لماذا ليس لديك سيارة ذاتية القيادة بعد؟ توضح هذه السلسلة المكونة من جزأين المشكلات الكبرى المتبقية

كثيرًا ما يسأل الناس ، "أين سيارتي ذاتية القيادة؟" "لماذا لا أمتلك واحدة ومتى ستأتي؟" يشعر الكثير من الناس أنهم تلقوا وعودًا بسيارة في أواخر العشرينات من العمر وأن الوقت متأخر ، وربما لن يأتي ، مثل السيارات الطائرة التي تحدثنا عنها منذ عقود.

في هذه السلسلة المكونة من مقالتين (مع مقاطع الفيديو المصاحبة) ، دعنا نلقي نظرة على الأسباب الأساسية التي تجعلك على الأرجح لا تركب سيارة آلية اليوم ، ومتى قد يحدث ذلك. ما هي القضايا التكنولوجية والقانونية والاجتماعية الأساسية التي تقف في طريقنا ، وما هي المشكلات التي لا تعتبر في الواقع حاصرات؟

بالنسبة لمعظمنا ، لا يمكن لهذه السيارات الوصول إلى هنا قريبًا بما فيه الكفاية. لديهم وعد بتجنب جزء لائق من حوادث السيارات اليوم التي تقتل أكثر من مليون شخص كل عام حول العالم. سوف يجعلون حياتنا أسهل ويعيدون كتابة مبادئ النقل. من خلال القيام بذلك ، سيعيدون كتابة المكان الذي نعيش فيه وطبيعة المدينة ذاتها ، بالإضافة إلى عشرات الصناعات الأخرى من الطاقة إلى تجارة التجزئة. كل يوم نؤخر إخراج هذه الأشياء على الطريق بكميات كبيرة ، يموت الآلاف على أيدي أشخاص لا ينبغي أن يقودوا. كل يوم نتأخر.

بالطبع ، هذا صعب

لكي نكون واضحين ، فإن أكبر سبب "يستغرق وقتًا طويلاً" هو أنه صعب. واحد من أعظم مشاريع أبحاث البرمجيات على الإطلاق. لم يتطلب الأمر اختراق البرامج فحسب ، بل تطلب أيضًا الكثير من الأعمال التفصيلية في مجال الأعشاب التي تتعامل مع عدد كبير من الحالات الخاصة ورسم خرائط للعالم وجميع تجاعيده. أي شخص يعتقد أو يعتقد أنه يمكن تسليمه وفقًا لجدول زمني هو مخطئ ، ولم يعمل أبدًا في البرامج من قبل. عندما ألغت شركات السيارات تواريخ مثل 2020 ، كانت تلك آمالًا وليست تنبؤات ، وكان من المدهش أن بعض شركات التكنولوجيا تخلصت من ذلك. المشاريع متعددة السنوات التي تتطلب اختراقات لا يمكن توقعها بدقة على الإطلاق.

لن يصاب أي شخص لديه خلفية برمجية بالصدمة على الإطلاق إذا كانت التنبؤات لمثل هذا المشروع الكبير التي تم إجراؤها منذ سنوات عديدة غير دقيقة. لذا فإن الأمور ليست "متأخرة عن الجدول الزمني" ، حتى لو لم تحقق الآمال المتفائلة. هذا يعني أيضًا أن الأشياء تتم بخطوات أصغر.

أكبر مانع على الرغم من ذلك هو عدم القيام بذلك في الواقع (أي جعله آمنًا) ولكن معرفة أنك قمت بذلك.

