Pagtataguyod ng Tiwala sa mga Solusyon sa Automated Driving gamit ang TimelyTale

Mahigit isang siglo na ang nakalipas, ang imbensyon ng mga sasakyan ay nagbago ng buhay ng mga tao, at ang sektor ay ngayon naghahanda para sa susunod na malaking hakbang, na siyang autonomous driving. Sa panahon ngayon, kung saan lahat ay nagiging matalino, bakit hindi rin magiging matalino ang iyong mga kotse? Sa totoo lang, sila ay matalino na.

Ang pag-unlad ng teknolohiya sa sektor ng automotive ay nagdulot ng pag-usbong ng mga self-driving na sasakyan.

Ang pagsasama ng makapangyarihang hardware at matalinong software ay nagbubukas ng isang bagong panahon ng mga self-driving na kotse na magdadala ng mga tao sa kanilang destinasyon nang kumportable at ligtas nang hindi nangangailangan ng anumang interbensyon ng tao.

Ang tanawing ito ng autonomous driving ay mabilis na umuunlad, kung saan ang bilang ng mga automated na sasakyan na ipinapadala bawat taon ay inaasahang lalaki sa CAGR na 41% mula 2024 hanggang 2030.

Ang patuloy na pagsasama ng mga automated na sasakyan sa ating pang-araw-araw na buhay ay inaasahang magbabawas ng traffic congestion, magpapahusay ng accessibility, at magpapataas ng kaligtasan. Ang mga sasakyang ito ay nagbibigay-daan din sa mga driver na magsagawa ng mga gawain na hindi kaugnay ng pagmamaneho, tulad ng paggamit ng telepono, panonood ng multimedia, pagtatrabaho, o simpleng pagpapahinga habang nasa biyahe.

Hindi lahat ng automated na sasakyan ay kayang gawin iyan. May mga antas ang mga automated na sasakyan, na ganito ang pagkakasunod-sunod;

Antas 0 – Sa antas na ito, walang automation sa pagmamaneho. Ito ay ganap na kontrolado nang manu-mano. Ang antas na ito ng mga sasakyan ay karaniwang nakikita natin sa mga kalsada.

Antas 1 – Isang hakbang pataas, ito ang pinakamababang antas ng automation, kung saan ang driver assistance ay ibinibigay sa pamamagitan ng isang solong automated system tulad ng steering o adaptive cruise control.

Antas 2 – Ang antas na ito ng partial driving automation ay tinatawag na advanced driver assistance systems (ADAS). Dito, maaaring kontrolin ng sasakyan ang steering at bilis nito, ngunit may tao pa rin na nakaupo sa upuan ng driver at maaaring kunin ang kontrol anumang oras. Nakikita na natin ang antas na ito ng mga sasakyan sa paligid natin sa pamamagitan ng Tesla (TSLA ) Autopilot at General Motors (GM ) Cadillac Super Cruise systems.

Antas 3 – Sa antas ng conditional automation na ito, may kakayahan ang mga sasakyan na matukoy ang kanilang paligid at batay dito ay makagawa ng mga matalinong desisyon. Gayunpaman, kailangang manatiling alerto ang human driver at handang kunin ang kontrol kung hindi kayang isakatuparan ng sistema ang gawain. Ang mga pangunahing halimbawa ng Antas 3 ay kinabibilangan ng Mercedes-Benz S-Class, na may mga kakayahan tulad ng autonomous highway cruising at lane-keeping, at ang Honda (HMC ) Legend, na may hands-free driving sa ilang partikular na senaryo.

Antas 4 – Ang susunod na hakbang na ito ay nagdadala sa atin sa mga high-automation na sasakyan, na kadalasan ay hindi na nangangailangan ng tulong ng tao. Gayunpaman, may opsyon pa rin ang mga tao na manu-manong mag-override. Ang mga sasakyan sa Antas 4 ay maaaring mag-self-drive ngunit legal na magagawa lamang ito sa limitadong mga lugar. Ang mga sasakyang ito ay kasalukuyang binubuo kasama ang Google‘s Waymo One at Baidu’s Apollo Go.

