Nimeni nu doreste sa fie ranit, deoarece conduce din greseala langa un vehicul auto-condus nedovedit. Cu toate acestea, costurile validarii autovehiculelor pe drumuri reale sunt extraordinare. Pentru a atenua acest lucru, majoritatea dezvoltatorilor autonomi isi testeaza sistemele in simulare, adica in medii virtuale. Starsky utilizeaza o simulare limitata de fidelitate redusa pentru a evalua efectele anumitor intrari de sistem asupra comportamentului camionului. Simularea ne ajuta sa invatam forta corecta pe care un actuator ar trebui sa o exercite asupra unui mecanism de directie, pentru a obtine o rotatie a razei dorite. Tehnica ne ajuta, de asemenea, sa modelam cantitatea corecta de presiune a clapetei de acceleratie pentru a obtine o anumita acceleratie.

Array

Dar dependenta excesiva de simulare poate face de fapt sistemul mai putin sigur. Pentru a afirma problema intr-un alt mod, dependenta mare de testarea in simulari virtuale are o problema neobisnuita.

In primul rand, un anumit context. Simularea a aparut ca o metoda de validare a software-ului de auto-conducere, deoarece pila de autonomie s-a bazat tot mai mult pe algoritmi de invatare profunda. Acesti algoritmi sunt masiv complexi.

Array

Atat de complex incat, avand in vedere volumul de date pe care il furnizeaza senzorii AV, este in esenta imposibil sa se desluseasca de ce sistemele au luat o anumita decizie. Sunt cutii negre ai caror dezvoltatori nu le inteleg cu adevarat. (Am scris in alta parte despre problema invatarii profunde.) In consecinta, este dificil sa elimini posibilitatea ca acestia sa ia o decizie care nu iti place.

De aici entuziasmul pentru simulare, care echivaleaza cu un mecanism pentru companiile AV pentru a se asigura ca software-ul autonomiei lor va functiona asa cum spera. Lucrand in medii virtuale simulate, cum ar fi versiunile a ceea ce s-ar putea vedea in Grand Theft Auto sau The Matrix , dezvoltatorii creeaza ceea ce este cunoscut sub numele de scenarii de conducere autonoma (ADS).

Array

Vor modela o anumita intersectie, o vor completa cu vehicule, vor adauga pietoni si biciclisti, vegetatie si orice altceva. Isi vor oferi vehiculului autonom un obiectiv. Intra in intersectie si vireaza la stanga, sa zicem. Apoi vor lasa scenariul sa ruleze. Daca AV navigheaza sarcina in siguranta, minunat.

Avand in vedere acest lucruun set de circumstante, care au fost modelate in simulare, dezvoltatorii pot spune, stim ca sistemul ar trebui sa reactioneze in acest fel in lumea reala.

Dar aceasta abordare devine rapid intratabila. Software-ul de planificare a luat decizia adecvata intr-un singur scenariu. Dar ce se intampla daca schimbi un element? Numarul de combinatii posibile la care sistemul ar putea fi sensibil, care la randul sau ar schimba decizia sistemului, este exponential mare.

Si ce zici de scenariile greu de imaginat? Pentru a folosi un scenariu prea simplist, ce se intampla daca exista o masina pe o banda alaturata? Ce se intampla daca masina respectiva este o motocicleta care desparte banda? Ce face software-ul atunci?

Este imposibil sa ne gandim la orice scenariu potential. Exista mai multe scenarii decat exista boabe de nisip in lume. Nimeni nu le poate modela pe toate – chiar daca aveti sprijinul uneia dintre cele mai bogate companii din lume. De fapt, cu cat cheltuiti mai multe resurse, cu atat va apropiati de fidelitatea si simtirea lumii reale, cu atat deveniti mai increzatori in software-ul dvs. – si cu cat software-ul dvs. devine mai periculos.

