Az önvezető autók jövője – Mi várható?
Négy-öt évvel ezelőtt azt várták, hogy az önvezető autók mindennapossá válnak az utakon. A valóságban azonban ez még elég messze van. Kiderült, hogy egy számítógépet megtanítani arra, hogy az emberi elménél gyorsabban és jobban reagáljon a számtalan napi vezetési kihívásra, sokkal bonyolultabb, mint azt először várták.
De akkor vajon mikor válnak realitássá az önvezető autók az utakon? Ennek jobb előrejelzéséhez először meg kell értenünk, hogyan működnek az AI-rendszerek.
Ahhoz, hogy az AI-rendszerek tanulhassanak, megfelelő adatokkal kell ellátni őket. Ahhoz, hogy ezt nagy léptékben meg lehessen tenni, a gyártóknak sok piacon kell jelen lenniük, és nagyon speciális körülmények között hatalmas mennyiségű adatot kell megszerezniük. Más szóval, ahhoz, hogy egy mesterséges intelligencia rendszer emberként viselkedjen, tanulnia kell az embertől.
Ennek lenyűgöző példája egy amerikai székhelyű elektromos járműgyártó cégtől származik, amely úgy döntött, hogy egy szuperszámítógépet helyez el járművei kesztyűtartójába, hogy információkat gyűjtsön.
Ez lehetővé tette, hogy a jármű gyorsan és nagy léptékben tanulja meg és értelmezze az adatokat. Ez a hatalmas befektetés, annak ellenére, hogy potenciálisan kockázatosnak ítélték, lehetőséget adott számukra a valódi emberi adatok elemzésére, lehetővé téve rendszereik számára, hogy elkezdjék utánozni az emberi vezetőt.
Ez viszont lehetővé tette számukra, hogy kifejleszthessék saját szuperszámítógépüket, amivel jelentős előreléptek a többi autógyártóhoz képest. Végső soron, amikor az autonóm vezetési technológia fejlesztéséről van szó, a mindennapi vezetői adatok sokkal jobbak, mint a robottesztelésekből nyert adatok.
Az igazság az, hogy az autóipar sok éve nem skálázható modellben működik. Időt pazaroltak el a robotoktól gyűjtött adatok felhasználásával, amikor az ipar jobban járt volna az emberi vezetőktől származó releváns adatok felhasználásával.
Egy másik leküzdendő kihívás, hogy a lakosság nagy része szkeptikus az önvezető autókkal kapcsolatban.
A számítógépek iránti bizalom korlátozott, és túl veszélyesnek tűnik az a gondolat, hogy egy potenciálisan kockázatos tevékenységet egy számítógépre bízzanak. A fogyasztói piacon való elfogadás elnyeréséhez az autógyártóknak hatalmas mennyiségű adatot kell rögzíteniük a különböző vezetési körülmények között, hogy valóban az emberi vezetőt utánozzák, és így biztosíthassák a felhasználókat a rendszerek megbízhatóságáról. Egyelőre ez az, amit még el kell érniük.
Az egyik módja annak, hogy sokkal közelebb kerüljünk ezeknek a problémáknak a gyors megoldásához, ha az autógyártók megosztják a saját adatbázisukat.
Az autógyártók legnagyobb problémája az, hogy nem osztják meg egymással az autonóm adatokat, ami megakadályozza, hogy bárki valóban megszerezze azt a tömeges adatmennyiséget, amely az előrejutásukhoz szükséges. Ezenkívül jobban megtervezett algoritmusokra van szükség, amelyek különféle körülményeket tárnak fel a különböző országokban, és figyelembe veszik az egyes országok eltérő adatszolgáltatási szabályozását is.
