Tekoäly
Tekoäly ratissa: Kuinka tekoäly ohjaa autonomisten ajoneuvojen kehitystä
Vaikka noin 200 vuotta sitten korkealaatuiset ajoneuvot, joissa on ainutlaatuisia ominaisuuksia, olivat tavalliselle ihmiselle käsittämättömiä, olemme siitä lähtien kulkeneet pitkän matkan, ja sähkö- ja hybridiautot ovat tulleet osaksi arkeamme.
Tänään autonomiset ajoneuvot (AV) johtavat automaatiokehitystä, joka on noussut valtavirtaan suuren spektaakkelin ja odotusten myötä. Mutta mitä se tarkalleen ottaen on, ja miten ne muuttavat ajoneuvojen ilmettä? Katsotaan!
Katse automaation rooliin autoissa
Autonomiset ajoneuvot (AV) ovat ajoneuvoja, jotka käyttävät teknologiaa korvatakseen osittain tai kokonaan ihmiskuljettajan ja ajavat itse ennalta määrättyyn kohteeseen “automaattitilassa”. Samalla nämä AV:t reagoivat liikennetilanteisiin, välttävät tien vaaroja ja tarjoavat lisää turvallisuutta.
Näissä ajoneuvoissa käytetyt erilaiset teknologiat sisältävät antureita, laserita, tutkaa, adaptiivisen vakionopeudensäädön, aktiivisen ohjauksen, lukkiutumisenestojärjestelmät ja GPS-navigaatioteknologian.
Automaattien insinöörien yhdistyksen (SAE) mukaan on kuusi autonomisten ajoneuvojen tasoa ihmisen puuttumisen perusteella. Tämä luokitus, jota myös Yhdysvaltain liikenneturvallisuusvirasto (NHTSA) käyttää, on seuraava:
Taso 0: Ajoneuvolla ei ole hallintaa toimintaansa, ja ihmiskuljettaja tekee kaiken ajamisen.
Taso 1: Ajoneuvon kehittynyt kuljettajaa avustava järjestelmä (ADAS) tarjoaa mahdollisuuden tukea kuljettajaa ohjauksessa ja jarrutuksessa.
Taso 2: Ajoneuvon ADAS valvoo kiihdyttämistä ja jarrutusta tietyissä olosuhteissa, vaikka ihmiskuljettajan on suoritettava tarvittavat tehtävät ja kiinnitettävä täysi huomio ympäristöön koko matkan ajan.
Taso 3: Ajoneuvon ADAS voi suorittaa kaikki ajotehtävän osat tietyissä olosuhteissa, mutta tarvittaessa ihmiskuljettajan on otettava ohjaus. Tämä autonomian taso on tällä hetkellä saavutettu AV:issa.
Taso 4: Ajoneuvon kehittynyt kuljettajaa avustava järjestelmä voi suorittaa kaikki tehtävät ilman ihmisen huomiota tai apua tietyissä olosuhteissa.
Taso 5: Ajoneuvon ADAS pystyy hoitamaan kaikki ajamiseen liittyvät tehtävät kaikissa olosuhteissa ilman ihmiskuljettajan apua. Tässä vaiheessa saavutetaan täysi automaatio.
Autonomiset ajoneuvot tarjoavat mukavuus- ja elämänlaadun parantamisen etuja. Lisäksi fyysisesti liikuntarajoitteiset ja ikääntyneet voivat saada itsenäisyyttä. Ne voivat myös vähentää liikenteen ruuhkia, leikata kuljetuskustannuksia, vapauttaa pysäköintialueita ja merkittävästi alentaa CO2-päästöjä.
Kuitenkin kaikesta kohua autonomisten ajoneuvojen ympärillä, ne eivät ole vielä saavuttaneet odotettua menestystä. Mikä siis on ongelmana?
Autonomisia ajoneuvoja kohtaavat haasteet
Autonomiset tai kuljettajattomat ajoneuvot ovat houkutelleet miljardeja dollareita investointeja viime vuosina, mutta niiden lanseeraus on kohdannut useita takaiskuja ja asiakasottelun viivästymistä. Tarkastellaanpa joitakin merkittävimpiä haasteita, joita nämä ajoneuvot kohtaavat.
Monimutkainen ajo-ympäristö
AV:ien käyttämät järjestelmät, jotka seuraavat liikennemerkit, liikennevalot ja objektien liikkeet tiellä, eivät ole virheettömiä. Ne erityisesti epäonnistuvat todellisten tilanteiden ymmärtämisessä.
