Samojezdne samochody są już od jakiegoś czasu za rogiem, a wiele firm i producentów samochodów stawia na nie jako kolejny krok transportu i rozwiązanie dla dużego natężenia ruchu, a także wypadków drogowych. Były obietnice pełnego dostarczenia tej technologii już w 2015 roku. Obietnica wciąż niespełniona, co dokładnie się stało?

Historia

Podróż w kierunku nowoczesnych samojezdnych samochodów rozpoczęła się w 2005 roku od konkursu samochodów autonomicznych Darpa, w którym uniwersytety i hobbyści uczestniczyli w pustyniach Nevady, aby wygrać nagrodę pieniężną w wysokości 2 milionów dolarów. Dwoma głównymi pretendentami byli Uniwersytet Stanforda i Uniwersytet Carnegie Mellon. Robot Stanley Stanforda ostatecznie zwyciężył i zajął pierwsze miejsce. Zespołem Stanforda kierował Sebastion Thrun, doktor informatyki z Niemiec, który później został profesorem informatyki na Uniwersytecie Stanforda.

Robot, który zespół zbudował na potrzeby zawodów, był wyposażony w wiele czujników, LIDAR, radar i system kamer 360 stopni, czyli wyposażenie, które stało się obecnie warunkiem wstępnym każdego przedsięwzięcia związanego z samojezdnym samochodem. Thrun powiedział, że zespół Stanforda zakończył cały miesiąc przed zawodami i przypisał swój sukces skupieniu się głównie na rozwijaniu oprogramowania, a nie na ulepszaniu sprzętu, jak inne zespoły. Stanley miał ponad 100 000 linii kodu oprogramowania do obsługi samochodu, a także do interpretacji danych z czujników i wykonywania decyzji nawigacyjnych. Ten konkurs był początkiem ery nowoczesnych samojezdnych samochodów, nędzne 2 miliony dolarów rządowych pieniędzy lata później stworzyły przemysł o wartości 100 miliardów dolarów, inżynierowie biorący udział w tym wyzwaniu założyli projekty i start-upy, takie jak Cruise, Waymo, UBER self jazda lista jest długa. Pierwszym zdobytym talentem był zwycięski zespół. W 2007 roku, Sergey Brin, współzałożyciel Google, zwrócił się do Thruna z prośbą o wykorzystanie technologii i postęp osiągnięty w wyzwaniu. Nazywał się Google X Lab, program księżycowy. Ich pierwszym celem było sporządzenie mapy całego świata, aby zrobić widok ulicy dla Map Google; wyczyn wymagałby miliona kilometrów danych mapowania dróg. Na przejażdżkę zabrali innego absolwenta wyzwania z 2005 roku, Anthony'ego Lewandowskiego, który założył 510 Systems, firmę produkującą zaawansowany sprzęt do mapowania. Zaraz po dołączeniu do zespołu Google X Labs udał się do pobliskiego salonu Toyoty w Palo Alto i zamówił 100 Toyot Priuse. Zespół wyposażył samochody w sprzęt systemowy 510 i zaczął mapować Dolinę Krzemową. Projekt okazał się wielkim sukcesem, a następnie został powiększony w celu mapowania innych regionów i udoskonalania produktu Google Maps. Korzystając z sukcesu Street View, zespół poczuł się przygotowany do zajęcia się samodzielną jazdą, uruchomił projekt szofera, który później został nazwany Waymo.