Antas 5 – Ngayon, ang antas na ito ay hindi na nangangailangan ng anumang driver. Sa yugtong ito, ang mga autonomous na sasakyan ay nakakamit ang ganap na automation sa pagmamaneho, at wala na silang geofencing kaya kayang gawin ang lahat ng kayang gawin ng isang karanasang human driver at makapunta kahit saan. Mula sa Tesla, Amazon (AMZN ), at Honda hanggang Mercedes, ilang pangunahing tagagawa ng sasakyan sa buong mundo ay nagte-test ng ganap na autonomous na mga kotse. Gayunpaman, hindi pa ito magagamit ng pangkalahatang publiko.

Bagaman kasalukuyang hindi alam kung kailan eksaktong makakamit ng ganap na automated na mga sasakyan (SAE Level 5) ang malawakang pag-aampon, may ilang pag-aaral na nagtataya na magiging handa ang merkado sa pagtatapos ng dekadang ito.

Dahil dito, kritikal ang pagbuo ng tiwala ng gumagamit para sa matagumpay na pag-deploy at pagtanggap ng mga sasakyang ito. Sa kasalukuyan, ang limitadong tiwala ng mga pasahero ay humahadlang sa pag-aampon.

Kaya, upang gawing passenger-friendly ang mga self-driven na sasakyan, ang mga mananaliksik mula sa Gwangju Institute of Science and Technology (GIST), South Korea, ay sumulat ng papel na tinatalakay ang mga estratehiya para dito. Kasama rito ang pagbibigay ng mga paliwanag sa mga pasahero.

Ang katotohanan, ang hindi maayos na disenyo ng mga paliwanag ay maaaring makaapekto nang negatibo sa karanasan ng pasahero. Kaya, dapat maghatid ang mga paliwanag ng impormasyon na may sapat na pagkaintindihan sa mabilis na nagbabagong kapaligiran ng kalsada.

Ang mga nakaraang pag-aaral ay nagsuri ng iba’t ibang paraan ng presentasyon ng paliwanag upang mapabuti ang karanasan ng pasahero habang binabawasan ang pagkabalisa at cognitive load. Gayunpaman, ang pinakamainam na timing para sa mga paliwanag at ang aktwal na pangangailangan ng pasahero ay hindi pa lubos na nasusuri, lalo na sa totoong kapaligiran.

Sinuri ng mga mananaliksik ng GIST ang proseso ng pagbibigay ng mga paliwanag sa tamang oras upang mapabuti ang pakiramdam ng kaligtasan ng mga pasahero at ang kanilang kumpiyansa sa mga automated na sasakyan.

Pagpapabilis ng Pag-aampon ng Autonomous Vehicles

Upang matulungan ang mga automated na sasakyan na matupad ang kanilang pangako ng pagpapabuti ng urban mobility, kailangang makamit ang tiwala ng mga pasahero, kung saan kinakailangang magbigay ng napapanahon at pasahero-specific na mga paliwanag para sa mga desisyon ng self-driving na sasakyan.

Upang maging epektibo ang mga paliwanag na ito, kailangan nilang maging nauunawaan, nagbibigay ng impormasyon, at maikli. Makapagpapalago ito ng tiwala ng mga pasahero sa pamamagitan ng pagbibigay sa kanila ng patuloy na pakiramdam ng kontrol at pagbawas ng mga negatibong karanasan.

Bagaman may mga umiiral na na explainable artificial intelligence (XAI) na mga pamamaraan, kadalasan ay para sa mga developer at regulator. Dahil nakatuon ang mga ito sa mga high-risk na senaryo o sobrang detalyadong paliwanag, hindi talaga ito angkop para sa mga pasahero.

