Neden Hala Kendi Kendini Süren Bir Arabanız Yok? Bu 2 Parçalı Dizi, Kalan Büyük Sorunları Açıklıyor

İnsanlar genellikle “Kendi kendine giden arabam nerede?” Diye soruyor. “Neden bende yok ve ne zaman gelecek?” Pek çok insan, 20'li yaşların sonlarında kendilerine bir araba sözü verildiğini ve on yıllar önce bahsedilen uçan arabalar gibi geç kalındığını ve belki de gelmeyeceğini düşünüyor.

Bu iki makalelik seride (videolarla birlikte), bugün muhtemelen bir robocar'a binmemenizin temel nedenlerine ve bunun ne zaman olabileceğine bakalım. Yolda duran temel teknolojik, yasal ve sosyal sorunlar nelerdir ve hangi sorunlar aslında engelleyici değildir?

Çoğumuz için bu arabalar buraya yeterince erken gelemez. Her yıl dünya çapında bir milyondan fazla insanın ölümüne neden olan günümüzün araba kazalarının makul bir kısmından kaçınma sözü veriyorlar. Hayatımızı kolaylaştıracak ve ulaşımın ilkelerini yeniden yazacaklar. Bunu yaparken, yaşadığımız yeri ve şehrin doğasını ve ayrıca enerjiden perakendeye düzinelerce başka endüstriyi yeniden yazacaklar. Bunları yollara çıkarmayı geciktirdiğimiz her gün, binlerce insan araba kullanmaması gereken insanların ellerinde ölecek. Her gün erteliyoruz.

tabiki zor

Açık olmak gerekirse, “bu kadar uzun sürmesinin” en büyük nedeni zor olmasıdır. Şimdiye kadar üstlenilen en büyük yazılım araştırma projelerinden biri. Sadece çığır açan bir yazılım değil, aynı zamanda çok sayıda özel durumla uğraşan ve dünyayı ve tüm kırışıklıklarını haritalayan yabani otlarda tonlarca ayrıntılı çalışma gerektirdi. Bir programa göre teslim edilebileceğini düşünen veya düşünen herkes yanlıştır ve daha önce hiç yazılımda çalışmamıştır. Araba şirketleri 2020 gibi tarihleri ​​attığında bunlar tahmin değil umuttu ve bazı teknoloji şirketlerinin bunu başarması gerçekten şaşırtıcıydı. Atılım gerektiren çok yıllı projeler asla doğru bir şekilde tahmin edilemez.

Yıllar önce yapılmış böylesine büyük bir proje için yapılan tahminler doğru olmazsa, yazılım geçmişine sahip hiç kimse şok olmaz. Bu nedenle, iyimser umutları karşılamasalar bile, işler “programın gerisinde” değildir. Bu aynı zamanda işlerin daha küçük adımlarla yapıldığı anlamına gelir.

Ancak en büyük engel, bunu gerçekten yapmak değil (yani güvenli hale getirmek) değil, yaptığınızı bilmektir.

Gerçekten güvenli hale getirdiğini kanıtlamak

İlk teknolojik hedef, sadece gerçekleşmesini sağlamaktı. Kendi kendine güvenli bir şekilde gidebilen bir araba yapmak. Bu büyük bir başarı, ancak en azından birkaç şehirde, birkaç şirket bunu çoktan başardı. Ortalama bir insandan daha güvenli sürüş, Phoenix'in kolay sokaklarında Waymo gibi şirketler tarafından yapıldı. Bu "zor kısım"dı - ancak daha da zor olan kısım, güvenliğin ne olduğunu tanımlamak, ölçmek ve bunu yaptığınızı kanıtlamak. Bunu kendinize, yönetim kurulunuza, avukatlarınıza, halka ve hatta belki de hükümete kanıtlamanız gerekiyor. Tıpkı Moderna Covid aşısının ilk karantinadan önce Şubat 2020'de hazır olduğu gibi, dünya ilk insanların aşı olmasına izin vermeden önce 10 ay bekledi - bir milyon insan onsuz öldü. Yaptıklarını kanıtlamalarını bekledik.