Esimerkiksi, jos lintuparvi istuu tiellä, ihmiskuljettajat ymmärtävät, että linnut lentävät pois ajoneuvon edetessä, mutta AV:t joko pysähtyvät turhaan tai jarruttavat äkillisesti. AV:t eivät myöskään havaitse monimutkaisia sosiaalisia vuorovaikutuksia, kuten toisen kuljettajan käden liikettä tai katsekontaktia, jotka antavat merkkejä jatkaa.
Lisäksi AV:t eivät toistaiseksi pysty toimimaan turvallisesti, kun tiellä ei ole liikennemerkkejä. Tämä tarkoittaa, että AV:t eivät vielä pysty toimimaan maksimaalisen tarkkuuden kanssa missä tahansa paikassa eri maissa.
Jos matkustaja haluaa vierailla paikassa, jota karttajärjestelmä ei sisällä, hän saattaa kokea sen erittäin vaikeaksi, koska AV:t voivat eksyä. Tämä edellyttää monimutkaisia kolmiulotteisia (3D) reittikarttoja ajoneuvon ohjaamiseen, mikä on aikaa vievä prosessi, jos halutaan saavuttaa kattavuus ja tarkkuus.
Huono sää
Suuri haaste AV:ille on huono sää. Nämä ajoneuvot käyttävät laajaa valikoimaa antureita: kameroita, jotka auttavat näkemään ja tunnistamaan kohteita, laseria etäisyyden mittaamiseen ja tutkaa kohteen nopeuden ja liikesuunnan mittaamiseen.
Kun data on kerätty, järjestelmä tekee päätöksen, mutta lumi, sumu tai rankkasade vaikeuttavat antureiden toimivuutta. Siksi epäsuotuisat sääolosuhteet heikentävät AV:ien havaitsemiskyvyn tarkkuutta, mikä voi vaarantaa käyttäjän turvallisuuden. Lisäksi voimakas sademäärä ja aineet kuten vesi, öljy, jää tai roskat peittävät kaistamerkinnät.
Kustannus
Toinen suuri ongelma AV:issa on kustannus; näiden ajoneuvojen käyttämät anturit, kuten Lidar ja tutka, ovat kalliita. Lisäksi Lidar pyrkii yhä löytämään oikean tasapainon kantaman ja tarkkuuden välillä. Tämä herättää kysymyksen: jos useat AV:t ajavat samassa tiessä, häiritsevätkö niiden lidar-signaalit toisiaan?
Vastuukysymys
Vielä yksi suuri kysymys AV:issa on onnettomuuksien vastuukysymys; kuka on vastuussa AV:n aiheuttamista onnettomuuksista? Tämä korostuu erityisesti täysin autonomisilla tasolla olevissa AV:issa, joilla ei ole ohjauspyörää, jonka ihmiskuljettaja voisi ottaa hallintaansa hätätilanteessa. Lisäksi vakuutus on toinen epäselvä alue näille ajoneuvoille.
Lait ja sääntely
Vaikka AV:t ovat tulleet valtavirtaan, niiden ympärillä olevat lait ja sääntely ovat edelleen harvassa ja hajallaan. Äskettäin Yhdysvalloissa AV:ien sääntelyprosessi on siirtynyt liittovaltion ohjeistuksesta osavaltioittain asetettuihin vaatimuksiin.
Estääkseen “zombiautojen” nousun, jotkut osavaltiot ovat ehdottaneet niille peräisyysveroa. Lainsäätäjät ovat myös laatineet lakiehdotuksia, joissa kaikki AV:t tulisi varustaa paniikkipainikkeella.
Kyberturvallisuus
Koska kuljetusjärjestelmä on erittäin verkottunut ja 5G:n käyttöönotto on käynnissä, tietosuoja ja kyberturvallisuus ovat myös ongelmia näissä ajoneuvoissa. Esimerkiksi vuonna 2015 Fiat Chryslerperuutti 1,4 miljoonaa ajoneuvoaan korjatakseen virheitä, koska ne saattoivat tulla hakkeroituiksi ja etäohjatuiksi. AV:n on varmistettava, että ne eivät vain loukkaa kuluttajan tietosuojaa, vaan myös suojaavat tiedot hakkereilta.
