מדוע אין לך עדיין מכונית לנהיגה עצמית? סדרה זו בת שני חלקים מסבירה את הבעיות הגדולות שנותרו

אנשים שואלים לעתים קרובות, "איפה המכונית שלי לנהיגה עצמית?" "למה אין לי אחד ומתי הוא יגיע?" הרבה אנשים מרגישים שהבטיחו להם מכונית עד סוף שנות ה-20 וזה מאוחר, ואולי לא מגיע, כמו המכוניות המעופפות שדיברו עליהן לפני עשרות שנים.

בסדרה זו בת שני מאמרים (עם סרטונים נלווים) בואו נסתכל על הסיבות המרכזיות לכך שאתם כנראה לא נוסעים במכונית רובוקאר היום, ומתי זה עלול לקרות. מהן סוגיות הליבה הטכנולוגיות, המשפטיות והחברתיות העומדות בדרך, ואילו נושאים למעשה אינם חוסמים?

עבור רובנו, המכוניות האלה לא יכולות להגיע לכאן מהר מספיק. יש להם הבטחה להימנע מחלק הגון מתאונות הדרכים של היום שהורגות למעלה ממיליון בכל שנה ברחבי העולם. הם יקלו על חיינו וישכתבו את עקרונות התחבורה. בכך, הם ישכתבו מחדש את המקום שבו אנו חיים ואת טבעה של העיר, כמו גם עשרות תעשיות אחרות מאנרגיה ועד קמעונאות. בכל יום שאנו מתעכבים להוציא את הדברים האלה לכביש בנפח, אלפים ימותו בידי אנשים שלא היו צריכים לנהוג. כל יום אנחנו מתעכבים.

כמובן, זה קשה

שיהיה ברור, הסיבה הכי גדולה ש"זה לוקח כל כך הרבה זמן" היא שזה קשה. אחד מפרויקטי מחקר התוכנה הגדולים ביותר שנעשו אי פעם. זה דרש לא רק תוכנה פורצת דרך, אלא גם טונות של עבודה מפורטת בתוך העשבים השוטים בהתמודדות עם מספר רב של מקרים מיוחדים ומיפוי העולם וכל הקמטים שבו. כל מי שחשב או חושב שאפשר להעביר את זה לפי לוח זמנים טועה ומעולם לא עבד בתוכנה לפני כן. כשחברות רכב זרקו תאריכים כמו 2020, אלו היו תקוות, לא תחזיות, ושכמה חברות טכנולוגיה ממש הצליחו לעשות זאת היה מדהים. פרויקטים רב-שנתיים הדורשים פריצות דרך לעולם אינם צפויים במדויק.

אף אחד עם רקע תוכנה לא יזדעזע כלל אם תחזיות לפרויקט כה גדול שנעשו לפני שנים רבות אינן מדויקות. כך שהדברים אינם "אחרי לוח הזמנים", גם אם הם לא עמדו בתקוות אופטימיות. זה גם אומר שדברים נעשים בצעדים קטנים יותר.

עם זאת, החוסם הגדול ביותר הוא לא בעצם לעשות את זה (כלומר לעשות את זה בטוח) אלא לדעת שעשית את זה.

מוכיח שבאמת עשית את זה בטוח

המטרה הטכנולוגית הראשונה הייתה פשוט לגרום לזה לקרות. ליצור מכונית שיכולה לנהוג בעצמה בבטחה. זה הישג אדיר, אבל לפחות בכמה ערים, כמה חברות כבר הצליחו לעשות זאת. נהיגה בטוחה יותר מהאדם הממוצע נעשתה על ידי חברות כמו Waymo ברחובות הקלים של פיניקס. זה היה "החלק הקשה" - אבל חלק עוד יותר קשה הוא להגדיר מהי בטיחות, למדוד אותה ולהוכיח שעשית את זה. אתה צריך להוכיח את זה לעצמך, לדירקטוריון שלך, לעורכי הדין שלך, לציבור, ואולי אפילו לממשלה. בדיוק כפי שהחיסון של Moderna Covid היה מוכן בפברואר 2020, לפני הנעילה הראשונה, העולם חיכה 10 חודשים - בעוד מיליון אנשים מתו בלעדיו - לפני שנתן לאנשים הראשונים לקבל זריקה. חיכינו שהם יוכיחו שהם עשו את זה.