Güvenliği ölçmek oldukça zordur. İnsan sürücülerin, küçük kazalardan ölümlere kadar her türden kazayı ne sıklıkla yaşadığını biliyoruz. Ölümler, ABD'de yaklaşık her 80 milyon mil veya yaklaşık 2 milyon saatlik sürüş sırasında meydana gelmektedir. Her yazılım sürümünü, “Bir milyar mil sürsün ve insanlar o kadar uzağa gitse ölecek bir düzine insandan daha azını öldürüp öldürmediğini görelim” diyerek test edemeyiz. Bırakın her yeni versiyonu, gerçek yollarda bir kez bile sürmek imkansız bir mesafe. Çok daha az araba kullanabilir ve kazaları ve küçük kazaları sayabiliriz – aslında şu ana kadar bulduğumuz en iyi şey bu çünkü en azından mümkün – ancak bunun robotlarla aynı şekilde yaralanmalarla ilgili olup olmadığından emin değiliz. insanlarla yapar.

Birçoğu geleneksel otomobil endüstrisi yolunu başlatır. Güvenilir ve spesifikasyona uygun olduğundan emin olmak için araçlarının her bir bileşenini test ederler. Bunu bileşen sistemleriyle yapmaya çalışıyorlar, ancak işler daha karmaşık hale geldiğinde bu metodoloji zorlaşıyor. Buna işlevsel güvenlik denir - bileşenler ve sistemler hatasızdır ve bilinen olası arızaları gidereceklerdir.

Daha yakın zamanlarda, bunu bir sistem düzeyine çıkarmak ve "Amaçlanan İşlevselliğin Güvenliğini" test etmeye çalışmak için daha fazla çaba gösterildi. SOTIF ile ekipler, tüm sistemlerin hem sorunlar hem de bileşen arızaları ve beklenen yanlış kullanımla birlikte çalışmaya devam etmesini sağlamak için çalışır. Bu genellikle tüm sistemin veya parçalarının simülasyonunu veya yollarda canlı testten daha kolay ve daha güvenli olan “döngüdeki donanım” simülasyonunu içerir.

Simülasyon testi, bir sistemi milyonlarca farklı senaryoda test etme yeteneği sunar. Herhangi birinin gördüğü, duyduğu veya hayal ettiği her şey - tüm bunların yüzlerce küçük varyasyonuyla.

Belki de test edilmesi en zor şey, ancak en çok bilmek istediğiniz şey, bir sistemin daha önce hiç görülmemiş durumlara ne kadar iyi tepki verdiğidir. Aracın neredeyse tüm beklenen durumlarda iyi çalıştığını bilmek için simülasyon testleri oluşturabilirsiniz, ancak insan zihninin büyük bir sihir yeteneği, daha önce hiç görülmemiş sorunları çözme kapasitesidir. AI'lar bunu yapabilir, ancak o kadar iyi değiller. Sonunda, her gün yeni, gerçekçi, tehlikeli senaryolar almanın bir yolunu umardık. Bugün arabanızın herkesin düşündüğü her şeyi halledecek şekilde programlanmış olması güzel, ancak gerçek altın standart, her gün daha önce hiç görülmemiş 20 yeni durum ortaya atmak ve bunların çoğunu idare ettiğini bulmak olabilir. İnsanlar bile hepsiyle baş edemez. Bu, gerçekleşmesini görmeyi umduğum bir şey Güvenlik Havuzu projesiDünya Ekonomik Forumu, Deepen.AI ve Warwick Üniversitesi ile başlatılmasına yardım ettiğim.

Tüm simülasyonlarda bile, yolda canlı olarak test etmeniz gerekir. Gerçek dünyayı çok iyi idare ettiğini göstermeyen bir arabayı kimse kullanamaz. Pahalı olsa da, robocar operasyonlarını denetlemek için insan güvenliği sürücülerini kullanma sistemi aslında mükemmel bir geçmişe sahiptir ve sıradan insan sürüşüne kıyasla halkı tehlikeye atmaz.

Sektörde, her şirket kendini güvenliğe ne kadar adadığını anlatmak için kendini aşıyor. Güvenli araç yapmak onların işi ama bu açıklamaları yetkilileri ve halkı memnun etmek için yapıyorlar. İronik olarak, kamu yararı en güvenli robocarları yapmak değil, daha çok en güvenli yollar. Robocarlar daha güvenli yollar getirebilecek bir araçtır ve buraya ne kadar erken gelirlerse bunu o kadar çabuk ve daha iyi yapacaklardır. Yetkililer, genel karayolu güvenliğini iyileştirmeye yönelik görevlerini ciddiye alsalardı, aslında şirketleri güvenlik konusunda fazla ileri gitmemeye ve bunun yerine daha güvenli teknolojinin en hızlı dağıtımına odaklanmaya teşvik ediyor olurdu - dağıtım küçük olduğunda güvenli olduğunu kanıtlamak için daha az şey yapsalar bile , daha hızlı olmasını sağlar. Ancak toplumun hatalara ve riske tepki verme şekli nedeniyle asla olmayacaklar.

