Прогнози були помилковими: для самостійно керованих автомобілів треба пройти довгий шлях

Кілька років тому автомобілі з самостійним керуванням здавалися майже готовими взяти на себе дороги.

"З 2020 року ви будете постійним водієм заднього сидіння", - сказав Guardian у 2015 році. Повністю автономні транспортні засоби "їздитимуть з точки А в точку В і зустрінуть весь спектр сценаріїв на дорозі, не потребуючи жодної взаємодії з водієм. Бізнес Інсайдер писав у 2016 році.

Зрозуміло, що багато з цих оцінок були перекриті; просто подивіться на біду Убер в Арізоні. Автомобілі без водіїв, безумовно, зроблять наші дороги більш безпечними, але витягнути людей з-за керма - це міцна гайка для зламування. Перш ніж ми дістанемося безтопічної утопії, про яку ми мріяли десятиліттями, ми повинні подолати кілька перешкод, і вони не всі технічні.

Навігація у відкритих середовищах

Автономні машини повинні орієнтуватися у непередбачуваних та різноманітних умовах.

"Я думаю, що важливо, коли ми думаємо про машини - це те, що потрібно, щоб ці речі були самостійно за кермом. Ось тут мова автономії насправді заважає нам неприємності, тому що автономія застосовується лише в рамках даної системи", - сказав Джек Стілго, суспільствознавець з Університетського коледжу Лондона та керівник проекту Driverless Futures.

Інші сегменти транспортної галузі, включаючи поїзди та літаки, вже впровадили автономію на більш високі рівні успіху, ніж вагони, сказав він.

"Автопілот літака функціонує лише тому, що повітряний простір є надзвичайно контрольованим середовищем. Якщо ви вилітаєте на повітряну кулю на шлях 747, він просто перекинеться прямо через вас, і буде зрозуміло, чия вина буде". - зазначив Стілго. "Те саме з поїздами. Бути без машиністів має сенс лише тому, що дуже ясно, що система закрита".

Навпаки, вагони працюють на дорогах, що мають дуже складні та відкриті системи - набагато менш передбачувані, ніж залізниці, де поїзди мають ексклюзивні колії, які не мають обмежень для автомобілів, тварин та пішоходів. Автомобіль, що керує автомобілем, повинен знайти свій шлях на багатолюдних вулицях, реагувати на дорожні знаки, мати справу з іншим рухом на перехрестях та їздити в різних умовах, де розмітка може бути не чіткою. Він повинен навчитися орієнтуватися навколо перешкод, реагувати на рухи інших автомобілів та водіїв, а головне, уникати наїзду на пішоходів. Все це ускладнює роботу зі створення безпечних машин для самостійного керування.

"Завжди знайдуться речі, які нас здивують", - сказав Стілго.

Подання очей та мізків автомобілям

Однією з головних технологій, яка допомогла запустити технологію самостійного керування автомобілем, є глибоке навчання, підмножина штучного інтелекту, яка створює поведінкові моделі на основі прикладів. Алгоритми глибокого навчання вивчають відеоканали з камер, встановлених навколо автошколи, щоб знайти розміри дороги, читати знаки та виявляти перешкоди, машини та пішоходів.

Ентоні Левандовський, інженер, який лежить в основі судового процесу між Waymo та Uber, нещодавно опублікував відео та детальну інформацію про технологію самостійного водіння, яка проїхала 3100 миль, від мосту Золоті ворота Сан-Франциско до мосту Джорджа Вашингтона в Нью-Йорку, не передаючи керування людям водієм і не використовуючи лише відеокамери та нейронні мережі.

Незважаючи на те, що їздити по міждержавних шосе значно простіше, ніж орієнтуватися у міських умовах, досягнення Левандовського помітні. Pronto.ai, його новий стартап, планує зробити цю технологію доступною для комерційних напівнавантажувачів, які проводять більшу частину свого часу на шосе.

Але, хоча добре навчені нейронні мережі можуть перевершити людей при виявленні об'єктів, вони все ще можуть зазнати невдач нераціональним та небезпечним способом - особливо це стосується фатальної аварії Tesla Model S 2016 та аварії Model X 2018 року. Інші дослідження показують, що алгоритми комп’ютерного зору автомобілів, що керують самобудом, легко можна обдурити, коли вони бачать відомі об'єкти в незручному положенні.