מדידת בטיחות היא די קשה. אנו יודעים באיזו תדירות נהגים אנושיים חווים תאונות מכל הסוגים, החל מתקלות קלות ועד הרוגים. הרוגים קורים בערך כל 80 מיליון מיילים בארה"ב, או בערך 2 מיליון שעות נסיעה. אנחנו לא יכולים לבדוק כל גרסת תוכנה באמירה, "בואו נגרום לה לנסוע מיליארד קילומטרים ולראות אם היא הורגת פחות מתריסר האנשים שהיו מתים אם בני אדם ייסעו כל כך רחוק." זה מרחק בלתי אפשרי לנסוע בכבישים אמיתיים אפילו פעם אחת, שלא לדבר על כל גרסה חדשה. אנחנו עלולים לנהוג הרבה פחות, ולספור תקלות ותאונות קלות - למעשה זה הטוב ביותר שמצאנו עד כה כי זה לפחות אפשרי - אבל אנחנו לא בטוחים אם זה קשור לפציעות עם רובוטים באותו אופן עושה עם אנשים.

רבים מתחילים בדרך המסורתית של תעשיית הרכב. הם בודקים כל רכיב של הרכבים שלהם כדי לוודא שהוא אמין ועומד במפרט. הם מנסים לעשות את זה עם מערכות של רכיבים, אבל המתודולוגיה הזו הופכת לקשה כשהדברים נעשים מורכבים יותר. זה נקרא בטיחות תפקודית - הם הרכיבים והמערכות נקיים מפגמים והאם הם יטפלו בתקלות פוטנציאליות ידועות.

לאחרונה היה יותר מאמץ להעלות את זה לרמת מערכת ולנסות לבדוק את "בטיחות הפונקציונליות המיועדת". עם SOTIF, צוותים עובדים כדי להבטיח שמערכות שלמות ימשיכו לתפקד, הן עם בעיות וכשלים ברכיבים, והן עם שימוש לרעה צפוי. זה כרוך לעתים קרובות בהדמיה של המערכת כולה, או חלקים ממנה, או הדמיית "חומרה בלולאה" שהיא קלה ובטוחה יותר מבדיקה חיה בכבישים.

בדיקת סימולציה מציעה את היכולת לבדוק מערכת במיליוני תרחישים שונים. כל דבר שמישהו אי פעם ראה או שמע או או חלם עליו - עם מאות וריאציות קלות של כל הדברים האלה.

אולי הדבר הקשה ביותר לבדיקה, אבל הדבר שאתה הכי רוצה לדעת, הוא עד כמה מערכת מגיבה למצבים שלא נראו קודם לכן. בעוד שאתה יכול ליצור בדיקות סימולציה כדי לדעת שהרכב עושה טוב כמעט בכל המצבים הצפויים, יכולת קסם גדולה של מוחות אנושיים היא היכולת להתמודד עם בעיות שטרם נראו. AIs יכולים לעשות זאת, אבל הם לא כל כך טובים. בסופו של דבר, נקווה לדרך לקבל תרחישים חדשים, מציאותיים ומסוכנים בכל יום. זה טוב שהיום המכונית שלך תוכנתה להתמודד עם כל מה שמישהו חשב עליו, אבל תקן הזהב האמיתי עשוי להיות לזרוק 20 מצבים חדשים שלא נראתה מעולם, כל יום, ולגלות שהיא מטפלת ברובם. אפילו בני אדם לא מטפלים בכולם. זה דבר אחד שאני מקווה לראות קורה דרך פרויקט בריכת בטיחות, שעזרתי ליזום עם הפורום הכלכלי העולמי, Deepen.AI ואוניברסיטת וורוויק.

אפילו עם כל הסימולציה אתה צריך גם לבדוק בשידור חי על הכביש. אף אחד לא הולך לפרוס מכונית שלא הראתה שהיא מתמודדת טוב מאוד עם העולם האמיתי. אמנם יקר, המערכת של שימוש בנהגי בטיחות אנושיים לפיקוח על פעולות הרובוקר היא למעשה רקורד מעולה, ואינה מסכנת את הציבור בהשוואה לנהיגה אנושית רגילה.

בתעשייה, כל חברה נופלת על עצמה כדי לתאר עד כמה היא מסורה לבטיחות. תפקידם לייצר רכב בטוח, אבל הם משמיעים את ההצהרות הללו כדי לרצות את הפקידים והציבור. למרבה האירוניה, האינטרס הציבורי הוא לא לייצר את הרובוקארים הבטוחים ביותר, אלא הכבישים הבטוחים ביותר. רובוקארים הם כלי שיכול להביא כבישים בטוחים יותר, וככל שהם יגיעו לכאן מוקדם יותר כך הם יעשו זאת מוקדם יותר ויותר. גורמים רשמיים, אם היו לוקחים ברצינות את חובתם לשפר את הבטיחות הכללית בדרכים, היו למעשה מעודדים חברות לא ללכת רחוק מדי בבטיחות, ובמקום זאת להתמקד בפריסה המהירה ביותר של טכנולוגיה בטוחה יותר - גם אם יעשו פחות כדי להוכיח שהיא בטוחה כשהפריסה קטנה , גורם לזה לקרות מהר יותר. אבל הם לעולם לא יעשו זאת, בגלל האופן שבו החברה מגיבה לטעויות ולסיכון.