Infrastruktuuri
Jotta AV:t saataisiin tiellä, on tehtävä massiivisia investointeja infrastruktuuriin. AV:t tarvitsevat usein selkeät kaistamerkinnät, paikat datan tallentamiseen ja vahvemman latausverkoston. Tämä vaikuttaa kaupungin budjettiin. Siksi on käynnistettävä keskustelua julkisista investoinneista sekä yhteisön ja teollisuuden yhteistyöstä nykyisen infrastruktuurin laajentamiseksi.
Tekoäly raivaa tietä autonomisille ajoneuvoille
Kaikkien näiden haasteiden edessä tekoäly (AI) ottaa ohjat käsiinsä ja raivaa tietä autonomisille ajoneuvoille.
Autoteollisuus on kehittynyt nopeasti viime vuosina uusien teknologioiden myötä. AI on yksi tällainen teknologia, joka auttaa autoteollisuutta muuttumaan. Periaatteessa AI tarkoittaa koneiden älykkäämmäksi tekemistä. Se sisältää ihmisen älykkyyden simuloinnin koneissa, jotta ne voivat ajatella ja toimia kuin me ihmiset.
AI mahdollistaa ajoneuvojen tunnistaa kohteita, ennustaa, mitä seuraavaksi tapahtuu, reagoida odottamattomiin tilanteisiin ja olla parempia kuin ihmiskuljettajat monimutkaisissa liikennetilanteissa. Statistan mukaan, globaali autoteollisuuden AI-markkinan odotetaan saavuttavan 74,5 miljardin dollarin markkina-arvon.
NHTSA:n tutkimuksen mukaan inhimilliset virheet, kuten heikentynyt näkö- ja kuulo, aiheuttavat noin 93 % tieliikenneonnettomuuksista. AI:n hyödyntäminen AV:issa antureiden ja algoritmien muodossa voi mahdollistaa turvallisemman ja varmemman liikenteen, mikä voi merkittävästi vähentää inhimillisistä virheistä johtuvia uhreja. AI:n kyky oppia ympäristöstä ja sitten sopeutua tekee teknologiasta taitavamman käsittelemään monimutkaisia teitä ja tilanteita.
AI on käytössä AV:issa monin tavoin:
- Teknologia voi auttaa AV:ita ennustamaan muiden kuljettajien ja jalankulkijoiden käyttäytymistä varustamalla ajoneuvon kyvyllä hyödyntää analytiikkaa, ennustaa mahdollisia ongelmia ja estää ne tapahtumasta.
- Koneoppimisen avulla, jossa malli koulutetaan merkittyihin aineistoihin oikean syötteen ja tuloksen kartoittamiseksi, AI voi auttaa AV:ita objektien tunnistuksessa ja mallintamisessa. Samaan aikaan merkitsemättömillä aineistoilla koulutettu malli voi auttaa AV:ita poikkeamien havaitsemisessa, monimutkaisten tilanteiden ymmärtämisessä ja ominaisuuksien poiminnassa.
- AV:t luottavat antureihin, kuten kameroihin, Lidar:iin, tutkaan ja ultraääniantureihin saadakseen tietoa ympäristöstään. Tässä AI-algoritmit voivat analysoida tätä dataa luodakseen tarkkoja karttoja, mikä mahdollistaa AV:ien tehdä perusteltuja päätöksiä.
- Hyödyntämällä luonnollisen kielen prosessointia (NLP) AV:t voivat käyttää puheentunnistusta vuorovaikutukseen matkustajien kanssa. Näin AI auttaa ajoneuvoja ymmärtämään ihmisten kyselyt ja vastaamaan tehokkaasti.
- Mahdollistamalla paikan päällä tehtäviä päätöksiä reaaliaikaisen anturidatan perusteella, AI auttaa AV:ita päättämään, onko paras reaktio hidastaa vai pysähtyä. Näin AI auttaa AV:ita vaarallisissa tilanteissa, joissa ihmiset ovat alttiita virheille. Teknologia tekee sen analysoimalla antureiden dataa. Se suoriutuu huomattavasti paremmin risteilyliikenteen havaitsemisessa, sokeiden pisteiden aktiivisessa valvonnassa, liikennevalojen synkronoinnissa ja hätätilanteiden hallinnassa.
Kaiken kaikkiaan AI AV:issa voi kerätä dataa reaaliajassa, havaita ja tunnistaa kohteita, optimoida reittiä, navigoida tieolosuhteissa ja ennustaa vikoja. Kaikki nämä AI:n käyttötapaukset auttavat autonomisia ajoneuvoja saavuttamaan vähemmän ruuhkaa, nopeampaa energiansäästöä, parempaa saavutettavuutta, tehokkaampaa toimintaa ja lisääntynyttä turvallisuutta.