إثبات أنك جعلته آمنًا حقًا

كان الهدف التكنولوجي الأول هو تحقيق ذلك. لصنع سيارة يمكنها قيادة نفسها بأمان. هذا إنجاز هائل ، لكن في عدد قليل من المدن على الأقل ، نجح عدد قليل من الشركات في تحقيق ذلك بالفعل. القيادة بأمان أكثر من الإنسان العادي قامت بها شركات مثل وايمو في شوارع فينيكس السهلة. كان هذا هو "الجزء الصعب" - ولكن الجزء الأصعب هو تحديد ماهية السلامة وقياسها وإثبات أنك فعلت ذلك. تحتاج إلى إثبات ذلك لنفسك وللمجلس والمحامين وللعامة وربما للحكومة. تمامًا كما كان لقاح Moderna Covid جاهزًا في فبراير 2020 ، قبل الإغلاق الأول ، انتظر العالم 10 أشهر - بينما مات مليون شخص بدونه - قبل السماح لأول الناس بالحصول على حقنة. انتظرنا منهم أن يثبتوا أنهم فعلوا ذلك.

قياس الأمان صعب جدًا. نحن نعلم عدد المرات التي يتعرض فيها السائقون البشريون لحوادث من جميع الأنواع ، بدءًا من الضربات البسيطة وحتى الوفيات. تحدث الوفيات كل 80 مليون ميل في الولايات المتحدة ، أو حوالي 2 مليون ساعة من القيادة. لا يمكننا اختبار كل نسخة برمجية بالقول ، "دعونا نجعلها تقطع مليار ميل ونرى ما إذا كانت تقتل أقل من عشرات الأشخاص الذين سيموتون إذا قاد البشر إلى هذا الحد." إنها مسافة مستحيلة للقيادة على طرق حقيقية ولو لمرة واحدة ، ناهيك عن كل نسخة جديدة. قد نقود أقل بكثير ، ونحسب الضربات والحوادث الطفيفة - في الواقع هذا هو أفضل ما توصلنا إليه حتى الآن لأنه ممكن على الأقل - لكننا لسنا متأكدين مما إذا كان ذلك يتعلق بالإصابات مع الروبوتات بنفس الطريقة. يفعل مع الناس.

يبدأ الكثير بطريقة صناعة السيارات التقليدية. إنهم يختبرون كل مكون من مكونات سياراتهم للتأكد من أنها موثوقة ومتوافقة مع المواصفات. يحاولون القيام بذلك باستخدام أنظمة المكونات ، لكن هذه المنهجية تصبح صعبة عندما تصبح الأمور أكثر تعقيدًا. وهذا ما يسمى بالسلامة الوظيفية - وهي مكونات وأنظمة خالية من العيوب وستتعامل مع الإخفاقات المحتملة المعروفة.

في الآونة الأخيرة ، كان هناك المزيد من الجهود لرفع هذا إلى مستوى الأنظمة ومحاولة اختبار "سلامة الوظيفة المقصودة". مع SOTIF ، تعمل الفرق على ضمان استمرار عمل الأنظمة بأكملها ، سواء في حالة المشكلات أو فشل المكونات أو سوء الاستخدام المتوقع. يتضمن هذا غالبًا محاكاة النظام بأكمله ، أو أجزاء منه ، أو محاكاة "الأجهزة في الحلقة" التي تكون أسهل وأكثر أمانًا من الاختبار المباشر على الطرق.

يوفر اختبار المحاكاة القدرة على اختبار نظام في ملايين السيناريوهات المختلفة. أي شيء قد رآه أو سمعه أو حلم به أي شخص - مع مئات الاختلافات الطفيفة لكل هذه الأشياء.

ربما يكون أصعب شيء للاختبار ، ولكن الشيء الذي تريد معرفته أكثر ، هو مدى استجابة النظام لمواقف لم يسبق لها مثيل. بينما يمكنك إنشاء اختبار محاكاة لمعرفة أداء السيارة جيدًا في جميع المواقف المتوقعة تقريبًا ، فإن القدرة السحرية العظيمة للعقول البشرية هي القدرة على التعامل مع مشاكل لم يسبق لها مثيل. يمكن للذكاء الاصطناعي القيام بذلك ، لكنها ليست جيدة تمامًا. في النهاية ، نأمل في طريقة للحصول على سيناريوهات جديدة وواقعية وخطيرة كل يوم. إنه لأمر جيد اليوم أن سيارتك تمت برمجتها للتعامل مع كل شيء فكر فيه أي شخص على الإطلاق ، ولكن المعيار الذهبي الحقيقي قد يتمثل في طرح 20 موقفًا جديدًا لم يسبق له مثيل ، كل يوم ، واكتشاف أنها تتعامل مع معظمها. حتى البشر لا يتعاملون معهم جميعًا. هذا شيء واحد أتمنى أن أراه يحدث من خلال مشروع بركة الأمان، والتي ساعدت في إطلاقها مع المنتدى الاقتصادي العالمي ، Deepen.AI وجامعة وارويك.