Az autonóm járművek biztonsága rendkívül fontos. Számos szabvány létezik a járművek biztonságára vonatkozóan, beleértve a DTR 4804-et, amely az első lépés az ISO szabványosítás felé, kifejezetten az autonóm járművekre vonatkozóan. 2020-ban 11 iparági vezető gyűlt össze, hogy kiadjon egy fehér könyvet SaFAD (Safety First for Automated Driving) néven, amely az ISO DTR 4804 alapja. Ez a szabvány leírja az automatizált vezetési rendszerek fejlesztésének és érvényesítésének lépéseit, amelyek a világszerte alkalmazott kiadványokban közzétett alapvető biztonsági elveken alapulnak. Figyelembe veszi a biztonságot és kiberbiztonságot, valamint az automatizált vezetési rendszerek ellenőrzési és érvényesítési módszereit.
További adatvédelmi aggályok övezik a felhasználók adatait.
Az autonóm vezetési irányelvek elsajátításának új megközelítése azonban az adatvédelmi aggályok tiszteletben tartása mellett egy peer-to-peer Deep Federated Learning (DFL) megközelítést javasol a mély architektúrák teljesen decentralizált képzésére, és megszünteti a központi hangszerelés szükségességét.
Ez azt jelenti, hogy meg kell tervezni egy új Egyesített Autonóm Vezetési hálózatot, amely javíthatja a modell stabilitását, biztosítja a konvergenciát, és kezelheti a kiegyensúlyozatlan adatelosztási problémákat, miközben összevont tanulási módszerekkel oktatják.
A kezdeti kísérleti eredmények azt mutatják, hogy ezzel a megközelítéssel a DFL jobb pontosságot ér el, mint más közelmúltbeli módszerek. Ezenkívül ez az újszerű megközelítés megőrizheti a magánélet védelmét azáltal, hogy nem gyűjti a felhasználói adatokat egy központi szerverre.
Az autógyártóknak meg kell találniuk a módját, hogy a lehető legbiztonságosabbá tegyék a járműveket, miközben védik ügyfeleik adatait. A biztonság rendkívül fontos.
Az autonóm járművek izgalmas lehetőséget kínálnak, de amint egyre inkább elterjednek, a gyártóknak új és innovatív módszereket kell keresniük a versenyképes megkülönböztetés érdekében.
Ilyen például a jármű felépítése. Az autógyártóknak saját felépítést kell kialakítaniuk, különös tekintettel a tervezésre és a digitális élményre.
A jármű számítógépében lévő szoftver lehet végső soron az alapvető megkülönböztető tényező. De ki a legalkalmasabb ezeknek a jelentős változásoknak a végrehajtására? Az egyik nagy vita az, hogy a nagyobb tapasztalattal rendelkező szerződéses gyártók vagy a technológiavezérelt vállalatok legyenek-e azok, akik tudják, hogyan kell gyors számítógépeket nagy méretekben építeni.
Egy másik érdekes terület a kényelmi funkciók kérdése. Például egy szórakoztató rendszer, vagy biztonsági funkciók a parkolóinas-szolgáltatáshoz, vagy akár autonóm parkolóinas-szolgáltatás, ahol a sofőr behívhatja az autót egy adott helyre. Mindezek a funkciók vonzzák a fogyasztókat. De a kérdés az: hogyan fizetnek majd az ügyfelek ezekért a kiegészítő szolgáltatásokért? Egyszeri fizetés lesz, vagy előfizetéses modell, ahol a jármű tulajdonosa eseti alapon fizet?
Végső soron az önvezető autók számtalan lehetőséget nyújtanak.
Az automatizált vezetés képes csökkenteni a közúti közlekedéssel összefüggő balesetek számát. Ahhoz azonban, hogy ez biztonságosan, a fogyasztói bizalmat megőrző módon, valóban biztonságos utakkal történjen, időt kell szánni a fejlesztési folyamatokra, és néhány fontos kérdés még megválaszolásra vár. Az összes autógyártónak meg kellene osztania az adatkészleteit, mivel a valóságban az együttműködés az egyetlen út.
Forrás: IT Pro Portal
https://www.itproportal.com/features/the-future-of-self-driving-cars-what-lies-ahead/
