Защо все още нямате самоуправляваща се кола? Тази поредица от 2 части обяснява големите оставащи проблеми

Хората често питат: „Къде е моята самоуправляваща се кола?“ „Защо нямам такъв и кога ще дойде?“ Много хора смятат, че им е обещана кола от края на 20-те години на тийнейджърството, а тя е късно и може би не идва, както летящите коли, за които се говореше преди десетилетия.

В тази поредица от две статии (с придружаващи видеоклипове) нека да разгледаме основните причини, поради които вероятно не се возите в робокар днес, и кога това може да се случи. Кои са основните технологични, правни и социални проблеми, които стоят на пътя, и кои проблеми всъщност не са блокери?

За повечето от нас тези коли не могат да стигнат до тук достатъчно скоро. Те имат обещанието да избегнат прилична част от днешните автомобилни катастрофи, които убиват над милион всяка година по света. Те ще улеснят живота ни и ще пренапишат принципите на транспорта. Правейки това, те ще пренапишат мястото, където живеем и самата природа на града, както и десетки други индустрии от енергетиката до търговията на дребно. Всеки ден, когато отлагаме пускането на тези неща на пътя в обем, хиляди ще умрат от ръцете на хора, които не е трябвало да шофират. Всеки ден отлагаме.

Разбира се, трудно е

За да бъде ясно, най-голямата причина „отнема толкова време“ е, че е трудно. Един от най-големите софтуерни изследователски проекти, предприемани някога. Необходим е не само революционен софтуер, но и много детайлна работа в плевелите, занимаваща се с огромен брой специални случаи и картографиране на света и всичките му бръчки. Всеки, който е мислил или мисли, че може да бъде доставен по график, греши и никога преди не е работил със софтуер. Когато автомобилните компании изхвърлиха дати като 2020 г., това бяха надежди, а не прогнози, и това, че някои технологични компании наистина успяха да го направят, беше невероятно. Многогодишните проекти, изискващи пробиви, никога не се прогнозират точно.

Никой със софтуерен опит изобщо не би бил шокиран, ако прогнозите за такъв грандиозен проект, направени преди много години, не са точни. Така че нещата не са „изостанали от графика“, дори и да не отговарят на оптимистичните надежди. Това също означава, че нещата се правят на по-малки стъпки.

Най-големият блокер обаче не е всъщност да го правиш (т.е. да го правиш безопасен), а да знаеш, че си го направил.

Доказвайки, че наистина сте го направили безопасно

Първата технологична цел беше просто това да се случи. Да направим кола, която може да се управлява сама безопасно. Това е огромно постижение, но поне в няколко града няколко компании вече са постигнали това. Шофирането по-безопасно от обикновения човек е постигнато от компании като Waymo по леките улици на Финикс. Това беше „трудната част“ – но още по-трудната част е да определите какво е безопасност, да я измерите и да докажете, че сте го направили. Трябва да го докажете на себе си, на вашия борд, на вашите адвокати, на обществеността и може би дори на правителството. Точно както ваксината на Moderna Covid беше готова през февруари 2020 г., преди първото блокиране, светът изчака 10 месеца – докато милион души умряха без нея – преди да позволи на първите хора да се ваксинират. Чакахме ги да докажат, че са го направили.

Измерването на безопасността е доста трудно. Знаем колко често хората-шофьори претърпяват катастрофи от всякакъв вид, от леки удари до фатални. Смъртните случаи се случват на всеки 80 милиона мили в САЩ или около 2 милиона часа шофиране. Не можем да тестваме всяка версия на софтуера, като казваме: „Нека го накараме да измине милиард мили и да видим дали ще убие по-малко от дузината хора, които биха умрели, ако хората стигнат толкова далече.“ Невъзможно е разстоянието да се измине по истински пътища дори веднъж, камо ли с всяка нова версия. Може да шофираме много по-малко и да броим удари и леки катастрофи – всъщност това е най-доброто, което сме измислили досега, защото е поне възможно – но не сме сигурни дали това е свързано с нараняванията с роботи по същия начин, както прави с хората.

Мнозина започват по традиционния път на автомобилната индустрия. Те тестват всеки компонент на своите превозни средства, за да се уверят, че е надежден и отговаря на спецификациите. Те се опитват да направят това със системи от компоненти, но тази методология става трудна, когато нещата станат по-сложни. Това се нарича функционална безопасност – дали компонентите и системите нямат дефекти и ще се справят ли с известни потенциални повреди.

Съвсем наскоро имаше повече усилия да се увеличи това до системно ниво и да се опита да се тества „безопасността на предвидената функционалност“. Със SOTIF екипите работят, за да гарантират, че цели системи ще продължат да функционират, както при проблеми и повреди на компоненти, така и при очаквана злоупотреба. Това често включва симулация на цялата система или части от нея, или симулация на „хардуер в цикъла“, която е по-лесна и по-безопасна от тестването на живо по пътищата.