حتى مع كل المحاكاة ، تحتاج أيضًا إلى الاختبار المباشر على الطريق. لن ينشر أحد سيارة لم تظهر أنها تتعامل مع العالم الحقيقي بشكل جيد للغاية. على الرغم من أن نظام استخدام سائقي السلامة البشرية للإشراف على عمليات الروبوتات باهظ التكلفة ، إلا أنه يتمتع في الواقع بسجل حافل رائع ، ولا يعرض الجمهور للخطر مقارنة بالقيادة البشرية العادية.

في الصناعة ، تقع كل شركة على عاتقها لوصف مدى تكريسها للسلامة. إن وظيفتهم هي صنع سيارة آمنة ، لكنهم يصدرون هذه التصريحات لإرضاء المسؤولين والجمهور. ومن المفارقات أن المصلحة العامة ليست صنع أكثر السيارات الآلية أمانًا ، بل بالأحرى أسلم الطرق. Robocars هي أداة يمكن أن تجلب طرقًا أكثر أمانًا ، وكلما وصلوا إلى هنا مبكرًا ، سيفعلون ذلك بشكل أسرع وأفضل. إذا أخذ المسؤولون واجبهم تجاه تحسين السلامة العامة على الطرق على محمل الجد ، فسيشجعون الشركات فعليًا على عدم المبالغة في السلامة ، والتركيز بدلاً من ذلك على النشر الأسرع لتقنية أكثر أمانًا - حتى لو بذلوا جهودًا أقل لإثبات أنها آمنة عندما يكون النشر صغيرًا يجعله يحدث بشكل أسرع. لكنهم لن يفعلوا ذلك أبدًا ، بسبب الطريقة التي يتفاعل بها المجتمع مع الأخطاء والمخاطر.

العنصر الثاني للسلامة هو الأمن السيبراني. نحن بحاجة إلى أن تكون هذه السيارات قوية ضد محاولات الاستيلاء عليها. لا يحب بعض الأشخاص التحدث عن الأمن السيبراني ، لكن التاريخ الماضي لصناعة السيارات لم يكن رائعًا. لا يقتصر القيام بذلك على الممارسات والأدوات الآمنة فحسب ، بل يشمل أيضًا ما يسمى بـ "الفريق الأحمر" ، حيث يقوم فريق من قراصنة القبعات البيضاء الخبراء بالصيد من الخارج للعثور على نقاط الضعف حتى لا يتمكنوا من العثور عليها. إحدى الأدوات المهمة الأخرى هي تقليل الاتصال ، أو ما يسميه أفراد الأمن "أسطح الهجوم". كثيرون في الصناعة مهووسون بما يتخيلون أنه "السيارة المتصلة" ويخطئون في الاتصال على أنه ثورة كبيرة مثل القيادة الذاتية. ليس ، ليس عن بعد. هناك حاجة إلى بعض الاتصال ، ولكن يجب استخدامها بشكل مقتصد حتى تظل الثورة الحقيقية آمنة.

