тестирате во живо на пат. Никој нема да распореди автомобил што не покажал дека одлично се справува со реалниот свет. Иако е скап, системот на користење на возачи за безбедност на луѓето за да се надгледуваат операциите на роботи, всушност, има извонредно искуство и не ја загрозува јавноста во споредба со обичното човечко возење.

Во индустријата, секоја компанија паѓа на себе за да опише колку е посветена на безбедноста. Нивна работа е да направат безбедно возило, но тие ги даваат овие изјави за да ги задоволат службениците и јавноста. Иронично, јавниот интерес не е да се направат најбезбедните роботи, туку најбезбедните патишта. Робоавтомобилите се алатка која може да донесе побезбедни патишта, а колку побрзо стигнат овде толку побрзо и подобро ќе го направат тоа. Официјалните лица, доколку сериозно ја сфатат својата должност за подобрување на целокупната безбедност на патиштата, всушност би ги охрабрувале компаниите да не одат премногу далеку во безбедноста, и наместо тоа да се фокусираат на најбрзото распоредување на побезбедна технологија - дури и ако прават помалку за да докажат дека е безбедно кога распоредувањето е мало. , го прави тоа да се случи побрзо. Но, тие никогаш нема да го направат тоа, поради начинот на кој општеството реагира на грешки и ризик.

Втората компонента на безбедноста е сајбер безбедноста. Нам ни треба овие автомобили да бидат робусни против обидите да ги преземеме. Некои луѓе не сакаат да зборуваат за сајбер безбедноста, но минатото на автомобилската индустрија не беше одлична. Правењето на ова вклучува не само безбедни практики и алатки, туку и она што се нарекува „црвено здружување“, каде што тим од стручни хакери со бела капа лови однадвор за да ги пронајдат пропустите додека не можат да најдат повеќе. Друга важна алатка е минимизирање на поврзувањето, или она што луѓето од безбедноста го нарекуваат „површини за напад“. Многумина во индустријата се опседнати со она што го замислуваат како „поврзан автомобил“ и го грешат поврзувањето со голема револуција како самоуправувањето. Не е, не од далечина. Потребна е одредена поврзаност, но таа треба да се користи умерено за да може вистинската револуција да остане безбедна.

Еден од најголемите предизвици за тестирање е широката употреба на машинско учење од сите тимови за роботи. Машинското учење е многу моќна алатка за вештачка интелигенција и повеќето сметаат дека е суштинска, но има тенденција да произведува алатки за „црна кутија“ кои донесуваат одлуки, но кои никој целосно не ги разбира. Ако не знаете како функционира системот или зошто не успева или ја прави вистинската работа, тешко е да го тестирате и потврдите. Во Европа, тие донесоа закони со кои бараат целата вештачка интелигенција да биде „објаснива“ на одредено ниво, но многу мрежи за машинско учење е многу тешко да се објаснат. Тоа е страшно, но тие се толку моќни што нема да се откажеме од нив. Можеби ќе се соочиме со црна кутија која е двојно побезбедна во тестирањето од објаснето систем, и има убедливи аргументи што луѓето ги даваат во корист на кој било избор.

Предвидување на иднината

Робоавтомобилот е покриен со сензори, како што се камери, радари, ласери LIDAR и многу повеќе. Сензорите се веројатно најдискутираниот аспект на хардверот, но всушност сензорите воопшто не ви кажуваат што сакате да знаете. Тоа е затоа што сензорите ви кажуваат каде се работите во моментов, но вие не се грижите толку за тоа. Се грижите каде ќе бидат работите во иднина. Информациите од сензорите се само поим кон вистинската цел за предвидување на иднината. Да се ​​знае каде е нешто и колку брзо се движи е добар почеток, но да се знае што е тоа е исто толку важно за да се знае каде ќе биде. Повеќето од предметите на или во близина на патот не се балистички - човек е одговорен и може да го промени курсот. Затоа една од клучните области на истражување денес е подобро да се предвиди што ќе прават другите на патот, особено луѓето. Ова може да варира од знаење за однесувањето во возењето до откривање дали пешакот што стои на аголот ќе влезе на пешачкиот премин или сурфа на интернет.

