Selbstfahrende Autos sind schon seit einiger Zeit um die Ecke, und viele Unternehmen und Autohersteller setzen darauf, dass sie der nächste Schritt des Transports und eine Lösung für starken Verkehr und Verkehrsunfälle sind. Es wurde versprochen, diese Technologie bereits 2015 vollständig auszuliefern. Ein noch nicht erfülltes Versprechen, was genau ist passiert?

Geschichte

Der Weg zu modernen selbstfahrenden Autos begann 2005 mit Darpas fahrerlosem Autowettbewerb, bei dem Universitäten und Hobbyisten in den Wüsten von Nevada teilnahmen, um ein Preisgeld von 2 Millionen US-Dollar zu gewinnen. Die beiden Hauptkonkurrenten waren die Stanford University und die Carnegie Mellon University, Stanfords Stanley-Roboter kam schließlich an die Spitze und wurde Erster. Das Stanford-Team wurde von Sebastion Thrun geleitet, einem promovierten Informatiker aus Deutschland, der später Informatikprofessor an der Stanford University wurde.

Der Roboter, den das Team für den Wettbewerb gebaut hat, war mit mehreren Sensoren, LIDAR, Radar und einem 360-Grad-Kamerasystem ausgestattet, eine Ausrüstung, die heute zur Voraussetzung für jedes selbstfahrende Auto geworden ist. Thrun sagte, dass das Stanford-Team einen ganzen Monat vor dem Wettbewerb fertig war und seinen Erfolg darauf zurückführte, dass er sich hauptsächlich auf die Entwicklung seiner Software konzentrierte, anstatt seine Hardware wie andere Teams zu aktualisieren. Stanley hatte über 100.000 Zeilen Softwarecode, um das Auto zu betreiben, Sensordaten zu interpretieren und Navigationsentscheidungen auszuführen. Dieser Wettbewerb war die Geburtsstunde der Ära der modernen selbstfahrenden Autos, schlappe 2 Millionen Dollar an Regierungsgeldern haben Jahre später eine 100-Milliarden-Dollar-Industrie hervorgebracht, die Ingenieure aus dieser Herausforderung würden später Projekte und Start-ups wie Cruise, Waymo und UBER self gründen fahren die liste geht weiter. Das erste Talent, das geschnappt wurde, war das Gewinnerteam. 2007 wandte sich Sergey Brin, Mitbegründer von Google, an Thrun, um auf der Technologie und den Fortschritten aufzubauen, die bei der Herausforderung erzielt wurden. Es hieß Google X Lab, ein Moonshot-Programm. Ihr erstes Ziel war es, die ganze Welt zu kartieren, um eine Straßenansicht für Google Maps zu erstellen; Das Kunststück würde eine Million Kilometer Straßenkartierungsdaten erfordern. Sie brachten einen weiteren Absolventen der Herausforderung von 2005 mit, Anthony Lewandowski, er hatte 510 Systems gegründet, ein Unternehmen, das fortschrittliche Kartierungshardware herstellt. Gerade als er dem Team von Google X Labs beitrat, ging er zu einem Toyota-Händler in der Nähe in Palo Alto und bestellte 100 Toyota Priuse. Das Team stattete die Autos mit 510 Systemhardware aus und begann mit der Kartierung des Silicon Valley. Das Projekt war ein großer Erfolg und wurde dann auf die Kartierung anderer Regionen ausgeweitet und das Produkt Google Maps verbessert. Nach dem Erfolg von Street View fühlte sich das Team bereit, das Selbstfahren in Angriff zu nehmen, und startete das Projekt Chauffeur, das später Waymo genannt wurde.