أحد أكبر تحديات الاختبار هو الاستخدام الواسع للتعلم الآلي من قبل جميع فرق الروبوتات. يعد التعلم الآلي أداة قوية جدًا للذكاء الاصطناعي ، ويشعر معظمهم أنه أداة أساسية ، ولكنه يميل إلى إنتاج أدوات "الصندوق الأسود" التي تتخذ القرارات ولكن لا أحد يفهمها تمامًا. إذا كنت لا تعرف كيف يعمل النظام أو لماذا يفشل أو يفعل الشيء الصحيح ، فمن الصعب اختباره واعتماده. في أوروبا ، وضعوا قوانين تطالب بأن تكون جميع أنظمة الذكاء الاصطناعي "قابلة للتفسير" على مستوى ما ، ولكن يصعب تفسير العديد من شبكات التعلم الآلي. هذا مخيف ، لكنهم أقوياء لدرجة أننا لن نتخلى عنهم. قد نواجه صندوقًا أسودًا يكون أكثر أمانًا في الاختبار من نظام قابل للتفسير ، وهناك حجج مقنعة يقدمها الناس لصالح أي من الخيارين.

التنبؤ بالمستقبل

السيارة الآلية مغطاة بأجهزة استشعار ، مثل الكاميرات والرادارات وليزر LIDAR والمزيد. ربما تكون المستشعرات هي الجانب الأكثر نقاشًا في الأجهزة ، ولكن في الواقع لا تخبرك المستشعرات بما تريد معرفته على الإطلاق. هذا لأن المستشعرات تخبرك بمكان الأشياء الآن ، لكنك لا تهتم كثيرًا بذلك. أنت تهتم بأين ستكون الأمور في المستقبل. المعلومات الواردة من المستشعرات هي مجرد دليل نحو الهدف الحقيقي للتنبؤ بالمستقبل. إن معرفة مكان وجود شيء ما ومدى سرعة تحركه هي بداية جيدة ، ولكن معرفة ماهيته لا تقل أهمية عن معرفة مكانه. معظم الأشياء الموجودة على الطريق أو بالقرب منه ليست باليستية - الإنسان مسؤول ويمكنه تغيير مساره. هذا هو السبب في أن أحد المجالات الرئيسية للبحث اليوم هو التحسن في التنبؤ بما سيفعله الآخرون على الطريق ، ولا سيما البشر. يمكن أن يتراوح هذا من معرفة سلوك القيادة إلى معرفة ما إذا كان أحد المشاة يقف على الزاوية على وشك الدخول إلى ممر المشاة أو يتصفح الويب.

في حين أن العديد من الفرق قد حققت تقدمًا كبيرًا ، فقد تبين أن الناس أفضل من روبوتات اليوم في التنبؤ بأشخاص آخرين. يعد التحسن في ذلك أحد المشكلات الرئيسية في قائمة المهام ، خاصة في البيئات الأكثر تعقيدًا مثل المدن المزدحمة. يتضمن التنبؤ بالمستقبل أيضًا التنبؤ بكيفية تفاعل الآخرين مع تحركاتك الخاصة والحركات المتوقعة للآخرين. يمكن أن يكون دمج الممرات أو الانعطاف الأيسر غير المحمي بمثابة رقصة مع الأخذ والعطاء ، وستحاول السيارات الآلية باستمرار تحسين طريقة عملها.

الاستشعار بشكل أسرع

قد تكون أجهزة الاستشعار مجرد وسيلة لتحقيق الهدف الحقيقي ، ولكن كلما كان ذلك أفضل ، كان بإمكانك التنبؤ بهذا المستقبل بشكل أفضل. لا تزال الفرق تتطلع إلى جعل أجهزة الاستشعار أسرع لجعل الإدراك والتنبؤ أسرع. شيء واحد مهم هو معرفة سرعة الأجسام المتحركة. يخبرك الرادار بذلك ، لكن الكاميرات وأنظمة LIDAR القديمة لا تفعل ذلك ، إلا إذا نظرت إلى إطارات متعددة. يمكن لبعض LIDARs الأحدث إخبارك بالسرعة وكذلك المسافة. يستغرق النظر إلى إطارات متعددة وقتًا على الأقل مثل أخذ الإطارات ، ولكن عادةً ما يستغرق وقتًا أطول.