Чесно кажучи, технології самостійного керування запобігали нещасним випадкам у кількох випадках, але ці випадки рідко складають заголовки.

Доповнення нейронних мереж

Щоб обходити межі нейронних мереж, деякі компанії обладнали свої машини Lidar - обертові пристрої, які часто можна побачити на вершині автомобілів, що рухаються самостійно. Пристрої Лідара випромінюють численні невидимі промені світла в різних напрямках і створюють детальні 3D-карти району, що оточує автомобіль, вимірюючи час, який потрібно, щоб ці промені відбивалися від об'єкта і поверталися назад.

Lidar може виявити об'єкти та перешкоди, які можуть пропускати алгоритми класифікатора зображень. Він також може дозволяти автомобілям бачити в темряві, і більш детальний і точний, ніж радари, що краще підходить для виявлення рухомих предметів.

Більшість компаній, які займаються автомобільними програмами для самостійного водіння, використовують Lidar, включаючи Waymo та Uber. Але технологія все ще зароджується. Для одного, пристрої Lidar не чудово підходять для вибоїн або погоди.

Лідар також дуже дорогий; за різними підрахунками, до ціни автомобіля можна додати до 85 000 доларів. Щорічні витрати можуть скласти північ від 100 000 доларів, згідно з опитуванням Axios. Пересічний покупець автомобілів, напевно, не може собі цього дозволити, але технічні гіганти, які планують розгорнути послуги таксі з самостійним керуванням, можуть.

"Є декілька людей, які намагаються розробити недорогі додатки, але схоже, що переваги найясніші, коли автомобілі діляться та експлуатуються в містах", - сказав Стілго. "Це може бути хорошою справою для людей, які наразі не мають автомобіля, або поганих для людей поза містом, які можуть не мати обслуговування поблизу".

Stilgoe попереджає, що існує небезпека, що міста використовують обіцянку автопарків як причину відкласти інвестиції в громадський транспорт. Щонайменше два населені пункти США інвестували кілька сотень тисяч доларів у послуги автотранспорту, що займаються самостійним керуванням, показало дослідження Axios.

Потреба у підключенні та інфраструктурі

Люди-водії роблять набагато більше, ніж спостерігають за своїм оточенням. Вони спілкуються один з одним. Вони здійснюють контакт з оком, махають і кивають один на одного, і починають повільно рухатися в напрямку, щоб зрозуміти свої наміри іншим водіям. Це функції, які сучасні технології самостійного водіння виконують дуже погано, якщо взагалі.

Крім картографування їх оточення та виявлення предметів, автомобілі для самостійного керування також потребують способу спілкування між собою та оточенням. В есе до Harvard Business Review вчені Едінбургської бізнес-школи запропонували кілька рішень, включаючи розміщення розумних датчиків в автомобілях та інфраструктурі.

"Подумайте про радіопередавачі, що замінюють світлофори, мобільні та бездротові мережі передачі даних з підвищеною пропускною спроможністю, що працюють як між автомобілем, так і між автомобілем та інфраструктурою, а також придорожні підрозділи, що надають дані в режимі реального часу про погоду, рух транспорту та інші умови" академіки писали.

Сучасні технології самостійного водіння намагаються адаптувати комп’ютери до інфраструктури, призначеної для людей, таких як світлофори, дорожні знаки, дорожні знаки тощо. Алгоритмам машинного навчання потрібні години тренувань та величезна кількість даних, перш ніж вони зможуть повторити основні функції системи зору людини, такі як виявлення інших автомобілів чи зчитування дорожніх знаків з різних кутів та в різних умовах освітлення та погоди.

Покращення автомобілів і доріг за допомогою розумних датчиків значно полегшить спілкування автомобілів, що керують автотранспортом, та керування різними умовами дорожнього руху - підхід, який стає все більш життєздатним, оскільки зменшуються витрати на процесори, а технології, такі як 5G, роблять повсюдне підключення можливим та доступнішим.

Розділення автомобілів, що керують власним керуванням

Додавання розумних датчиків на 4 мільйони миль проїжджої частини США - це важка, якщо не неможлива задача. Це одна з причин, що самостійно керуючі автомобільні фірми вважають за краще зосередитися на тому, щоб зробити автомобілі розумнішими, а не навколишнє середовище.