מרכיב שני בבטיחות הוא אבטחת סייבר. אנחנו צריכים שהמכוניות האלה יהיו חזקות נגד ניסיונות להשתלט עליהן. יש אנשים שלא אוהבים לדבר על אבטחת סייבר, אבל ההיסטוריה העבר של תעשיית הרכב לא הייתה נהדרת. פעולה זו כוללת לא רק שיטות וכלים מאובטחים, אלא גם מה שנקרא "צוות אדום", שבו צוות של האקרים מומחים בעלי כובע לבן צדים מבחוץ כדי למצוא נקודות תורפה עד שהם לא מוצאים עוד. כלי חשוב נוסף הוא צמצום הקישוריות, או מה שאנשי אבטחה מכנים "משטחי תקיפה". רבים בתעשייה אובססיביים לגבי מה שהם מדמיינים שהוא "המכונית המחוברת" וטועים בקישוריות כמהפכה גדולה כמו נהיגה עצמית. זה לא, לא מרחוק. יש צורך בקישוריות מסוימת, אך יש להשתמש בה במשורה כדי שהמהפכה האמיתית תישאר מאובטחת.

אחד האתגרים הגדולים ביותר לבדיקה הוא השימוש הרחב בלמידת מכונה על ידי כל צוותי הרובוקאר. למידת מכונה היא כלי בינה מלאכותית עצומה, ורובם מרגישים שזהו כלי חיוני, אבל היא נוטה לייצר כלים של "קופסה שחורה" שמקבלים החלטות, אבל אף אחד לא מבין אותם לגמרי. אם אתה לא יודע איך מערכת עובדת או למה היא נכשלת או עושה את הדבר הנכון, קשה לבדוק ולאשר אותה. באירופה, הם חוקקו חוקים שדורשים שכל AI יהיה "ניתן להסבר" ברמה מסוימת, אבל רשתות למידת מכונה רבות קשה מאוד להסביר. זה מפחיד, אבל הם כל כך חזקים שאנחנו לא נוותר עליהם. ייתכן שאנו עומדים בפני קופסה שחורה שבטוחה פי שניים בבדיקה מאשר מערכת הניתנת להסבר, ויש טיעונים משכנעים שאנשים טוענים בעד כל אחת מהאפשרויות.

חיזוי העתיד

רובוקאר מכוסה בחיישנים, כגון מצלמות, מכ"מים, לייזר LIDAR ועוד. חיישנים הם כנראה ההיבט המדובר ביותר של החומרה, אבל למעשה חיישנים לא אומרים לך מה אתה רוצה לדעת בכלל. זה בגלל שחיישנים אומרים לך איפה הדברים נמצאים עכשיו, אבל לא כל כך אכפת לך מזה. אכפת לך איפה הדברים הולכים להיות בעתיד. המידע מהחיישנים הוא רק רמז לקראת המטרה האמיתית של חיזוי העתיד. לדעת היכן משהו נמצא וכמה מהר הוא זז זו התחלה טובה, אבל לדעת מה הוא חשוב לא פחות כדי לדעת היכן הוא יהיה. רוב העצמים על הכביש או בקרבתו אינם בליסטיים - אדם אחראי ויכול לשנות מסלול. זו הסיבה שאחד מתחומי המפתח של המחקר כיום משתפר בניבוי מה עומדים לעשות האחרים על הכביש, במיוחד בני האדם. זה יכול לנוע בין ידיעת התנהגות נהיגה לבירור אם הולך רגל שעומד בפינה עומד להיכנס למעבר החציה או גולש באינטרנט.

בעוד שכמה צוותים התקדמו מאוד, מסתבר שאנשים טובים יותר מהרובוטים של היום בניבוי אנשים אחרים. להשתפר בזה היא אחת הבעיות המרכזיות ברשימת המטלות, במיוחד בסביבות מורכבות יותר כמו ערים עסוקות. חיזוי העתיד כרוך גם בחיזוי כיצד אחרים יגיבו לתנועות שלך ולתנועות החזויות של אחרים. מיזוג נתיב או פנייה שמאלה לא מוגנת יכולים להיות ריקוד עם תן וקח, ורובוקארים ינסו כל הזמן לשפר את הדרך שבה הם מצליחים.