أحد المواقف التي يمكن أن تكون مشكلة هي التحرك على الطريق السريع خلف مركبة أكبر. تخيل أنه أمام تلك السيارة كانت هناك شاحنة متوقفة على الكتف ، ملتصقة بالحارة. يحدث ذلك مع الحوادث ومركبات الطوارئ كثيرًا. فجأة تنحرف السيارة الكبيرة قبل أن تنحرف لليمين لتفادي العقبة ، وسترى تلك الشاحنة المتوقفة لأول مرة. ليس لديك حقًا الكثير من الوقت للفرملة أو الانحراف ، وقد لا يكون لديك حتى أي مكان تذهب إليه. إذا كان عليك إلقاء نظرة على 3 إطارات من الفيديو لترى أنها لا تتحرك بالفعل ، فمن المحتمل أن يتم إهدار 1/10 من الثانية ، وهذا موقف يمكن أن يكون مهمًا. لذا فإن الكثير من الفرق تبحث عن طرق للحصول على هذه الميزة ، وقد وجدوها في الغالب في LIDARs التي يمكنها قياس "دوبلر" لمعرفة سرعة كل شيء يصطدمون به بالليزر. تعرف الرادارات السرعة أيضًا ، لكن العالم مليء بالأشياء المتوقفة التي تعكس الرادار ، ومن الصعب تمييز السيارة المتوقفة من الدرابزين المتوقف بجوارها.

أخذ الطريق الطويل

سأذكر بإيجاز أن أحد الأسباب هو فريق مشهور - تسلاTSLA
- غير مستعد بعد هو أنهم يحاولون عمدا جعل المشكلة أصعب. بينما يستخدم كل فريق رؤية الكمبيوتر بكثافة ، تريد Tesla جعلها تعمل فقط مع رؤية الكمبيوتر والكاميرات فقط من عام 2016. تضيف معظم الفرق الأخرى أيضًا كاميرات و LIDAR ورادار وخرائط أفضل إلى صندوق أدواتهم. تريد تسلا اختراقًا في الرؤية يمكن أن يفعل ذلك بسعر أرخص. يقولون إن كل هذه الأدوات الإضافية هي مشتتات. لكن بقية الصناعة تريد استخدام جميع الأدوات لإنجازها في وقت أقرب ، إذا كان ذلك بتكلفة أعلى ، وتعتقد أن تسلا تشل نفسها. حتى الآن ، بناءً على جودة المنتج - Tesla FSD متأخرة جدًا - الآخرون على حق ، على الرغم من أن السباق لم ينته بعد.

هذا الجزء الأول. ينظر الجزء الثاني إلى أشياء مثل كونك مواطنًا صالحًا للطرق ، ولماذا يتم نشر الروبوتات في مدينة واحدة في كل مرة بدلاً من كل مكان في وقت واحد ، ومشاكل التعامل مع المزيد من الخدمات اللوجستية العادية مثل التوقف لالتقاط الدراجين ، ونماذج الأعمال ، والقلق كثيرًا بشأن الأمان مع إقناع الحكومات والجمهور بك. سأدرج أيضًا بعض العوامل التي يتم العمل عليها ولكنها ليست حاصرات حقيقية للنشر. ابحث عن الجزء الثاني في الأيام القادمة.

يشعر البعض أن حقيقة عدم امتلاكهم لسيارة آلية أو ركوبها في عام 2022 تعني أن التطوير متأخر كثيرًا عن الجدول الزمني. في الواقع ، لم يكن هناك جدول زمني جاد ، بل آمال فقط ، ولكن في الواقع ، فإن قائمة المشاكل هذه تبشر بالتفاؤل ، لأن هذه المشاكل المتبقية تبدو قابلة للحل بشكل عام. هناك حاجة إلى العمل الجاد والمال ، وليس الاختراقات للتعامل مع معظمهم.

ترقبوا الجزء الثاني ، في شكل فيديو ونص

يمكنك ترك تعليقات على هذه الصفحة أو على صفحة الفيديو.