Додека неколку тимови постигнаа голем напредок, излегува дека луѓето се подобри од денешните роботи во предвидувањето на другите луѓе. Подобрувањето во тоа е еден од клучните проблеми на списокот со задачи, особено во посложени средини како што се прометните градови. Предвидувањето на иднината вклучува и предвидување како другите ќе реагираат на вашите движења и на предвидените движења на другите. Спојувањето лента или незаштитеното вртење налево може да биде танц со давање и земање, а роботи постојано ќе се обидуваат да го подобрат начинот на кој го прават тоа.

Се чувствува побрзо

Сензорите можеби се само средство за вистинската цел, но колку подобро го прават тоа, толку подобро можете да ја предвидите таа иднина. Тимовите сè уште бараат да ги направат сензорите побрзи за побрзо перцепција и предвидување. Едно нешто што е важно е да се знае брзината на објектите што се движат. Радарот ви го кажува тоа, но камерите и постарите ЛИДАРИ не го прават тоа, освен ако не погледнете повеќе кадри. Некои понови ЛИДАРИ можат да ви кажат брзина, како и растојание. Гледањето на повеќе кадри одзема барем исто толку време колку и преземањето на кадрите, но обично повеќе.

Една ситуација која може да биде проблем е движењето по автопат зад поголемо возило. Замислете дека пред тоа возило е камион закочен на рамо, залепен на лентата. Тоа се случува со несреќи и возила за итни случаи. Одеднаш големото возило пред вас скршнува надесно за да ја избегне препреката и за прв пат го гледате тој закочен камион. Навистина немате многу време за сопирање или скршнување, а можеби и немате каде да одите. Ако треба да погледнете 3 фрејма видео за да видите дека навистина не се движи, тоа е веројатно потрошена 1/10 од секундата, а ова е ситуација каде што може да биде важно. Така, многу тимови бараат начини да го добијат тој раб, и го најдоа главно во ЛИДАР-те кои можат да измерат „доплер“ за да ја знаат брзината на сè што ќе погодат со ласерот. И радарите ја знаат брзината, но светот е полн со запрени објекти што го рефлектираат радарот и тешко е да се препознае запреното возило од запрената заштитна ограда до него.

Одејќи по долгиот пат

Накратко ќе напоменам дека причината е еден познат тим – ТеслаTSLA
– се уште не е подготвен е дека се обидуваат намерно да го отежнат проблемот. Додека секој тим многу го користи компјутерскиот вид, Тесла сака да работи само со компјутерска визија и само со камери од 2016 година. Повеќето други тимови додаваат и подобри камери, ЛИДАР, радари и мапи во нивната кутија со алатки. Тесла сака пробив во визијата што може да го направи поевтино. Тие велат дека сите тие дополнителни алатки го одвлекуваат вниманието. Но, останатиот дел од индустријата сака да ги искористи сите алатки за да го заврши тоа порано, ако е по поголема цена, и да мисли дека Тесла се осакатува себеси. Досега, врз основа на квалитетот на производот - Tesla FSD е сериозно далеку зад себе - другите се во право, иако трката не е завршена.

Тоа е првиот дел. Вториот дел ги разгледува работите како да се биде добар граѓанин на патиштата, зошто роботи се распоредуваат еден град во исто време, наместо секаде одеднаш, и проблемите со справувањето со посекојдневната логистика, како што се повлекување за да се соберат возачи, деловни модели, апликации и премногу се грижите за безбедноста додека ги натерате владите и јавноста да ве прифатат. Ќе наведам и неколку фактори на кои се работи, но не се вистински блокирачи на распоредувањето. Побарајте го вториот дел во деновите што доаѓаат.

Некои сметаат дека фактот што немаат или се возат во роботавтомобил во 2022 година значи дека развојот е многу зад распоредот. Во реалноста, никогаш немало сериозен распоред, само надежи, но всушност, оваа листа на проблеми навестува оптимизам, бидејќи овие преостанати проблеми генерално изгледаат решливи. Потребна е напорна работа и пари, а не откритија за да се справите со повеќето од нив.

Останете во тек за вториот дел, во видео и текстуална форма

Можете да оставите коментари на оваа страница или на страницата со видео.