Szkoła jazdy autonomicznych pojazdów

Categories: TechnologiaAutomotive

Człowiek potrzebuje przeciętnie kilku tygodni, by od zera nauczyć się przepisów i zasad prowadzenia samochodu. Tyle czasu zajmuje mu zdobycie wiedzy i praktyki, którą następnie dokumentuje i potwierdza prawo jazdy. Systemy działające w autonomicznych autach pierwsze lekcje wzięły już lata temu i do dzisiaj wciąż jeszcze edukują się, by móc samodzielnie i zgodnie z pierwotnym planem zacząć poruszać się po drogach na całym świecie. Być może wkrótce ten proces zostanie jednak znacznie przyspieszony.

Jak dzisiaj uczy się autonomiczny samochód

Autonomiczne pojazdy robią postępy, nie można zaprzeczyć, jednak nadal jesteśmy daleko od wizji przyszłości, w której to one wożą nas do pracy czy na zakupy. Do osiągnięcia poziomu 5 automatyzacji jazdy, zgodnie z klasyfikacją Międzynarodowego Stowarzyszenia Inżynierów Motoryzacyjnych (SAE – International Society of Automotive Engineers) i Amerykańskiej Narodowej Administracji Bezpieczeństwa Ruchu Drogowego (NHTSA) jeszcze trochę nam brakuje. Nadal niezbędna jest obecność człowieka-kierowcy, który musi być gotowy przejąć kontrolę w przypadku trudniejszych do obserwacji i identyfikacji warunków drogowych. Dzisiaj takim wyzwaniem mogą być np. ronda, o czym wspominaliśmy jakiś czas temu na naszym blogu.

driving school for autonomus vehicles

Wszystkiego jednak można się nauczyć, więc z uwagą wyczekujemy na kolejne postępy w rozwoju technologii. Ile to jeszcze może potrwać? Prognozy nie są zbyt pocieszające. Według wyliczeń The Rand Corporation opracowanie systemu, który byłby przynajmniej o dwadzieścia procent bezpieczniejszy od ludzkich kierowców, wymaga… około czterystu lat. I to tylko przy założeniu, że flota stu autonomicznych samochodów będzie jeździć bez przerw i pokona łączny dystans czternastu miliardów kilometrów. Do tego jeszcze musimy wziąć pod uwagę kwestie bezpieczeństwa czy kosztów, które tylko potęgują wyzwanie. Być może jednak rozwiązanie leży zupełnie gdzie indziej i potrzebną praktykę algorytmy i systemy będą mogły zdobywać dużo szybciej, łatwiej i taniej.

Szkoła jazdy algorytmów

Na świecie projekt autonomicznych samochodów stara się rozwijać kilkaset organizacji. Nakłady czasowe i finansowe poczynione w ramach tych prac są gigantyczne, a jak podawał w 2021 roku New York Times, wiele zaangażowanych firm planuje przeznaczyć na technologię kolejne od 6 do 10 miliardów dolarów, by mogła ona osiągnąć poziom niezbędny do upowszechnienia się. Nie jest więc niczym zaskakującym, że jednocześnie trwają poszukiwania alternatyw, które pozwoliłyby osiągnąć zakładany cel przy mniejszych kosztach.

Obecnie firmy, starając się zapewnić odpowiednio wiele danych potrzebnych do rozwoju technologii, inwestują ogromne środki w ich pozyskanie i przygotowanie. Zbierające informacje za pomocą sensorów pojazdy muszą pokonywać tysiące kilometrów, a specjaliści na ich bazie tworzyć elementy uzupełniające wirtualny świat symulacji. Wszystko po to, by algorytmy mogły trenować zachowania w najróżniejszych sytuacjach. Cały proces angażuje czas, pieniądze i zasoby przedsiębiorstw.

Startup Waabi przedstawił zupełnie inny model rozwoju autonomicznych pojazdów, tworząc projekt szkoły jazdy dla algorytmów. U jej podstaw leży opisywana już przez nas przy okazji zastosowań przemysłowych technologia cyfrowych bliźniaków. Sztuczna inteligencja konstruuje wirtualną kopię znanego nam świata rzeczywistego, Waabi World, uwzględniając jego szczegółowość i dynamikę zachodzących zmian. Swój projekt opiera na informacjach zebranych podczas przejazdów wykonanych przez samochody wyposażone w sensory czy LiDAR. Tam algorytmy mogą trenować i rozwijać się. Na tym jednak rola systemu i jego unikalność się nie kończy.

Platforma do stress-testów

Zaprojektowanie symulatora, który będzie wiernie odwzorowywał świat rzeczywisty, stanowi nie lada wyzwanie. W projektowanych rzeczywistościach wirtualnych, w których rozwijane są algorytmy, muszą być bowiem uwzględniane nawet najmniejsze szczegóły mogące wpływać na sposób działania sensorów i obserwowanie świata przez autonomiczny pojazd. A odtwarzanie refleksów świetlnych na obiektywie kamery czy nawet mgły jest niezmiennie czasochłonne, kosztowne i trudne.