Curba de mai sus arata relatia care exista pentru testarea AV-urilor in simulare si ciclul de dezvoltare. Aceste medii virtuale pot varia in fidelitate. Simularea relativ slaba arata astfel. Si acesta este un exemplu de simulare impresionant de inalta fidelitate. Pe masura ce simularea creste in fidelitate, aceasta cade in valea neobisnuita, unde simularea este superficial buna, dar functionala rea. Mai tarziu, teoretic, exista o linie asimptotica care ar trebui sa ofere din nou un beneficiu. Dar nici o simulare nu va putea ajunge vreodata acolo. Trebuie sa fiti capabil sa modelati mecanica cuantica si sa prevedeti cu precizie constiinta umana si luarea deciziilor, in toata intamplarea ei. Cu cat simularea se apropie de realitate, cu atat creeaza mai multa incredere falsa si cu atat mai putine beneficii de siguranta le ofera.

Ceea ce creste posibilitatea, la randul sau, ca miliardele de dolari pe care industria auto-conducatoare le cheltuieste pentru simulare este atat de mult teatru de securitate. Deoarece increderea in simularea de inalta fidelitate creeaza o falsa incredere. Nu este doar imposibilitatea practica de a incerca sa se asigure ca algoritmul de invatare profunda al software-ului de auto-conducere reactioneaza corespunzator in fiecare scenariu imaginabil. Exista, de asemenea, o logicaimposibilitatea la joc. In viitor vor aparea situatii imposibil de previzionat astazi. Indiferent de cate miliarde de mile testati in simulare, in continuare testati in functie de propriile ipoteze. Aceasta creeaza o bucla de feedback periculoasa. Dupa un punct, afisarea unor rezultate bune in simulare nu se va potrivi cu rezultate bune in viata reala. Realitatea, cu toata incertitudinea ei, este aproape imposibil de modelat intr-o simulare.

Oamenii doresc in mod inteles sa fie linistiti de siguranta software-ului auto-condus care dicteaza operatiunile unui tractor-remorca de 80.000 de lire sterline care se indreapta pe autostrada cu 60 de mile pe ora. Ca oamenii care au creat aceasta tehnologie au luat toate ultimele masuri de precautie pentru a se asigura ca functioneaza asa cum ar trebui. Varsarea banilor in simulare are un efect linistitor. Dar simularile de inalta fidelitate care ating un nivel de veridicitate Matrix indica de fapt ca dezvoltatorii stiu mai putin despre sistem decat ar trebui. Daca cineva se bazeaza puternic pe simularea de inalta fidelitate, in esenta este mai putin sigur cu privire la performanta sistemului decat ceea ce este sigur.

Ce functioneaza si ce nu

Iata o abordare diferita: mai degraba decat rezolvarea uneia dintre cele mai dificile provocari tehnologice actuale cu o metoda nedovedita, limitati sfera problemei. Tineti oamenii la curent pentru cele mai complexe scenarii. Restrictionati domeniul de proiectare operationala, adica mediile pe care le gestioneaza software-ul dvs. de conducere automata, la situatii relativ usor de rezolvat, cum ar fi conducerea pe autostrada. Si daca se intampla ceva complex acolo, apelati la supraveghetorii umani.

Asta inseamna ca nu aveti nevoie de invatare profunda complexa. Ceea ce, la randul sau, inseamna ca nu aveti nevoie de teste de simulare de inalta fidelitate, ocolind valea neobisnuita si terminand teatrul de securitate.

In schimb, pentru ca intelegeti fiecare aspect al functionarii tehnologiei dvs., puteti imparti operatiunile sale intr-un set discret de module, pe care le validati intr-o serie de teste simple, la fel ca orice alt produs software si hardware aflat in productie astazi. Acest lucru are ca rezultat o conducta de testare mai usor de gestionat.

Aceasta ambitie dominata nu va atinge cele mai inalte niveluri de autonomie. Dar cele mai inalte niveluri de autonomie nu sunt necesare pentru a stabili un caz de afaceri convingator care poate fi implementat cu tehnologia actuala, astazi. De exemplu, livrarea marfurilor cu camioane – si clar, am o anumita partinire acolo. Cu toate acestea, beneficiile sunt greu de negat. Mai degraba decat sa fie distrasa de gaura de iepure a simularii de inalta fidelitate, aceasta noua abordare ii vede pe ingineri sa se concentreze pe furnizarea de beneficii de siguranta si mobilitate ale tehnologiei de auto-conducere, astazi.

Kartik Tiwari este directorul tehnologic si cofondator al Starsky Robotics.

ARTICOLE SIMILAREDE LA ACELAȘI AUTOR