Güvenliğin ikinci bir bileşeni siber güvenliktir. Onları ele geçirme girişimlerine karşı dayanıklı olmak için bu arabalara ihtiyacımız var. Bazı insanlar siber güvenlik hakkında konuşmaktan hoşlanmazlar, ancak otomobil endüstrisinin geçmiş tarihi çok iyi olmamıştır. Bunu yapmak, yalnızca güvenli uygulamaları ve araçları değil, aynı zamanda uzman beyaz şapkalı bilgisayar korsanlarından oluşan bir ekibin daha fazlasını bulana kadar güvenlik açıklarını bulmak için dışarıdan avlandığı “kırmızı ekip oluşturma” olarak adlandırılan şeyi de içerir. Bir diğer önemli araç, bağlantıyı veya güvenlik görevlilerinin "saldırı yüzeyleri" dediği şeyi en aza indirmektir. Sektördeki birçok kişi, "bağlantılı araba" olduğunu düşündükleri şeye kafayı takmış durumda ve bağlanabilirliği kendi kendine sürüş kadar büyük bir devrimle karıştırıyor. Değil, uzaktan değil. Bazı bağlantılara ihtiyaç vardır, ancak gerçek devrimin güvende kalabilmesi için dikkatli kullanılmalıdır.

Test için en büyük zorluklardan biri, tüm robocar ekipleri tarafından makine öğreniminin yaygın olarak kullanılmasıdır. Makine öğrenimi son derece güçlü bir AI aracıdır ve çoğu kişi bunun gerekli olduğunu düşünür, ancak kararlar veren ancak kimsenin tam olarak anlamadığı “kara kutu” araçları üretme eğilimindedir. Bir sistemin nasıl çalıştığını veya neden başarısız olduğunu veya doğru şeyi yaptığını bilmiyorsanız, onu test etmek ve onaylamak zordur. Avrupa'da, tüm AI'ların bir düzeyde "açıklanabilir" olmasını talep eden yasalar yapıyorlar, ancak birçok makine öğrenimi ağını açıklamak çok zor. Bu korkutucu, ama o kadar güçlüler ki onlardan vazgeçmeyeceğiz. Açıklanabilir bir sistem olarak test etmede iki kat daha güvenli olan bir kara kutu ile karşı karşıya kalabiliriz ve insanların her iki seçenek lehinde yaptıkları zorlayıcı argümanlar vardır.

Geleceği tahmin etmek

Bir robocar, kameralar, radarlar, LIDAR lazerleri ve daha fazlası gibi sensörlerle kaplıdır. Sensörler muhtemelen donanımın en çok tartışılan yönüdür, ancak aslında sensörler size ne bilmek istediğinizi hiç söylemez. Bunun nedeni, sensörlerin size işlerin şu anda nerede olduğunu söylemesidir, ancak bununla pek ilgilenmiyorsunuz. Gelecekte işlerin nerede olacağını umursuyorsun. Sensörlerden gelen bilgiler, geleceği tahmin etmenin gerçek amacına yönelik sadece bir ipucu. Bir şeyin nerede olduğunu ve ne kadar hızlı hareket ettiğini bilmek iyi bir başlangıçtır, ancak nerede olacağını bilmek kadar onun ne olduğunu bilmek de önemlidir. Yoldaki veya yakınındaki nesnelerin çoğu balistik değildir - sorumlu bir insandır ve rotayı değiştirebilir. Bu nedenle, günümüzün en önemli araştırma alanlarından biri, yoldaki diğerlerinin, özellikle de insanların ne yapacağını tahmin etmede daha iyi hale geliyor. Bu, sürüş davranışını bilmekten köşede duran bir yayanın yaya geçidine girmek üzere olup olmadığını veya internette sörf yapıp yapmadığını anlamaya kadar değişebilir.

Birkaç takım büyük ilerleme kaydetmiş olsa da, insanların diğer insanları tahmin etmede günümüz robotlarından daha iyi olduğu ortaya çıktı. Bunda daha iyi olmak, özellikle yoğun şehirler gibi daha karmaşık ortamlarda yapılacaklar listesindeki en önemli sorunlardan biridir. Geleceği tahmin etmek aynı zamanda başkalarının sizin hareketlerinize ve diğerlerinin tahmin edilen hareketlerine nasıl tepki vereceğini tahmin etmeyi de içerir. Bir şerit birleştirme veya korumasız bir sola dönüş, ver ve al ile bir dans olabilir ve robocarlar sürekli olarak nasıl yaptıklarını geliştirmeye çalışacaklardır.