Симулационното тестване предлага възможност за тестване на система в милиони различни сценарии. Всичко, което някой някога е виждал, чувал или мечтал – със стотици леки вариации на всички тези неща.

Може би най-трудното нещо за тестване, но нещото, което най-много искате да знаете, е колко добре системата реагира на невиждани досега ситуации. Въпреки че можете да създадете симулационни тестове, за да знаете, че автомобилът се справя добре в почти всички очаквани ситуации, велика магическа способност на човешките умове е способността да се справят с невиждани досега проблеми. AI могат да направят това, но не са толкова добри. В крайна сметка ще се надяваме на начин да получаваме нови, реалистични, опасни сценарии всеки ден. Хубаво е, че днес колата ви е била програмирана да се справя с всичко, за което някой някога е мислил, но истинският златен стандарт може да е да хвърляте 20 нови ситуации, които не сте виждали досега, всеки ден, и да разберете, че се справя с повечето от тях. Дори хората не се справят с всички. Това е едно нещо, което се надявам да видя да се случи през Проект за басейн за безопасност, за чието иницииране помогнах със Световния икономически форум, Deepen.AI и Университета на Уоруик.

Дори и с цялата симулация, вие също трябва да тествате на живо на пътя. Никой няма да пусне кола, която не е показала, че се справя много добре с реалния свят. Въпреки че е скъпа, системата за използване на шофьори за безопасност на хората за наблюдение на операциите на робокар всъщност има превъзходни резултати и не застрашава обществеността в сравнение с обикновеното човешко шофиране.

В индустрията всяка компания пада над себе си, за да опише колко са отдадени на безопасността. Тяхна работа е да направят безопасно превозно средство, но те правят тези декларации, за да угодят на длъжностните лица и обществеността. По ирония на съдбата общественият интерес не е да се правят най-безопасните робоколи, а по-скоро най-безопасните пътища. Робокарите са инструмент, който може да осигури по-безопасни пътища и колкото по-скоро стигнат дотук, толкова по-скоро и по-добре ще направят това. Длъжностните лица, ако приемат сериозно задължението си за подобряване на цялостната пътна безопасност, всъщност биха насърчили компаниите да не отиват твърде далеч по отношение на безопасността и вместо това да се фокусират върху най-бързото внедряване на по-безопасни технологии – дори и да правят по-малко, за да докажат, че е безопасно, когато внедряването е малко , го прави по-бързо. Но никога няма да го направят, поради начина, по който обществото реагира на грешките и риска.

Вторият компонент на безопасността е киберсигурността. Наистина се нуждаем от тези автомобили, за да бъдат устойчиви на опити за превземането им. Някои хора не обичат да говорят за киберсигурност, но миналото на автомобилната индустрия не е било страхотно. Правенето на това включва не само практики и инструменти за сигурност, но също така и това, което се нарича „червено обединяване“, където екип от експертни бели хакери преследват отвън, за да намерят уязвимости, докато не открият повече. Друг важен инструмент е минимизирането на свързаността или това, което хората по сигурността наричат ​​„повърхности за атака“. Мнозина в индустрията са обсебени от това, което си представят като „свързана кола“ и бъркат свързаността с толкова голяма революция, колкото автономното шофиране. Не е, не от разстояние. Необходима е известна свързаност, но тя трябва да се използва пестеливо, за да може истинската революция да остане сигурна.

Едно от най-големите предизвикателства за тестването е широкото използване на машинно обучение от всички екипи на робокари. Машинното обучение е изключително мощен AI инструмент и повечето го смятат за основен, но има тенденция да създава инструменти за „черна кутия“, които вземат решения, но които никой не разбира напълно. Ако не знаете как работи дадена система или защо се проваля или прави правилното нещо, трудно е да я тествате и сертифицирате. В Европа те създават закони, изискващи всички AI да бъдат „обясними“ на някакво ниво, но много мрежи за машинно обучение са много трудни за обяснение. Това е страшно, но те са толкова мощни, че няма да се откажем от тях. Може да се сблъскаме с черна кутия, която е два пъти по-безопасна при тестване от обяснима система, и има убедителни аргументи, които хората правят в полза на двата избора.