Brute-Force-Lösungen

Heute kann die Öffentlichkeit auf die selbstfahrenden Autos von Waymo in Phoenix, Arizona, zugreifen, wo Benutzer ein Waymo-Auto mit dem gleichen Komfort anfordern können wie Uber. Die Fahrzeuge von Waymo haben keine Sicherheitsfahrer, eine Errungenschaft, die zentimetergenaue Kartierungsdaten von Phoenix-Straßen und Lobbyarbeit bei der lokalen Regierung erforderte. Im Jahr 2018 ereignete sich in Arizona der erste tödliche Vorfall mit autonomen Fahrzeugen. UBER, ein Unternehmen, das von selbstfahrenden Fahrzeugen als Methode, um profitabel zu werden, angezogen wurde, investierte mehr als eine Milliarde Dollar in das Konzept und wettete, ob es Vertragsfahrer aus seinem Geschäft entfernen kann Modell können sie geeignetere Margen haben. Das überaus selbstfahrende Auto streifte nachts herum und wurde getestet, es gab einen Sicherheitsfahrer am Steuer, der das Fahrzeug überwachte, falls es Fehler machte. Ein Fußgänger ging mit einem Fahrrad über die Straße und das Auto erkannte die Person vor ihm nicht. Der Sicherheitsfahrer durchsuchte sein Telefon und schaute erst auf, als es zu spät war. Diese Tragödie traf die Branche hart, sie löschte das selbstfahrende Team von UBER, das Monate nach dem Vorfall verkauft wurde. Und der Gesetzgeber verschärfte die Beschränkungen für selbstfahrende Autos, die Investitionen in die Branche waren ins Stocken geraten. Der Gesetzgeber erlaubte den Unternehmen später, den Betrieb wieder aufzunehmen, sobald die Tragödie weniger Medienberichterstattung erhielt. Tesla hatte sich während all dessen immer noch für selbstfahrende Autos als eine Technologie eingesetzt, die in nur einem Jahr freigeschaltet werden würde. Im Jahr 2020 veröffentlichte es die vollständige Selbstfahr- oder FSD-Beta, bei der sich Tesla-Besitzer für die Nutzung der Software anmelden konnten, wenn sie die guten Fahrkennzahlen von Tesla erfüllten. Sobald ein Fahrer teilnahmeberechtigt war, wurde er zugelassen, Dies führte zu einem Zustrom von verrücktem FSD-Material online, wobei die Technologie noch verfrüht war. Die Fahrer schliefen mit der Software am Steuer in der Hoffnung, während der morgendlichen Hektik mehr Schlaf zu bekommen. Obwohl Teslas FSD vom Fahrer verlangt, aufmerksam zu sein und gelegentlich die Hände am Lenkrad zu haben, wenn die Software aktiviert ist, haben sich die Fahrer Possen ausgedacht, um die Software auszutricksen, wie z . Es kam zu Autounfällen, bei denen Familien der Verstorbenen und Überlebende FSD für die Unfälle verantwortlich machten. Um die Herstellungskosten und -zeiten zu reduzieren, hat Tesla die Radarsensoren aus ihren Autos entfernt und nur noch mit der Kamera ausgestattet. Dies führte zu zahlreichen Schluckaufen, wie zum Beispiel, dass die selbstfahrende Software durch das grelle Sonnenlicht geblendet wurde. Das Rechtsteam von Tesla hat in allen Fällen gesagt, dass FSD keinen der Autounfälle verursacht hat, und die Medien haben berichtet, was bizarr ist, wenn man bedenkt, dass Tesla einen Mechanismus eingebaut hat, der FSD in ihren Fahrzeugen vor dem Aufprall auf Gegenstände deaktiviert. Diese Berichte von Tesla-Besitzern, die auf die Fehler von FSD für Unfälle hinweisen, sind also wahr, es ist nur so, dass ihr Tesla sie informiert hat, vor dem Aufprall das Steuer zu übernehmen. Es ist ein praktischer Trick für Tesla, sich der Verantwortung für die Schwächen ihrer Software zu entziehen. Nichtsdestotrotz ist dies das geringste Problem von Tesla. Das Unternehmen wurde vom California Northern District Court verklagt, weil es ein rücksichtsloses fortschrittliches Fahrerassistenzsystem hat, das dazu führt, dass seine Fahrzeuge rote Ampeln überfahren, Abbiegungen verpassen und in den Verkehr geraten, was Tesla-Besitzer Tausende kostet. Es wird auch vom kalifornischen Kraftfahrzeugministerium wegen falscher Werbung in Bezug auf seine Autopilot- und FSD-Anzeigen beschuldigt. Die National Highway Traffic and Safety Administration (NHTSA) untersucht außerdem 16 Unfälle, bei denen Autopilot und FSD aktiviert wurden und mit stehenden Einsatzfahrzeugen kollidierten. Beide Rechtsangelegenheiten sind noch nicht abgeschlossen, verheißen aber nichts Gutes für Teslas Robotaxis-Ambitionen. Sogar der CEO des Unternehmens, Elon Musk, hat seine früheren Bemerkungen revidiert und gesagt, dass das Selbstfahren weitaus herausfordernder sei, als er es sich vorgestellt hatte. Andrej Karpathy, der Direktor von Tesla AI, dem Team hinter FSD, gab seinen Abgang im Juli 2022 bekannt. Karpathy, ein Stanford-Forscher und Dozent für Computer Vision, verließ das Unternehmen, um sich wieder dem Unterrichten zu widmen. Tesla-Besitzer werteten dies als Zeichen dafür, dass echtes Selbstfahren bei Tesla noch weit davon entfernt ist. Cruise, ein Startup bestehend aus Ingenieuren und einem CEO, Kyle Vogt, der sich auch bei der Darpa Challenge 2005 einen Namen gemacht hat, hat große Fortschritte bei der Kommerzialisierung autonomer Fahrzeuge gemacht. Im Juni 2022 erteilte der Bundesstaat Kalifornien Cruise eine Genehmigung, kostenpflichtige Fahrten mit autonomen Fahrzeugen anzubieten, ohne dass Sicherheitsfahrer erforderlich sind. Dies war das erste Mal, dass der Staat dies tat, was es für die Branche zu einem großen Durchbruch machte, zwei Staaten, Arizona und Kalifornien, an Land zu ziehen, die Genehmigungen für autonome Fahrzeuge erteilt haben. Cruise hat mit der Einführung seiner Dienste für Verbraucher in Teilen von San Francisco begonnen und arbeitet nur nachts, um Fehler und Hindernisse zu minimieren. Trotzdem gab es beim Einsatz der Technologie einige Hürden, im November 2022 sorgten ihre Fahrzeuge dafür, dass der Verkehr zu einer geschäftigen Zeit ins Stocken geriet. Die Flotte war scheinbar willkürlich auf der Straße eingefroren. Passanten hielten den Vorfall fest, ihre Autos hielten auch auf Gleisen und blockierten Feuerwehrautos bei Notrufen. Da ihre Fahrzeuge keinen Sicherheitsfahrer haben und nicht ferngesteuert werden können, werden Kreuzfahrttechniker geschickt, um manuell die Kontrolle über das Fahrzeug zu übernehmen, wenn Probleme auftreten.