Daha hızlı algılama

Sensörler yalnızca gerçek hedef için bir araç olabilir, ancak ne kadar iyi yaparlarsa, o geleceği o kadar iyi tahmin edebilirsiniz. Ekipler, algı ve tahminleri daha hızlı hale getirmek için hala sensörleri daha hızlı hale getirmeye çalışıyor. Önemli olan bir şey, hareket eden nesnelerin hızını bilmektir. Radar size bunu söyler, ancak birden fazla kareye bakmadığınız sürece kameralar ve eski LIDAR'lar bunu yapmaz. Bazı yeni LIDAR'lar size mesafenin yanı sıra hızı da söyleyebilir. Birden çok kareye bakmak, en az kareleri çekmek kadar zaman alır, ancak genellikle daha fazla zaman alır.

Sorun olabilecek bir durum, otoyolda daha büyük bir aracın arkasında hareket etmektir. O aracın önünde, şeride yapışmış bir kamyonun omzunda durduğunu hayal edin. Bu, kazalarda ve acil durum araçlarında çok olur. Aniden önünüzdeki büyük araç engelden kaçmak için sağa sapar ve ilk defa o durmuş kamyonu görürsünüz. Gerçekten fren yapmak veya sapmak için fazla zamanınız yok ve gidecek hiçbir yeriniz bile olmayabilir. Gerçekten hareket etmediğini görmek için 3 kare videoya bakmanız gerekiyorsa, bu muhtemelen 1/10 saniyenin boşa gitmesi demektir ve bu önemli olabilecek bir durumdur. Bu yüzden birçok takım bu avantajı elde etmenin yollarını arıyor ve lazerle vurdukları her şeyin hızını bilmek için "Doppler" ölçebilen LIDAR'larda bunu buldular. Radarlar hızı da bilir, ancak dünya radarı yansıtan durmuş nesnelerle doludur ve durdurulan aracı yanındaki durmuş korkuluktan ayırt etmek zordur.

Uzun Yol Almak

Kısaca bahsedeceğim, bir nedenden ünlü bir takım – TeslaTSLA
– henüz hazır değiller, sorunu kasıtlı olarak daha da zorlaştırmaya çalışıyorlar. Her takım bilgisayarlı görüden yoğun bir şekilde yararlanırken Tesla, 2016'dan itibaren yalnızca bilgisayarla görü ve yalnızca kameralarla çalışmasını sağlamak istiyor. Diğer takımların çoğu da araç kutularına daha iyi kameralar, LIDAR, radar ve haritalar ekliyor. Tesla, bunu daha ucuza yapabilecek bir vizyon atılımı istiyor. Tüm bu ekstra araçların dikkat dağıtıcı olduğunu söylüyorlar. Ancak endüstrinin geri kalanı, daha büyük bir maliyetle bunu daha erken yapmak için tüm araçları kullanmak istiyor ve Tesla'nın kendisini sakatladığını düşünüyor. Şimdiye kadar, ürünün kalitesine göre – Tesla FSD ciddi anlamda çok geride – yarış bitmemiş olsa da diğerleri haklı.

Bu birinci bölüm. İkinci bölüm, yolların iyi bir vatandaşı olmak, robocarların neden aynı anda her yere değil de her seferinde bir kasabaya yerleştirildiği ve sürücüleri almak için kenara çekmek, iş modelleri gibi daha sıradan lojistikle uğraşmanın sorunları gibi şeylere bakıyor. uygulamalar ve hükümetlerin ve halkın sizi kabul etmesini sağlarken güvenlik konusunda çok fazla endişelenmek. Ayrıca üzerinde çalışılmakta olan ancak dağıtıma gerçek engel teşkil etmeyen birkaç faktörü de listeleyeceğim. Önümüzdeki günlerde ikinci bölümü arayın.

Bazıları, 2022'de bir robocar'a sahip olmadıklarını veya onlara binmediklerini, gelişimin programın çok gerisinde olduğu anlamına geldiğini düşünüyor. Gerçekte, hiçbir zaman ciddi bir program yoktu, sadece umutlar vardı, ama aslında bu sorunlar listesi iyimserliği de beraberinde getiriyor, çünkü bu kalan sorunlar genellikle çözülebilir görünüyor. Çoğunun üstesinden gelmek için atılımlara değil, çok çalışmaya ve paraya ihtiyaç vardır.

Video ve metin biçiminde ikinci bölüm için bizi izlemeye devam edin

Bu sayfaya veya video sayfasına yorum bırakabilirsiniz.