Ipinapakita nito ang pangangailangan para sa mga XAI model na partikular na nakatuon sa mga pasahero, na nauunawaan ang uri ng impormasyong kailangan at kung kailan ito kinakailangan sa mga totoong senaryo ng pagmamaneho.

Isang pangunahing hadlang sa pagbuo ng mga passenger-centric na explainable XAI model, ayon sa pag-aaral, ay ang kakulangan ng mga dataset na isinasaalang-alang ang konteksto ng pasahero.

Bilang tugon, isang pangkat ng mga mananaliksik ng GIST na pinamumunuan ni SeungJun Kim, ang Propesor at Direktor ng Human-Centered Intelligent Systems Lab sa GIST, ay nagpakilala ng TimelyTale upang tugunan ang kakulangan ng passenger-centric na pamamaraan gamit ang sensor data para sa napapanahon at konteksto-relevant na mga paliwanag.

Ang TimelyTale ay isang bagong multimodal dataset na dinisenyo upang makunan ang mga totoong senaryo ng pagmamaneho at magbigay ng mga paliwanag sa loob ng sasakyan upang mapabuti ang tiwala at kumpiyansa ng mga pasahero sa mga automated na sasakyan.

“Ang aming pananaliksik ay naglilipat ng pokus ng XAI sa autonomous driving mula sa mga developer patungo sa mga pasahero. Nakabuo kami ng isang pamamaraan para mangalap ng aktwal na pangangailangan ng mga pasahero para sa mga paliwanag sa loob ng sasakyan at mga paraan upang lumikha ng napapanahon, sitwasyon-relevant na mga paliwanag para sa mga pasahero.”

– Propesor Kim

Ang mga may-akda ng pag-aaral ay pinarangalan ng ‘Distinguished Paper Award’ para sa kanilang pag-aaral na pinamagatang ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

Upang magsimula, sinuri muna ng mga mananaliksik ang epekto ng iba’t ibang uri ng visual na paliwanag—kasama ang attention, perception, at kombinasyon ng pareho—at ang timing nito sa karanasan ng pasahero sa ilalim ng totoong kondisyon ng pagmamaneho, gamit ang augmented reality.

Natuklasan na ang perception state ng sasakyan ay nagpapabuti ng tiwala, situational awareness, at perceived safety nang hindi binibigatan ang mga pasahero. Bukod pa rito, natuklasan ng mga mananaliksik na ang traffic risk probability ang pinakaepektibong salik sa pagdedesisyon kung kailan dapat ibigay ang mga paliwanag, na tumutulong din upang maunawaan kung kailan nakakaramdam ng labis na impormasyon ang mga pasahero.

Batay sa mga natuklasan, ang mga mananaliksik ng GSIT, kasama ang MIT, ay nag-develop ng TimelyTale dataset.

Para sa pamamaraang ito, gumamit ang mga mananaliksik ng data mula sa panlabas na kapaligiran (exteroceptive) tulad ng tunog at mga tanawin, proprioceptive data na tumutukoy sa posisyon at galaw ng katawan, at (interoceptive) data tungkol sa kalagayan ng pasahero, ibig sabihin ang mga sensasyon ng kanilang katawan tulad ng sakit, paghinga, at tibok ng puso.

Upang makuha ang lahat ng data na ito mula sa mga pasahero, gumamit ang mga mananaliksik ng iba’t ibang sensor sa naturalistic na senaryo ng pagmamaneho upang hulaan ang kanilang pangangailangan sa paliwanag. Kabilang sa mga device ang GPS, 3D LiDAR, OBD-II, IMU, at stereo camera para sa exteroceptive at proprioceptive data, habang ang LiDAR camera, depth camera, thermal imaging, E4 wristband, at seat pressure sensors ay ginamit upang makuha ang interoceptive data.

Kapansin-pansin, isinama rin ng mga mananaliksik ang konsepto ng in-vehicle interruptibility upang mahanap ang tamang sandali para sa mga paliwanag. Ang interruptibility ay ang paglipat ng pokus ng pasahero mula sa mga gawain na hindi kaugnay ng pagmamaneho (NDRTS) patungo sa impormasyong may kinalaman sa pagmamaneho.