Rozwiązania brutalnej siły

Dziś społeczeństwo ma dostęp do samojezdnych samochodów Waymo w Phoenix w Arizonie, gdzie użytkownicy mogą zamówić samochód Waymo z taką samą wygodą, jak Uber. Pojazdy Waymo nie mają bezpiecznych sterowników, co wymagało dokładnego odwzorowania co do centymetra dróg feniksa i lobbowania z lokalnymi władzami. W 2018 roku w Arizonie miał miejsce pierwszy śmiertelny incydent z pojazdem autonomicznym. UBER, firma, która zainteresowała się samojezdnymi samochodami jako sposobem na osiągnięcie zysku, wydała ponad miliard dolarów na tę koncepcję, obstawiając, czy uda im się usunąć zakontraktowanych kierowców z ich działalności. modelu mogą mieć bardziej odpowiednie marginesy. Uber samojezdny samochód wędrował nocą w trakcie testów, za kierownicą znajdował się kierowca bezpieczeństwa, który obserwował pojazd na wypadek, gdyby popełnił błędy. Pieszy przechodził przez jezdnię z rowerem, a samochód nie wykrył osoby przed nim. Kierowca bezpieczeństwa przeglądał telefon i podniósł wzrok dopiero, gdy było już za późno. Ta tragedia mocno uderzyła w branżę, wykreśliła zespół samojezdnych UBER, który został sprzedany kilka miesięcy po incydencie. Ustawodawcy zaostrzyli ograniczenia dotyczące samojezdnych samochodów, inwestycje w branży utknęły w martwym punkcie. Prawodawcy później zezwolili firmom na wznowienie działalności, gdy tragedia była mniej relacjonowana w mediach. Tesla przez cały ten czas wciąż opowiadała się za samojezdnymi samochodami jako technologią, którą odblokuje w ciągu zaledwie roku. W 2020 roku wypuściła pełną samojezdną wersję beta FSD, w której właściciele Tesli mogli zarejestrować się, aby korzystać z oprogramowania, jeśli osiągnęli dobre wskaźniki jazdy Tesli. Gdy kierowca był uprawniony, zostałby przyjęty, doprowadziło to do napływu zwariowanych materiałów FSD do Internetu, przy czym technologia jest wciąż przedwczesna. Kierowcy spali z oprogramowaniem za sterami w nadziei, że złapią więcej snu podczas porannego szczytu. Mimo że FSD Tesli wymaga od kierowcy uważności i okazjonalnego trzymania rąk na kierownicy, gdy oprogramowanie jest aktywowane, kierowcy wymyślili wybryki, aby oszukać oprogramowanie, takie jak stukanie przedmiotami w kierownicę, aby oprogramowanie myślało, że kierowca nadal zwraca uwagę . Pojawiły się wypadki samochodowe, a rodziny zmarłych i osoby, które przeżyły, obwiniają FSD za wypadki. Chcąc obniżyć koszty i czas produkcji, Tesla rozebrał i usunął czujniki radarowe ze swoich samochodów i przeszedł tylko na aparat. Doprowadziło to do licznych problemów, takich jak oślepianie oprogramowania do samodzielnego prowadzenia przez odblaski światła słonecznego. Zespół prawny Tesli we wszystkich przypadkach stwierdził, że FSD nie spowodował żadnego z właścicieli wypadków samochodowych, a media donosiły, co jest dziwne, biorąc pod uwagę, że Tesla wbudowała mechanizm, który dezaktywuje FSD w swoich pojazdach przed uderzeniem w przedmioty. Tak więc te doniesienia właścicieli Tesli wskazujące na błędy FSD w przypadku awarii są prawdziwe, po prostu ich Tesla poinformował ich, aby chwycili kierownicę przed uderzeniem. To przydatna sztuczka dla Tesli, aby uniknąć odpowiedzialności za słabości ich oprogramowania. Niemniej jednak jest to najmniejszy z problemów Tesli, firma została pozwana przez Sąd Okręgowy Północnej Kalifornii za posiadanie lekkomyślnego zaawansowanego systemu wspomagania kierowcy, który powoduje, że ich pojazdy przejeżdżają na czerwonych światłach, omijają zakręty i skręcają w ruch drogowy, co kosztuje właścicieli Tesli tysiące. Jest również oskarżany przez Kalifornijski Departament Pojazdów Motorowych o fałszywą reklamę dotyczącą jej autopilota i reklam FSD. National Highway Traffic and Safety Administration lub NHTSA bada również 16 wypadków, w których autopilot i FSD zostały aktywowane i zderzyły się z nieruchomymi pojazdami uprzywilejowanymi. Obie kwestie prawne są nadal w toku, ale nie wróżą dobrze ambicjom Tesli w zakresie robotaxis. Nawet dyrektor generalny firmy, Elon Musk, zrewidował swoje wcześniejsze uwagi i powiedział, że samodzielna jazda była o wiele trudniejsza, niż sobie wyobrażał. Andrej Karpathy, dyrektor Tesla AI, zespół stojący za FSD, ogłosił swoje odejście w lipcu 2022 r., Karpathy, badacz ze Stanford i wykładowca wizji komputerowej, opuścił firmę, aby ponownie zająć się nauczaniem. Właściciele Tesli uznali to za znak, że prawdziwa samodzielna jazda w Tesli wciąż jest daleka od materializacji. Cruise, startup składający się z inżynierów i dyrektora generalnego, Kyle'a Vogta, który również zaznaczył swoją obecność w konkursie Darpa Challenge 2005, poczynił duże postępy w komercjalizacji pojazdów autonomicznych. W czerwcu 2022 roku stan Kalifornia wydał Cruise zezwolenie na oferowanie płatnych przejazdów pojazdami autonomicznymi bez wymogu posiadania kierowców bezpieczeństwa. To był pierwszy raz, kiedy stan to zrobił, co czyni go ogromnym przełomem dla branży, aby wylądować w dwóch stanach, Arizonie i Kalifornii, które ustanowiły zezwolenia dla pojazdów autonomicznych. Firma Cruise rozpoczęła od udostępnienia swoich usług konsumentom w niektórych częściach San Francisco, działając tylko w nocy, aby zminimalizować błędy i przeszkody. Mimo to było kilka garbów we wdrażaniu technologii, w listopadzie 2022 r. ich pojazdy spowodowały zatrzymanie ruchu w ruchliwym czasie. Flota pozornie przypadkowo zamarzła na drodze. Zdarzenie zarejestrowali świadkowie zdarzenia, ich samochody zatrzymywały się również na torach kolejowych i blokowały wozy strażackie podczas wezwań alarmowych. Ponieważ ich pojazdy nie mają kierowcy bezpieczeństwa i nie można nimi zdalnie sterować, technicy rejsowi są wysyłani, aby ręcznie przejąć kontrolę nad pojazdem, gdy pojawią się problemy.