חישה מהר יותר

חיישנים עשויים להיות רק אמצעי למטרה האמיתית, אבל ככל שהם מצליחים יותר, כך תוכל לחזות טוב יותר את העתיד הזה. הצוותים עדיין מחפשים להפוך חיישנים למהירים יותר כדי להפוך את התפיסה והניבוי למהירים יותר. דבר אחד שחשוב הוא לדעת את המהירות של חפצים נעים. רדאר אומר לך את זה, אבל מצלמות ומצלמות LIDAR ישנות יותר לא, אלא אם כן אתה מסתכל על מספר פריימים. כמה LIDARs חדשים יותר יכולים לומר לך מהירות כמו גם מרחק. הסתכלות על מספר פריימים לוקח לפחות זמן כמו לקיחת הפריימים, אבל בדרך כלל יותר.

מצב אחד שיכול להוות בעיה הוא לנוע על הכביש המהיר מאחורי רכב גדול יותר. תארו לעצמכם שלפני הרכב הזה נמצאת משאית שנתקעה על הכתף, תקועה בנתיב. זה קורה הרבה עם תאונות ורכבי חירום. פתאום הרכב הגדול שלפניכם סוטה ימינה כדי להתחמק מהמכשול, ואתה רואה את המשאית שנתקעה בפעם הראשונה. באמת שאין לך הרבה זמן לבלום או לסטות, ואולי אפילו אין לך לאן ללכת. אם אתה צריך להסתכל על 3 פריימים של וידאו כדי לראות שהוא אכן לא זז, זה כנראה 1/10 שנייה מבוזבז, וזה מצב שזה יכול לעניין. אז הרבה צוותים מחפשים דרכים להשיג את היתרון הזה, והם מצאו אותו בעיקר ב-LIDARs שיכולים למדוד "דופלר" כדי לדעת את המהירות של כל מה שהם פגעו בלייזר. מכ"מים יודעים גם מהירות, אבל העולם מלא בעצמים עצורים המשקפים מכ"ם, וקשה להבחין בין הרכב שעצר ממעקה הבטיחות העצור שלידו.

לוקחים את הדרך הארוכה

אזכיר בקצרה זאת סיבה לקבוצה מפורסמת אחת - טסלהTSLA
– עדיין לא מוכן הוא שהם מנסים להקשות בכוונה את הבעיה. בעוד שכל צוות עושה שימוש רב בראייה ממוחשבת, טסלה רוצה לגרום לזה לעבוד רק עם ראייה ממוחשבת ורק עם מצלמות משנת 2016. רוב הצוותים האחרים מוסיפים לארגז הכלים שלהם מצלמות טובות יותר, LIDAR, מכ"ם ומפות. טסלה רוצה פריצת דרך בחזון שיכולה לעשות זאת בזול יותר. הם אומרים שכל הכלים הנוספים האלה הם הסחות דעת. אבל שאר התעשייה רוצה להשתמש בכל הכלים כדי לעשות את זה מוקדם יותר, אם במחיר גבוה יותר, וחושבים שטסלה משתקת את עצמה. עד כה, בהתבסס על איכות המוצר - טסלה FSD נמצאת ברצינות הרחק מאחור - האחרים צודקים, למרות שהמרוץ לא הסתיים.

זה חלק ראשון. חלק שני בוחן דברים כמו להיות אזרח טוב של הכבישים, מדוע רובוקארים נפרסים עיר אחת בכל פעם במקום בכל מקום בו-זמנית, והבעיות של התמודדות עם לוגיסטיקה ארצית יותר כמו עצירה כדי לאסוף נוסעים, מודלים עסקיים, אפליקציות, ולדאוג יותר מדי לבטיחות תוך כדי לגרום לממשלות ולציבור לקבל אותך. אפרט גם כמה גורמים שעובדים עליהם אך אינם חוסמים אמיתיים לפריסה. חפשו את החלק השני בימים הקרובים.

חלקם מרגישים שהעובדה שאין להם או נוסעים ברכב רובוט בשנת 2022 פירושה שהפיתוח נמצא בפיגור בלוח הזמנים. במציאות, מעולם לא היה לוח זמנים רציני, רק תקוות, אבל למעשה, רשימת הבעיות הזו מבשרת אופטימיות, כי הבעיות הנותרות הללו נראות בדרך כלל ניתנות לפתרון. צריך עבודה קשה וכסף, לא פריצות דרך כדי להתמודד עם רובם.

הישארו מעודכנים לחלק השני, בצורת וידאו וטקסט

אתה יכול להשאיר תגובות בעמוד זה, או בדף הסרטון.