自動運転車をまだ持っていないのはなぜですか? この 2 部構成のシリーズでは、残っている大きな問題について説明します

「私の自動運転車はどこ？」とよく聞かれます。 「なぜ私はそれを持っていないのですか？それはいつ来るのですか？」 多くの人は、20代後半までに車を約束されたと感じていますが、数十年前に話された空飛ぶ車のように、遅く、おそらく来ないでしょう.

この XNUMX 回の記事シリーズ (付随するビデオ付き) では、現在ロボカーに乗らない可能性が高い主な理由と、それが起こる可能性がある時期について見ていきましょう。 立ちはだかる技術的、法律的、社会的問題の核心は何か、そして実際に妨げにならない問題は何か?

私たちのほとんどにとって、これらの車はすぐには到着しません。 世界中で毎年 XNUMX 万人以上が死亡している今日の自動車事故のかなりの部分を回避できる可能性があります。 それらは私たちの生活を楽にし、輸送の原則を書き直します。 そうすることで、彼らは私たちが住んでいる場所と都市の本質、そしてエネルギーから小売業までの他の何十もの産業を書き換えます. 毎日、これらのことを大量に路上に出すのを遅らせています。何千人もの人々が、運転すべきではなかった人々の手で亡くなっています. 毎日私たちは遅れています。

もちろん大変です

はっきり言って、「時間がかかる」最大の理由は難しいからです。 これまでに行われた最大のソフトウェア研究プロジェクトの 2020 つです。 画期的なソフトウェアだけでなく、膨大な数の特殊なケースを処理し、世界とそのすべてのしわをマッピングする雑草の中で、大量の詳細な作業が必要でした. スケジュールどおりに配信できると考えている、または考えている人は誰でも間違っており、ソフトウェアで働いたことはありません。 自動車会社が XNUMX 年のような日付を打ち出したとき、それは予測ではなく希望であり、一部のテクノロジー企業が実際にそれを実現したことは驚くべきことでした。 ブレークスルーを必要とする複数年にわたるプロジェクトは、正確に予測されることはありません。

何年も前に行われたこのような壮大なプロジェクトの予測が正確でなかったとしても、ソフトウェアのバックグラウンドを持つ人はまったくショックを受けません。 したがって、楽観的な期待に応えられなかったとしても、物事は「予定より遅れている」わけではありません。 これは、物事がより小さなステップで行われていることも意味します。

ただし、最大の阻害要因は、実際にそれを行うこと (つまり、安全にすること) ではなく、自分がそれを行ったことを知っていることです。

本当に安全だったことを証明する

最初の技術的目標は、それを実現することでした。 安全に自動運転できるクルマをつくる。 これは大きな成果ですが、少なくともいくつかの都市では、すでにいくつかの企業が成功しています。 平均的な人間よりも安全に運転することは、フェニックスの簡単な通りで Waymo のような企業によって行われています。 それは「難しい部分」でしたが、さらに難しい部分は、安全とは何かを定義し、それを測定し、それを達成したことを証明することです. それを自分自身に、取締役会に、弁護士に、一般の人々に、そしておそらく政府に対しても証明する必要があります。 2020 年 10 月にモデルナ Covid ワクチンの準備が整ったように、最初のロックダウンの前に、世界は XNUMX か月間待っていましたが、XNUMX 万人がワクチンなしで死亡しましたが、最初の人々がワクチン接種を受けられるようになりました。 彼らがそれをしたことを証明するのを待ちました。

安全性を測定するのはかなり難しいです。 人間のドライバーが、軽度のへこみから死亡事故まで、あらゆる種類の衝突事故を起こす頻度はわかっています。 米国では約 80 万マイルごとに、または約 2 万時間の運転で死亡者が発生しています。 すべてのソフトウェア バージョンをテストして、「XNUMX 億マイルも運転してみて、人間がそこまで運転した場合に死亡する数 XNUMX 人より少ないかどうかを確認してみましょう」と言ってテストすることはできません。 新しいバージョンごとに、ましてや実際の道路を一度でも運転するのは不可能な距離です。 運転の回数を大幅に減らして、へこみや軽微なクラッシュを数えることもできます。実際、これは少なくとも可能なので、これまでに思いついた中で最高のものです。人で行います。

多くの人が伝統的な自動車産業のやり方から始めます。 彼らは、車両の各コンポーネントをテストして、信頼性と仕様に適合していることを確認します。 コンポーネントのシステムでそれを行おうとしますが、物事が複雑になるとその方法論は難しくなります。 これは機能安全と呼ばれます。コンポーネントとシステムに欠陥がなく、既知の潜在的な障害に対処できるかどうかです。