Odblokowanie sztucznego kierowcy

Tak więc, jak daleko jesteśmy od zdolności do samodzielnej jazdy przewidzianej w filmach science fiction, obecnie istnieje 5 poziomów autonomii. Od zera do dwóch kierowca nadal panuje nad pojazdem, ten zakres obejmuje głównie aplikacje wspomagające jazdę, takie jak czujniki martwego pola, tempomat oraz utrzymywanie pasa ruchu. Od trzech do pięciu kierowca puszcza ręce z kierownicy, a samochód może jechać z półautonomicznego poziomu 3 do w pełni autonomicznego poziomu piątego. Na poziomie czwartym i piątym nie oczekuje się, że kierowca w ogóle przejmie kontrolę. Waymo i Cruise znajdują się na poziomie czwartym, podczas gdy Tesla nadal na poziomie 2. Dzisiejsze podejścia do jazdy autonomicznej w dużym stopniu polegają na uczeniu maszynowym, aby wyposażyć samochody do jazdy w każdych warunkach. Ale to podejście wymaga ogromnych ilości danych, Andrej Karpathy słynie z powiedzenia, że ​​sprowadza się to do jednego pytania: „Masz flotę czy nie?”. Większość zadań, w których wyróżnia się uczenie maszynowe, to te, w których pozyskiwanie danych jest proste i, co najważniejsze, niskie ryzyko. Szkolenie robotów do jazdy po drogach publicznych wiąże się z dużym ryzykiem, dlatego przedsiębiorstwa podejmują poważne środki ostrożności. Większość zaczyna od modelowania regionu, w którym chcą rozpocząć samodzielną jazdę, w celu zbudowania symulatora, w którym robot może bezpiecznie nauczyć się prowadzić i nawigować. Nazywa się to „real to sim”, gdy robot trenował przez tysiące lat w symulatorze, może bezpiecznie wdrożyć się do świata rzeczywistego i kontynuować naukę. To byłoby symulowane. Ale ostatnie próby symulacji do rzeczywistości nie idą zgodnie z planem, a dane ze świata rzeczywistego wciąż znacznie wyprzedzają najlepsze symulatory. Eksperci postrzegają teraz samodzielną jazdę jako problem sztucznej inteligencji ogólnej lub AGI, AGI to termin spopularyzowany przez Bena Goertzela, znanego kognitywistę i badacza AI. AGI różni się od AI tym, że zamiast być dobrym w jednym zadaniu, AGI może uogólnić, aby nauczyć się wielu zadań z małymi ilościami danych, jak ludzie. Na przykład odblokowanie piątego poziomu autonomii, w którym robot może jeździć we wszystkich przypadkach, oznaczałoby, że robot mógłby jeździć po prawej stronie drogi w USA i równie łatwo nauczyć się jeździć po lewej stronie drogi w Indiach bez robot jest ponownie szkolony od podstaw, tak jak mógłby to zrobić turysta. Większość ludzi potrzebuje tylko 30 godzin doświadczenia, aby nauczyć się prowadzić. Ta umiejętność uczenia się na kilku przykładach jest czymś, czego nie są w stanie osiągnąć obecne techniki samodzielnej jazdy z uczeniem maszynowym. Naukowcy szacują, że przy obecnych technikach do osiągnięcia poziomu 5 potrzebne będzie 8,8 miliarda mil autonomicznej jazdy, nawet przy flocie 100 samochodów jadących 24 godziny na dobę ze średnią prędkością 25 mil na godzinę osiągnięcie tego celu zajęłoby 4 wieki. Dlatego AGI wydaje się bardziej praktyczne, ale ścieżka badawcza w kierunku AGI jest nadal w dużej mierze nieznana. Odblokowanie ludzkiego poznania wciąż pozostaje tajemnicą.