Hindi tulad ng mga manually driven na sasakyan, kung saan hindi maaaring ma-distract ang mga driver, sa automated vehicles, karaniwang hindi nakikibahagi ang mga pasahero sa mga gawain sa pagmamaneho. Dahil dito, kailangan tukuyin ang mga sandali para sa impormasyong may kinalaman sa pagmamaneho sa panahon ng NDRTs.

Bilang resulta, nagawang matukoy ng mga mananaliksik nang epektibo ang timing pati na rin ang dalas ng pangangailangan ng mga pasahero para sa mga paliwanag. Nakilala rin ng modelo ang mga tiyak na paliwanag na nais ng mga pasahero sa mga sitwasyon ng pagmamaneho.

Ginamit ng mga mananaliksik ang kanilang pamamaraan upang bumuo ng isang machine (ML) learning model na nagtataya ng pinakamainam na oras upang mag-alok ng paliwanag sa pasahero. Nagsagawa rin sila ng city-wide modeling upang lumikha ng mga tekstuwal na paliwanag batay sa iba’t ibang lokasyon ng pagmamaneho.

Ayon sa pag-aaral, ipinapakita ng paunang pagsusuri na may potensyal ang modelo sa pagtukoy ng timing ng pangangailangan ng pasahero para sa mga paliwanag sa loob ng sasakyan. Samantala, maaaring gamitin ang dataset upang lumikha ng tekstuwal na nilalaman ng paliwanag na may kaugnayan sa kapaligiran, pagmamaneho, at konteksto ng pasahero.

“Ang aming pananaliksik ay naglalatag ng pundasyon para sa mas mataas na pagtanggap at pag-aampon ng mga autonomous na sasakyan, na posibleng magbabago ng urban transportation at personal mobility sa mga darating na taon.”

– Prop. Kim

Mga Kumpanya na Nagpapaunlad ng Automated Driving Solutions

Ngayon, tingnan natin ang mga kumpanya na humuhubog sa hinaharap ng mga automated na sasakyan at nakaposisyon din upang samantalahin ang mga pag-unlad sa explainable AI.

Sa sektor ng AV, General Motors (GM ) ay nag-develop ng Cruise para sa driverless rides habang ang Ford Motor ay gumagawa ng hakbang patungo dito sa pamamagitan ng Escape Hybrid.

Pagkatapos ay naroon ang NVIDIA (NVDA ), na ang DRIVE platform ay nag-aalok ng pamilya ng hardware at software tools para sa pag-develop ng autonomous vehicle. Amazon (AMZN ) ay interesado rin sa teknolohiya ng autonomous vehicle sa pamamagitan ng Zoox, na nagsimulang mag-test ng kanilang driverless na mga kotse bago ang kanilang paglulunsad sa susunod na taon. Ang mga tulad ng Uber (UBER ) at Lyft (LYFT ), na may ride-sharing network, ay maaari ring makinabang mula sa mga pag-unlad sa pagpapalakas ng tiwala at kaligtasan sa mga serbisyo ng self-driving na sasakyan.

Ngayon, dalawang kilalang pangalan sa merkado ng autonomous vehicle na maaaring maging karapat-dapat sa pamumuhunan ay:

1. Waymo (GOOGL )

Sa mundo ng pag-develop ng autonomous vehicle, ang Waymo ay nakagawa ng maraming progreso. Ang subsidiary ng Alphabet na ito ay nakatuon sa teknolohiya ng self-driving at mga tampok na nakasentro sa pasahero.

Sa huling bahagi ng nakaraang buwan, inanunsyo ng kumpanya ang pagsasara ng $5.6 bilyong oversubscribed na investment round na pinamunuan ng parent company na Alphabet, kasama ang iba pang kalahok tulad ng mga existing investors at private equity firms na Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake, at T. Rowe Price.