最近では、これをシステム レベルにまで引き上げ、「意図した機能の安全性」をテストしようとする取り組みが増えています。 SOTIF を使用すると、チームは、問題やコンポーネントの障害、および予想される誤用の両方で、システム全体が引き続き機能することを保証するために働きます。 これには、多くの場合、システム全体またはその一部のシミュレーション、または路上での実際のテストよりも簡単で安全な「ループ内のハードウェア」シミュレーションが含まれます。

シミュレーション テストは、何百万もの異なるシナリオでシステムをテストする機能を提供します。 誰もが見たこと、聞いたこと、または夢見たことのあるものすべてに、何百ものわずかなバリエーションがあります。

テストが最も難しいことかもしれませんが、最も知りたいことは、システムがこれまでにない状況にどれだけうまく対応するかということです。 ほぼすべての予想される状況で車両がうまく機能することを確認するためのシミュレーション テストを作成できますが、人間の心の優れた魔法の能力は、これまでにない問題を処理する能力です。 AI はこれを行うことができますが、それほど優れたものではありません。 最終的には、毎日新しい、現実的で危険なシナリオを取得する方法を望んでいます. 今日、あなたの車が誰もが考えたことすべてを処理するようにプログラムされているのは良いことですが、本当のゴールドスタンダードは、毎日、これまでに見たことのない20の新しい状況を投げかけ、それらのほとんどを処理することを見つけることかもしれません. 人間でさえ、それらすべてを処理できるわけではありません。 それは私が望んでいることのXNUMXつです。 安全プールプロジェクト、私は世界経済フォーラム、Deepen.AI、およびウォリック大学と協力して開始しました。

すべてのシミュレーションを行っても、実際に路上でテストする必要があります。 現実の世界をうまく処理できることを示していない車を配備する人はいません。 費用はかかりますが、人間の安全ドライバーを使用してロボカーの操作を監督するシステムは、実際には優れた実績があり、通常の人間の運転に比べて一般市民を危険にさらすことはありません。

業界では、すべての企業が自分たちの安全への取り組みを説明するために自分自身をひっくり返します。 安全な車を作るのは彼らの仕事ですが、彼らは当局や一般の人々を喜ばせるためにこれらの宣言をしています. 皮肉なことに、公益は最も安全なロボカーを作ることではなく、 最も安全な道路. ロボカーは、より安全な道路をもたらすツールであり、ここに到着するのが早ければ早いほど、より早くより良い結果をもたらすでしょう。 公務員が全体的な交通安全を改善する義務を真剣に受け止めた場合、実際には、企業が安全に行き過ぎるのではなく、より安全な技術の迅速な展開に焦点を当てるように促すことになるでしょう。 、それをより速く実現します。 しかし、社会がエラーやリスクに反応する方法のために、彼らは決してそうしません。

安全の XNUMX 番目の要素はサイバーセキュリティです。 これらの車は、乗っ取ろうとする試みに対して堅牢である必要があります。 サイバーセキュリティについて話すことを好まない人もいますが、自動車業界の過去の歴史は素晴らしいものではありませんでした。 これを行うには、セキュアなプラクティスとツールだけでなく、「レッド チーム」と呼ばれるものも必要です。これは、専門家のホワイト ハット ハッカーのチームが、脆弱性が見つからなくなるまで外部から探し回るというものです。 もう XNUMX つの重要なツールは、接続性、つまりセキュリティ担当者が「攻撃面」と呼ぶものを最小限に抑えることです。 業界の多くの人々は、自分たちが想像する「コネクテッド カー」に夢中になっており、コネクティビティを自動運転と同じくらい大きな革命と誤解しています。 そうではなく、リモートではありません。 ある程度の接続性は必要ですが、真の革命を安全に保つためには控えめに使用する必要があります。

テストの最大の課題の XNUMX つは、すべてのロボカー チームが機械学習を幅広く使用することです。 機械学習は非常に強力な AI ツールであり、ほとんどの人が不可欠なものだと感じていますが、決定を下すものの誰も完全に理解していない「ブラック ボックス」ツールを生成する傾向があります。 システムがどのように機能しているか、なぜ失敗するのか、または正しいことを行うのかがわからない場合、システムをテストして認定することは困難です。 ヨーロッパでは、すべての AI がある程度「説明可能」であることを要求する法律を制定していますが、多くの機械学習ネットワークは説明が非常に困難です。 それは怖いですが、彼らはとても強力なので、あきらめることはできません. テストにおいて、説明可能なシステムよりも XNUMX 倍安全なブラック ボックスに直面する可能性があります。