"Найбільш вірогідний короткочасний сценарій, який ми побачимо, - це різні форми просторової сегрегації: Автомобільні машини, що керують автотранспортом, будуть працювати в деяких районах, а не в інших. Ми це вже бачимо, оскільки ранні випробування технології проходять у визначених місцях. тестові райони або у відносно простому, в погодне середовище ", - запропонували в своєму рефераті Единбурзькі вчені.

Тим часом вони запропонували: "Ми також можемо побачити спеціальні смуги або зони для самостійного керування транспортними засобами, як для того, щоб забезпечити їм більш структуроване середовище, поки технологія вдосконалюється, так і для захисту інших учасників дорожнього руху від їх обмежень".

Інші експерти зробили подібні пропозиції. У серпні дослідник AI та співзасновник Google Brain Andrew Ng запропонував, щоб вирішити проблеми безпеки при самостійному керуванні автомобілем, ми повинні змінити поведінку пішоходів та інших користувачів, які діляться з ними дорогами. "Якщо дивитися на появу залізниць, здебільшого люди навчилися не стояти перед поїздом на коліях", - сказав Нґ.

Пропозиція Ng, безумовно, допоможе зменшити ризик безпеки для самостійного керування автомобілями, поки технологія розвивається, але це не дуже добре поєднується з іншими фахівцями з ІС, включаючи піонера з робототехніки Родні Брукса. "Великою обіцянкою автопоїздів було те, що вони ліквідують загибель у дорожньому русі. Зараз говориться, що вони ліквідують загибель у дорожньому русі до тих пір, поки всі люди навчаться змінювати свою поведінку?" Брукс написав у публікації в блозі.

• Їздити навколо Майамі в тестових автомобілях Ford, що їздять навколо Майамі, в тестових автомобілях Ford
• CTO Ford на скутерах, AI та підвезенні автономних автомобілів до Майамі CTO Ford на скутерах, AI та підвезення автономних автомобілів до Майамі
• У легкових автомобілях Lyft, повільний і стійкий перемогу в гонці в автомобілях Lyft, що рухаються, повільно і стабільно виграє гонку

Професор нью-йоркського університету Гарі Маркус, голосовий критик перебільшення досягнень глибокого навчання, характеризує пропозицію Нґ як "переосмислення топових цілей, щоб полегшити роботу".

Але Стілгу вважає, що ми можемо зробити важливі уроки з історії. "Коли машини вперше прибули до міст США на початку двадцятого століття, пішоходам було сказано піти з дороги, щоб зробити дороги безпечними. Джейвалькінг був винайдений як проступок, а дороги були розроблені на користь автомобілів", - сказав Стілго.

Stilgoe вважає, що якщо ми серйозно ставимося до переваг самостійного керування автомобілями, ми будемо бачити те саме, що повториться. Наприклад, автомобільні компанії можуть почати лобіювати міста для модернізації їх інфраструктури та навчати пішоходів, як поводитися навколо автомобілів, що рухаються самостійно. "Щоб автомобілі, які керували самобудом, працювали так, як обіцяли, необхідно контролювати систему, в якій вони працюють", - сказав Стілго.

Перешкоди вниз по дорозі

Незважаючи на свою боротьбу, автомобільна індустрія з самостійним керуванням рухається вперед стабільними темпами, і наші дороги, безумовно, стануть безпечнішими.

Але питання та виклики залишаються. Наприклад, кого притягуватимуть до відповідальності, коли трапиться автомобільна аварія? "Досить просто сказати, що за повноцінної системи самостійного водіння компанія повинна нести відповідальність майже за будь-яких обставин. Речі стають складнішими, коли люди та комп'ютери діляться за кермом в різний час", - сказав Стілго.

Також, як повинен самостійно керувати автомобілем вирішити, коли опинився в ситуації, коли втрата людського життя неминуча? Це відоме як "проблема тролейбусів", і це може бути гіпотетично, але це свідчить про те, що автомобілі для самостійного керування повинні бути розроблені для прийняття рішень у ситуаціях, коли правила не чіткі.

"У дизайні цих систем існують реальні етичні дилеми", - сказав Стілго. "Автомобільні автомобілі, які керують самовивізком, не будуть всезнаючими".