Tesla Autopilot on ajanut yli 3 miljardia mailia tässä tilassa lähes vuosikymmenen aikana. Elon Muskin Tesla hyödyntää kehittyneitä AI-algoritmeja tarkkaan ohjaukseen.
Waymo on toinen, joka käyttää AI-pohjaista itseajojärjestelmää monimutkaiseen reittisuunnitteluun ja älykkäisiin reaktioihin ympäristöönsä. Yritys on testannut ajoneuvojaan ajamalla kymmeniä miljardeja mailia simulaatiossa.
Daimlerin digitaalinen avustaja, Audin R10 e-tron SUV ja Mercedes-Benzin EQR4 autonominen ajojärjestelmä ovat joitakin muita esimerkkejä. Muita merkittäviä AI:n edistäjiä AV:issa ovat BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia ja Ford.
Tärkeimmät AI-läpimurrot autonomisten ajoneuvojen alalla
Vuosi 2023 oli loistava vuosi AI:n edistysaskeleille, jotka vaikuttivat kaikkeen taiteesta, rahoituksesta, terveydenhuollosta ja koulutuksesta ilmastonmuutokseen, tutkimukseen, rahoitukseen ja AV:iin. Tarkastellaanpa joitakin vuoden 2023 tärkeimpiä AI-läpimurtoja autonomisten ajoneuvojen alalla.
Viime aikoina tutkijat Korean Incheon National University (INU) kehittivät uudenlaisen end-to-end 3D-objektintunnistusjärjestelmän, joka perustuu syväoppimiseen ja IoT:hen. Tämä antaa AV:ille parannetut havaitsemiskyvyt myös epäsuotuisissa olosuhteissa.
Vastaten kameroiden, lidarien ja tutkien haavoittuvuuteen esteille, sääolosuhteille ja epäjärjestelmällisille teille, tutkimus mukautti YOLOv3-algoritmia (You Only Look Once) 3D-objektien tunnistamiseen sisällyttämällä IoT:n, mikä mahdollistaa objektien tiedonvaihdon ja kommunikoinnin internetin kautta.
Ehdotettu järjestelmä on suunniteltu käsittelemään syötteenään RGB-kuvia ja pistepilvidataa. Se tuottaa sitten rajaavat laatikot, jotka on luokiteltu ja merkitty esteiden tunnistamista varten. Järjestelmä on taitava havaitsemaan monipuolisen joukon kohteita ja pystyy hallitsemaan sekä koon että kierron vaihteluita.
Tutkimus testasi järjestelmää Lyft-datan avulla ja havaitsi, että se osoitti suurempaa tarkkuutta ja pienempää viivettä. Tiimin mukaan järjestelmän monipuolisuus ulottuu autonomisten ajoneuvojen ulkopuolelle, ja sillä on potentiaalisia sovelluksia myös valvonnassa, robotiikassa ja pelialoilla.
Toinen projekti, Helm.ai, teki AI-läpimurron, joka ennustaa kuljettajan aikomuksia ja suunnittelee optimaaliset reitit. Yritys, joka kehittää AI-ohjelmistoja robottien ja ajoneuvojen automaatioon, ilmoitti, että tämä mahdollistaa Helm.ai:n skaalautuvat L2/L3- ja L4-julkaisut.
Yrityksen DNN-pohjaisia perusmalleja koulutetaan sen omaa tekniikkaa, Deep Teachingia, hyödyntäen, joka käyttää todellista ajodataa monimutkaisiin ajo-ympäristöihin.
Nyt sen malli analysoi myös ympäröiviä ajoneuvoja ja jalankulkijoita ennustaakseen tarkasti niiden todennäköiset toimet erilaisissa kaupunkitilanteissa ja sen perusteella luodakseen tehokkaimman ja turvallisimman reitin AV:ille. Yrityksen alusta toimii saumattomasti eri laitteistokonfiguraatioiden kanssa ja mahdollistaa tehokkaan koulutuksen ja validoinnin.
“Ohjelmistopalvelumme käsittelee kaupunkialueiden kriittisiä havaintohaasteita, raivaa tietä AI-pohjaisen aikomusten ennustamisen ja reittisuunnittelun skaalautuvaan kehittämiseen ja validointiin.”