未来を予測する

ロボカーは、カメラ、レーダー、LIDAR レーザーなどのセンサーで覆われています。 センサーはおそらくハードウェアの最も議論されている側面ですが、実際には、センサーはユーザーが知りたいことをまったく教えてくれません。 センサーは物事が今どこにあるかを教えてくれるからですが、あなたはそれについてあまり気にしません. あなたは物事が将来どうなるかを気にします。 センサーからの情報は、未来を予測するという真の目標への手がかりにすぎません。 何かがどこにあり、どれだけ速く動いているかを知ることは良い出発点ですが、それが何であるかを知ることは、それがどこにあるのかを知ることと同じくらい重要です. 道路上または道路近くの物体のほとんどは弾道ではありません。人間が責任を負い、コースを変更できます。 そのため、今日の研究の重要な分野の XNUMX つは、路上で他の人、特に人間が何をしようとしているのかを予測することです。 これは、運転行動の把握から、角に立っている歩行者が横断歩道に入ろうとしているかどうか、または Web サーフィンを行っているかどうかの把握にまで及びます。

いくつかのチームが大きな進歩を遂げましたが、他の人を予測することに関しては、今日のロボットよりも人間の方が優れていることがわかりました. これを改善することは、特に忙しい都市のようなより複雑な環境では、ToDo リストの重要な問題の XNUMX つです。 未来を予測することには、他の人が自分の動きや予測された他の人の動きにどのように反応するかを予測することも含まれます. 車線の合流や無防備な左折はギブ アンド テイクのダンスになる可能性があり、ロボカーはそのやり方を常に改善しようとします。

センシングの高速化

センサーは本当の目的を達成するための手段に過ぎないかもしれませんが、機能が良ければ良いほど、その未来をより正確に予測できます。 チームは、認識と予測を高速化するために、センサーの高速化を引き続き検討しています。 重要なことの XNUMX つは、移動するオブジェクトの速度を知ることです。 レーダーはそれを教えてくれますが、複数のフレームを見ない限り、カメラや古い LIDAR は教えてくれません。 最近の LIDAR の中には、距離だけでなく速度も教えてくれるものがあります。 複数のフレームを見るには、少なくともフレームを取得するのと同じくらいの時間がかかりますが、通常はそれ以上の時間がかかります。

問題になる可能性のある状況の 3 つは、高速道路を大型車の後ろで移動することです。 その車両の前方にトラックが路肩に停車し、車線にはみ出していると想像してください。 それは事故や緊急車両でよく起こります。 目の前の大型車が障害物を避けるために突然右折し、失速したトラックを初めて目にしました。 ブレーキをかけたり方向を変えたりする時間は本当に少なく、どこにも行けないかもしれません。 実際に動いていないことを確認するためにビデオの 1 フレームを見なければならない場合、それはおそらく 10 分の XNUMX 秒の無駄であり、これは問題になる可能性がある状況です。 そのため、多くのチームがその優位性を得る方法を探しており、主に「ドップラー」を測定してレーザーでヒットしたすべての速度を知ることができる LIDAR で見つけました。 レーダーも速度を認識していますが、世界にはレーダーを反射する停止している物体がたくさんあり、停止している車両とその隣にある停止しているガードレールを見分けるのは困難です。

長い道のり

ある有名なチーム、テスラの理由を簡単に述べます。TSLA
– まだ準備ができていないということは、意図的に問題を難しくしようとしているということです。 すべてのチームがコンピューター ビジョンを多用していますが、Tesla は 2016 年からコンピューター ビジョンとカメラのみで動作するようにしたいと考えています。他のほとんどのチームは、より優れたカメラ、LIDAR、レーダー、地図をツールボックスに追加しています。 テスラは、それをより安くできるビジョンのブレークスルーを望んでいます。 彼らは、これらの余分なツールはすべて気を散らすものだと言います。 しかし、業界の残りの部分は、より多くの費用がかかるとしても、すべてのツールを使用してより早く完了したいと考えており、Tesla 自体が機能不全に陥っていると考えています。 これまでのところ、製品の品質に基づいて、Tesla FSD は大きく遅れをとっていますが、競争は終わっていませんが、他の人は正しいです。

それがパートXNUMXです。 パート XNUMX では、道路の善良な市民であること、ロボカーが一度にどこにでも配備されるのではなく、一度に XNUMX つの町に配備される理由、乗客をピックアップするために停車するなどのより平凡なロジスティクスに対処する際の問題、ビジネス モデル、政府や一般の人々にあなたを受け入れてもらう一方で、安全性について過度に心配しています。 また、現在取り組んでいるものの、実際には導入の妨げにはなっていないいくつかの要因もリストします。 近日中にパート XNUMX をご覧ください。

2022年にロボカーを持っていない、またはロボカーに乗らないという事実は、開発が予定より大幅に遅れていることを意味すると感じる人もいます. 実際には、深刻なスケジュールはなく、希望だけがありましたが、実際には、これらの問題の残りの部分は一般的に扱いやすいように見えるため、この問題のリストは楽観的です。 それらのほとんどに対処するには、ブレークスルーではなく、ハードワークとお金が必要です。

パート XNUMX を動画とテキスト形式でお楽しみに

このページまたは動画ページにコメントを残すことができます。