W przypadku Waabi World twórcy starają się wyjść tej potrzebie i wyzwaniu naprzeciw, wykorzystując obecne możliwości SI i uproszczonego renderowania opartego na fizyce. Ma to na celu uzyskanie jak najbardziej realistycznej symulacji danych z czujników, która uzyskiwana jest w jak najkrótszym czasie, możliwie bliskim rzeczywistemu. To z kolei sprawia, że nauka w symulatorze przynosi bardziej wymierne efekty i może być rzeczywiście przekładana jako doświadczenie, na bazie którego algorytm może później operować w rzeczywistości.

W ten sposób rośnie skuteczność przeprowadzanych w symulatorze stress-testów. SI nieustannie monitoruje zachowania algorytmów autonomicznego pojazdu i decyzje podejmowane na wirtualnych drogach, szukając potencjalnych braków i słabości. Na bazie tych informacji kreuje kolejne sytuacje, w których autonomiczny pojazd może mieć kłopoty i rzuca go naprzeciw takim wyzwaniom. Tym samym pozwala mu uczyć się i stawać lepszym oraz przygotowanym na każdą ewentualność.

Świat autonomicznych pojazdów to świat zmian

Zaproponowany sposób przynosi nie tylko rozwiązanie w kwestii bezpieczeństwa, czy też szansę na znaczne oszczędności, ale może również pozwolić na przyspieszenie rozwoju autonomicznych pojazdów, które będą mogły w jednym momencie gromadzić doświadczenie z wielu różnych sytuacji drogowych. A wszystko to dzięki zestawieniu i skonfrontowaniu dwóch sztucznych inteligencji – jednej w roli swoistego instruktora nauki jazdy, a drugiej w roli kursanta.

Dlaczego propozycja wykorzystania technologii Digital Twin w kontekście rozwoju autonomicznych pojazdów jest tak ważna? Tu najlepszą odpowiedzią będą liczby. Korporacja Waymo w połowie ubiegłego roku ogłosiła, że jej samochody pokonały do tej pory już ponad trzydzieści milionów kilometrów na drogach publicznych i ponad trzydzieści miliardów kilometrów wirtualnych dróg w symulatorach. Z kolei w samej tylko Kalifornii wszystkie testowane maszyny różnych producentów przejechały łącznie w 2020 roku ponad trzy miliony kilometrów. Towarzyszyli im podczas wszystkich tych przejazdów ludzcy kierowcy, będąc w gotowości do przejęcia kontroli w przypadku wystąpienia błędu, awarii lub sytuacji potencjalnie niebezpiecznej. Czy dużo było takich zdarzeń? Łącznie 3 695. Przeniesienie ciężaru testów do symulatorów to szansa, by odciążyć ludzkich specjalistów i znacznie ograniczyć zużycie zasobów podczas prac.

Optymistyczne scenariusze zakładają, że już następne pokolenia nie będą potrzebować prawa jazdy. Obserwując otaczający nas świat i szybki rozwój technologii, trudno przewidzieć, jak będzie wyglądał transport za kolejną dekadę i czy rzeczywiście na drogach zaczną dominować samodzielnie poruszające się auta. Jedno jest pewne – czeka nas jeszcze sporo zmian, z którymi jako cywilizacja będziemy musieli się zmierzyć. Upowszechnianie się pojazdów autonomicznych będzie się wiązać z wyzwaniami prawnymi, gospodarczymi, infrastrukturalnymi czy środowiskowymi. Postępy w tym zakresie będziemy z bliska obserwować i omawiać w kolejnych tekstach na naszym blogu.

Zainteresowanych Waabi World, zachęcamy do lektury strony internetowej twórców.

Interesuje Cię tematyka autonomicznych pojazdów?

W GlobalLogic stworzyliśmy projekt Autonomicznego Samuraja i cały czas go rozwijamy. Nasze zespoły są blisko nowych technologii i innowacji. Jeśli szukasz pracy w środowisku, które stawia na rozwój, zobacz, jakie możliwości pracy znajdziesz w GlobalLogic. Zachęcamy do odwiedzenia zakładki kariera.

Top Insights

Jak żyć? – zapytasz sztucznej inteligencji

Jak żyć? – zapytasz sztucznej inteligencji

AITech TrendsHealthcareTechnology
Dlaczego dzisiaj każdy chce mieć cyfrowego bliźniaka?

Dlaczego dzisiaj każdy chce mieć cyfrowego bliźniaka?

Tech TrendsDigital TransformationManufacturing and Industrial
Praktyczne zastosowania dronów

Praktyczne zastosowania dronów

DronesTech TrendsTechnology
Ewolucja standardu AUTOSAR

Ewolucja standardu AUTOSAR

Tech TrendsAutomotive

Popularni autorzy

Piotr Doskocz

Piotr Doskocz

Lead Software Engineer

Piotr Andrusiuk

Piotr Andrusiuk

Senior Project Manager

Monika Malucha

Monika Malucha

Senior Marketing Specialist

Matthieu Le Brun

Matthieu Le Brun

Consultant

Goran Pivarski

Goran Pivarski

Marketing Manager

Inne kategorie na blogu:

  • URL copied!