Предсказване на бъдещето

Робокар е покрит със сензори, като камери, радари, LIDAR лазери и др. Сензорите са може би най-обсъжданият аспект на хардуера, но всъщност сензорите изобщо не ви казват това, което искате да знаете. Това е така, защото сензорите ви казват къде са нещата в момента, но вие не се интересувате толкова от това. Вие се интересувате къде ще бъдат нещата в бъдеще. Информацията от сензорите е само улика към истинската цел за предсказване на бъдещето. Да знаете къде е нещо и колко бързо се движи е добро начало, но да знаете какво е то е също толкова важно, за да знаете къде ще бъде. Повечето от обектите на или близо до пътя не са балистични – човек управлява и може да промени курса. Ето защо една от ключовите области на изследване днес е да се подобрим в предсказването какво ще направят другите на пътя, по-специално хората. Това може да варира от познаване на поведението при шофиране до установяване дали пешеходец, стоящ на ъгъла, се кани да влезе на пешеходната пътека или сърфира в мрежата.

Докато няколко екипа са постигнали голям напредък, се оказва, че хората са по-добри от днешните роботи в предсказването на други хора. Подобряването в това е един от ключовите проблеми в списъка със задачи, особено в по-сложни среди като натоварени градове. Предсказването на бъдещето също включва предсказване как другите ще реагират на вашите собствени движения и предвидените движения на другите. Сливане в лента или незащитен ляв завой може да бъде танц с даване и вземане, а робокарите постоянно ще се опитват да подобрят начина, по който се справят.

Усещане по-бързо

Сензорите може да са само средство за постигане на истинската цел, но колкото по-добре се справят, толкова по-добре можете да предвидите това бъдеще. Екипите все още се стремят да направят сензорите по-бързи, за да направят възприятието и прогнозата по-бързи. Едно важно нещо е да знаете скоростта на движещите се обекти. Радарът ви казва това, но камерите и по-старите LIDAR не го правят, освен ако не гледате множество кадри. Някои по-нови LIDAR могат да ви кажат скорост, както и разстояние. Разглеждането на няколко кадъра отнема поне толкова време, колкото заснемането на кадрите, но обикновено повече.

Една ситуация, която може да бъде проблем, е движението по магистралата зад по-голямо превозно средство. Представете си, че пред това превозно средство има камион, заседнал на рамото, залепнал в платното. Това се случва често с катастрофи и аварийни автомобили. Внезапно голямото превозно средство пред вас се отклонява надясно, за да избегне препятствието, и вие виждате този спрял камион за първи път. Наистина нямате много време за спиране или завиване и може дори да нямате къде да отидете. Ако трябва да погледнете 3 кадъра от видеото, за да видите, че то наистина не се движи, това вероятно е 1/10 от секундата загубена, а това е ситуация, в която може да има значение. Така че много екипи търсят начини да постигнат това предимство и са го намерили най-вече в LIDAR, които могат да измерват „Доплер“, за да знаят скоростта на всичко, което ударят с лазера. Радарите също познават скоростта, но светът е пълен със спрели обекти, отразяващи радара, и е трудно да се различи спрялото превозно средство от спрялата мантинела до него.

Поемане на дългия път

Накратко ще спомена, че причината е един известен отбор – TeslaTSLA
– все още не е готов е, че се опитват умишлено да направят проблема по-труден. Докато всеки екип използва интензивно компютърно зрение, Tesla иска да го накара да работи само с компютърно зрение и само с камери от 2016 г. Повечето други екипи също добавят по-добри камери, LIDAR, радар и карти към своята кутия с инструменти. Tesla иска пробив във визията, който може да го направи по-евтино. Казват, че всички тези допълнителни инструменти са разсейващи. Но останалата част от индустрията иска да използва всички инструменти, за да го направи по-рано, макар и на по-висока цена, и смята, че Tesla се осакатява. Засега, въз основа на качеството на продукта – Tesla FSD е сериозно далеч назад – другите са прави, въпреки че състезанието не е приключило.

Това е част първа. Част втора разглежда неща като това да бъдеш добър гражданин на пътищата, защо робокарите се разполагат в един град наведнъж, вместо навсякъде наведнъж, и проблемите при справянето с по-обикновена логистика като спиране, за да вземем ездачи, бизнес модели, приложения и да се притеснявате твърде много за безопасността, докато карате правителствата и обществеността да ви приемат. Също така ще изброя няколко фактора, върху които се работи, но не са истински блокери за внедряването. Очаквайте втора част в следващите дни.

Някои смятат, че фактът, че нямат или се возят в робокар през 2022 г., означава, че развитието изостава значително от графика. В действителност никога не е имало сериозен график, а само надежди, но всъщност този списък от проблеми вдъхва оптимизъм, защото тези оставащи проблеми като цяло изглеждат разрешими. Необходими са упорит труд и пари, а не пробив, за да се справите с повечето от тях.

Очаквайте втора част във видео и текстова форма

Можете да оставяте коментари на тази страница или на страницата с видео.