Ang pondo ay gagamitin upang palawakin ang ride-hailing service na “Waymo One” sa mas maraming lungsod sa US at pagbutihin ang AI-powered na “Waymo Driver.” Kamakailan lamang, inilunsad ng kumpanya ang kanilang robotaxis sa Los Angeles, na nangangahulugang sinumang nasa lungsod ay maaaring tumawag ng driverless na sasakyan sa pamamagitan ng Waymo One app. Ang robotaxi na ito ay umiikot na sa Phoenix sa loob ng apat na taon at nasa San Francisco mula noong nakaraang taon. Samantala, sa Austin at Atlanta, idinagdag ng Waymo ang kanilang AVs sa platform ng Uber, na nagpapahintulot sa mga customer na mag-hail ng kanilang sasakyan mula sa Uber app.

Ang Google ay nagsimulang magtrabaho sa self-driving na mga kotse higit isang dekada at kalahati na ang nakalipas nang ang Waymo ay isang lihim na proyekto lamang. Ayon sa ulat, ang self-driving na mga kotse ng tech giant ay nakapag-log ng higit sa 20 milyong milya nang walang anumang malalaking aksidente.

Ang mga shares ng $2.2 trilyong market cap na higante ay kasalukuyang nagte-trade sa $180.91, tumaas ng 30% ngayong taon. May EPS (TTM) na 7.54, P/E (TTM) na 24.09, at dividend yield na 0.44%. Para sa 3Q24, itoiniulat net sales na $2.93 bilyon at $702 milyong cash flow mula sa operasyon.

Para sa Q3 2024, iniulat ng Alphabet ang kita na $88.27 bilyon, tumaas ng 15% taon-taon. Ang kita ng cloud nito ay tumaas ng 35% mula isang taon ang nakalipas at umabot sa rekord na $11.35 bilyon sa quarter na ito, na pinasigla ng AI offerings.

Ang AI ay nakakuha ng maraming atensyon mula sa mga gumagamit at kumpanya, kung saan ang Google ay nakakakuha ng mga bagong customer, mas malalaking deal, at nakikita ang pagtaas ng adoption dahil sa AI. Kaya, natural na patuloy na “nag-iinvest sa state-of-the-art infrastructure” ang kumpanya upang suportahan ang kanilang AI efforts.

2. Tesla Inc. (TSLA )

Itinatag ni Elon Musk, kilala ang Tesla sa kanilang mga electric vehicle, na nag-aalok ng Autopilot bilang level 2 automation. Ang Autopilot ay standard na tampok sa bawat bagong Tesla, kung saan ang bawat sasakyan ay may maraming kamera at vision processing para sa karagdagang layer ng kaligtasan.

Mayroong din Full Self-Driving (FSD), na nagdadagdag ng semi-autonomous navigation. Ang parehong Autopilot at FSD ay nilayon para magamit ng isang ganap na alertong driver.

Habang ang Autopilot ay may mga functionality tulad ng traffic-aware cruise control at autosteer, ang FSD (supervised) ay nag-aalok ng karagdagang mga tampok, kabilang ang navigation on autopilot, autosteer sa mga kalye ng lungsod, auto lane change, auto park, summon at smart summon, traffic control, at stop sign control.

Ang mga Tesla na sasakyan ay may ilang active safety features na nagpapahintulot sa kanila na matukoy ang mga kotse o hadlang, magbigay ng babala sa nalalapit na banggaan, side collision warnings, at blind spot monitoring, at iba pa, upang tulungan ang mga driver.

Gayunpaman, ang automaker ay kasalukuyang kinahaharap ang pagsusuri mula sa National Highway Traffic Safety Administration (NHTSA), na naghayag ng hindi pagkakasiya sa promotional language ng Tesla sa social media hinggil sa kanilang FSD feature. Naniniwala ang ahensya na ang mensahe ng Tesla ay maaaring mag-promote ng hindi ligtas na paggamit ng system at hiniling sa kumpanya na muling isaalang-alang ang kanilang communication strategy tungkol sa kakayahan ng FSD.