– Vladislav Voroninski, Helm.ai:n toimitusjohtaja
Tänä vuonna sähköautojen pioneeri Tesla teki myös edistysaskeleita Full Self-Driving (FSD) -ohjelmistossaan. Sen uusin versio, 12 (v12), vie yrityksen askeleen lähemmäs tasojen 4 tai 5 autonomian saavuttamista autoillaan.
Elokuussa Musk esitteli FSD v12:n, jossa ajoneuvo ajoi autonomisesti ja suoritti tehtäviä kuten rinnakkaisparkkeeraus, liikennevalojen noudattaminen ja liikenneympyröiden navigointi. Tämä versio eroaa aiemmista sen vahvasta riippuvuudesta AI-pohjaisiin itseoppiviin neuroverkkoihin.
Tämä tarkoittaa, että sen sijaan että ihmisen ohjelmoijien täytyisi kovakoodata vastaukset eri ajo-tilanteisiin, AI analysoi valtavan määrän Teslan ajoneuvoista kerättyä dataa ja valitsee sitten sopivimman reaktion.
Tämä kehitys vie Teslan askeleen lähemmäs laajaa tavoitettaan robotaksin liiketoimintaan, joka, Ark Investin mukaan, jopa pessimisessä skenaariossa tuottaa 200 miljardia dollaria (yli 600 miljardia dollaria optimaalisessa skenaariossa) vuotuista liikevaihtoa.
Aiemmin tänä vuonna toinen läpimurto AV:ille tuli kamerakuvausjärjestelmän muodossa, HADAR, tai ‘lämpöavusteinen havaitseminen ja etäisyysmittaus’. Michigan State Universityn ja Purdue Universityn tutkijat hyödynsivät AI:ta kehittääkseen HADAR:n, joka tulkitsee lämpöallekirjoituksia tarjoten tarkkoja ja teräviä kuvia samalla suodattaen optisen hälyn.
Heidän AI-mallinsa hyödynsi koneoppimisalgoritmeja, jotka keräävät dataa kaupallisista infrapunakameroista tunnistaakseen objektien fyysiset ominaisuudet ja niiden ympäristön, mahdollistaen HADAR:n rekonstruoida selkeitä yökuvia.
Koska järjestelmä pystyy havaitsemaan lämpösäteilyn kuvioita, materiaalin muodostumista ja lämpötilaa suurella tarkkuudella, sillä on valtava potentiaali, mukaan lukien kosketukseton julkinen turvallisuustarkastus ja jopa pelon voittaminen pimeässä. Kuitenkin HADAR kohtaa haasteita laitteiston kustannusten ja reaaliaikaisen kalibroinnin tarpeen osalta.
Ford Motor Company perusti myös kokonaan omistamansa tytäryhtiön nimeltä Latitude AI kehittämään kädet vapaaksi, silmät pois tiestä -automaattiajajärjestelmää. Autovalmistaja on jo kerännyt yli 50 miljoonaa mailia kädet vapaana ajamista Ford BlueCruise -järjestelmässään.
Latitude:n kanssa tavoitteena on automatisoida ajaminen tylsissä, stressaavissa ja epämiellyttävissä tilanteissa, kuten pitkät moottoritiet tai ruuhkautuneet liikenteet. Puhuttaessa automatisoidusta ajamisesta Fordin teknologiajohtaja Doug Field sanoi:
“Näemme automatisoidun ajo-teknologian mahdollisuutena määritellä uudelleen ihmisten ja heidän ajoneuvojensa suhteen.”
Lopulliset ajatukset
Kuten näimme, riippuen siitä, kuinka paljon ihmisen apua tarvitaan, autonomiset ajoneuvot jakautuvat eri kategorioihin: kuljettajan avustava automaatio, osittain automatisoitu ajo, vahvasti automatisoitu ajo, täysin automatisoitu ajo ja täysin autonominen ajoneuvo. Tekoälyn myötä AV:ien mahdollisuus saavuttaa lopulliset vaiheet on lähempänä kuin koskaan.
Tekoälymarkkinan tulevaisuus autoteollisuudessa on selvästi lupaava. Se oli yli 6 miljardia dollaria vuonna 2022, ja sen odotetaan kasvavan 55 % CAGR:lla vuoteen 2032 mennessä.
AI-algoritmien edistysaskeleet, kuten anturiteknologiat, laskentateho ja ennakoivat ylläpitosuunnitelmat, auttavat edelleen autonomisia ajoneuvoja ratkaisemaan haasteitaan ja saavuttamaan valtavirran omaksumisen!