Entsperren des künstlichen Fahrers

Wie weit sind wir also von der Selbstfahrfähigkeit entfernt, die in Science-Fiction-Filmen vorgesehen ist? Derzeit gibt es 5 Stufen der Autonomie. Von null bis zwei behält der Fahrer weiterhin die Kontrolle über das Fahrzeug, diese Reihe umfasst hauptsächlich Fahrassistenzanwendungen wie Toter-Winkel-Sensoren, Tempomat sowie Spurhalteassistent. Bei drei bis fünf lässt der Fahrer die Hände vom Lenkrad und das Auto kann von der teilautonomen Stufe 3 bis zur vollautonomen Stufe fünf fahren. Auf Stufe vier und fünf soll der Fahrer überhaupt nicht übernehmen. Waymo und Cruise befinden sich auf Level vier, während Tesla immer noch auf Level 2 liegt. Selbstfahrende Ansätze verlassen sich heute stark auf maschinelles Lernen, um die Autos so auszustatten, dass sie unter allen Bedingungen fahren können. Aber dieser Ansatz erfordert enorme Datenmengen, Andrej Karpathy hat bekanntlich gesagt, dass es auf eine Frage hinausläuft: „Haben Sie die Flotte oder nicht?“. Die meisten Aufgaben, bei denen sich maschinelles Lernen auszeichnet, sind solche, bei denen die Erfassung von Daten einfach und vor allem risikoarm ist. Das Training von Robotern für das Fahren auf öffentlichen Straßen ist ein hohes Risiko und führt dazu, dass Unternehmen große Vorsichtsmaßnahmen treffen. Die meisten beginnen damit, die Region zu modellieren, in der sie selbstfahrende Operationen starten möchten, um einen Simulator zu bauen, in dem der Roboter sicher fahren und navigieren lernen kann. Dies wird Real to Sim genannt, nachdem der Roboter Tausende von Jahren im Simulator trainiert hat, kann er sicher in der realen Welt eingesetzt werden und weiter lernen. Das wäre sim to real. Aber die jüngsten Versuche von Sim to Real verlaufen nicht wie geplant, da Daten aus der realen Welt den besten Simulatoren immer noch weit voraus sind. Experten sehen das Selbstfahren heute als ein Problem der künstlichen allgemeinen Intelligenz oder des AGI. AGI ist ein Begriff, der von Ben Goertzel, einem berühmten Kognitionswissenschaftler und KI-Forscher, populär gemacht wurde. AGI unterscheidet sich von KI darin, dass AGI, anstatt nur in einer Aufgabe gut zu sein, verallgemeinern kann, um mehrere Aufgaben mit kleinen Datenmengen wie Menschen zu lernen. Zum Beispiel würde das Freischalten der Autonomiestufe 5, bei der der Roboter in allen Fällen fahren kann, bedeuten, dass der Roboter in den USA auf der rechten Straßenseite fahren und in Indien genauso leicht lernen könnte, auf der linken Straßenseite zu fahren Der Roboter wird von Grund auf neu trainiert, wie es ein Tourist könnte. Die meisten Menschen brauchen nur 30 Stunden Erfahrung, um Autofahren zu lernen. Diese Fähigkeit, mit wenigen Beispielen zu lernen, ist etwas, das aktuelle Selbstfahrtechniken mit maschinellem Lernen nicht erreichen können. Forscher schätzen, dass mit aktuellen Techniken 8,8 Milliarden Meilen autonomes Fahren für Level 5 benötigt werden, selbst mit einer Flotte von 100 Autos, die 24 Stunden am Tag mit einer durchschnittlichen Geschwindigkeit von 25 Meilen pro Stunde fahren, würde es 4 Jahrhunderte dauern, um dieses Ziel zu erreichen. Daher erscheint AGI praktischer, aber der Forschungspfad zu AGI ist noch weitgehend unbekannt. Die Entschlüsselung der menschlichen Kognition ist immer noch ein Rätsel.