Ito ay naganap matapos ang isang trahedya kung saan isang babae ang nabangga ng Tesla na nasa FSD mode, na nagbunsod ng mga tanong tungkol sa kakayahan ng system na harapin ang mahihirap na kondisyon ng kapaligiran.

Binigyan ng NHTSA ang Tesla ng deadline hanggang Dis. 18 upang sagutin ang kanilang mga tanong hinggil sa “potential failure to perform” ng FSD, kabilang ang pagtuklas at tamang pagresponde sa mga partikular na sitwasyon kung saan may mababang visibility ng kalsada na maaaring limitahan ang kakayahan ng FSD na ligtas na mag-operate.

Sa market cap na $1.05 trilyon, ang mga shares ng Tesla ay kasalukuyang nagte-trade sa humigit-kumulang $340, tumaas ng 32.2% ngayong taon (YTD). May EPS (TTM) na 3.65, P/E (TTM) na 90.07, at ROE (TTM) na 20.65%. Ang Debt To Equity (MRQ) nito ay 11.01%.

Para sa 3Q24, ang kumpanya iniulat $23.35 bilyon na kita at net income na $2.17 bilyon. Ang profit margins ay tumaas ng $739 milyon sa automotive regulatory credit revenue bilang resulta ng regulasyon na nag-uutos sa mga automaker na magbenta ng tiyak na bilang ng low-emission vehicles o bumili ng credits mula sa mga tulad ng Tesla, na eksklusibong gumagawa ng mga ganitong sasakyan at, bilang resulta, may labis na credits.

Sa quarter na ito, ang automaker ay nakagawa ng 470,000 na sasakyan at nakapag-deliver ng 463,000 na sasakyan. Kamakailan, inilunsad din nila ang isang robotaxi at robovan.

I-click dito upang malaman ang lahat tungkol sa Tesla.

Konklusyon 

Ang malawak na lumalawak na mundo ng autonomous vehicles ay nagmumungkahi ng hinaharap na may mas mataas na mobilidad, nabawasang traffic congestion, higit na kaginhawahan, at pinahusay na kaligtasan.

Habang ang laki ng global autonomous vehicle market ay inaasahang lumaki mula $13,632.4 bilyon sa pagtatapos ng dekadang ito, ang merkado ng autonomous driving software, na mahalaga sa mga AV, ay inaasahang tataas mula $1.8 bilyon noong 2024 hanggang $7 bilyon pagsapit ng 2035.

Ang lumalaking pangangailangan para sa epektibo at ligtas na solusyon sa transportasyon ay dahilan ng paglago ng autonomous driving software market. Habang unti-unting nagiging popular at tinatanggap ang mga AV, kinakailangan ng mga automotive manufacturer na isama ang mga safety technology. Dito, tinitiyak ng autopilot driving software ang kaligtasan ng sasakyan sa pamamagitan ng mga algorithm at real-time data processing.

Ngayon, upang maisakatuparan ang hinaharap ng ganap na autonomous na mga sasakyan, kailangan natin ng higit pa sa teknolohikal na pag-unlad. Ang pagkuha ng tiwala ng mga pasahero ay kritikal upang makamit ang malawakang pag-aampon. Sa pamamagitan ng mga solusyon tulad ng TimelyTale, na nakatuon sa napapanahon at kaugnay na mga paliwanag, mas matutugunan ang mga alalahanin ng pasahero at mapapalago ang tiwala, kaya nagtataguyod ng isang human-centered na pamamaraan sa autonomous driving.

Ang mga inobasyon tulad nito ay mahalaga upang mapalapit pa tayo sa hinaharap kung saan ang mga self-driving na sasakyan ay maayos na integrated sa ating pang-araw-araw na buhay, na magbabago ng urban mobility.

I-click dito upang malaman kung paano makakalikom ng hanggang $4 trilyon ang mga autonomous taxi pagsapit ng 2027.