fbpx

Osupljiva prihodnost avtonomnih vozil

Samovozeči avto (Foto: YouTube)

Priznani ameriški računalniški strokovnjak, izumitelj, futurist in avtor številnih uspešnic, 73 – letni Raymond Kurzweil, je širši javnosti verjetno najbolj znan po svojih best seller-jih iz področja umetne inteligence (AI) – Doba inteligentnih strojev (1990), Doba čutečih strojev (1999) in Singularnost se bliža (2005). Kurzweil v njih bralcem na eni strani predoči trenuten razvoj na področju umetne inteligence in njenega vpliva na človekov vsakdan, na drugi pa mu predstavi svoje napovedi glede njenega prihodnjega razvoja in transformativnega vpliva, ki ga bo le – ta imela na tako rekoč celotno industrijo, kot jo poznamo danes.

V svojih delih je Kurzweil nemalo pozornosti posvetil tudi prihodnosti avtomobilske industrije in razvoju avtonomnih vozil. Tako je med drugim napovedal, da bodo v časovnem obdobju do leta 2019 avtonomni avtomobili že del vsakdanjega življenja na cestah razvitih držav, do leta 2029 pa naj bi postalo človekovo upravljanje z avtomobilom (vožnja) v nekaterih državah celo nezakonito, saj naj bi do tedaj postali avtonomni sistemi vožnje tako zelo dovršeni in varni, da naj bi se pričelo človeško upravljanje z avtomobili, smatrati za bistveno bolj nevarno.

Ne glede na Kurzweilove napovedi in njihovo točnost, pa je postalo ukvarjanje z avtonomnimi sistemi za cestno navigacijo, na krilih bliskovitega razvoja avtonomne vožnje s strani strokovnjakov iz vsega sveta, tudi domena mednarodnih razvojnih skupin vladnih organizacij, zadolženih za promet in logistiko. Tako je mednarodno Združenje avtomobilskih inženirjev (ang. “Society of Automotive Engineers – SAE”) leta 2016 izdalo smernice za razvoj avtonomnih vozil, ki naj bi obsegal šest stopenj, od popolne odvisnosti vozila od voznikovih dejanj (tj. stopnja 0), do popolne avtomatizacije vozil (tj. stopnja 6), ko voznikova navzočnost in krmiljenje ni več potrebno v kakršnih koli voznih razmerah. Danes so smernice teh šestih stopenj v razvoju avtonomnosti uveljavljene tako rekoč že na ravni globalne avtomobilske industrije, v skladu z njimi pa so v zadnjih letih nekateri novi avtomobili uspeli doseči tretjo stopnjo avtonomnosti, tj. stopnjo na kateri prične računalniški sistem namesto voznika zaznavati vozno okolje in reagirati v skladu z njim (npr. avtonomni sistem zazna poleg sebe počasi premikajoče se vozilo, zaradi česar da avtomobilu ukaz, da prične prehitevati). Na tej stopnji je sicer še vedno potrebna voznikova navzočnost, da prevzame nadzor nad vožnjo, če se avtonomni sistem slučajno ne bi zmogel ustrezno odzvati na določeno kompleksno situacijo.

Prevladujeta dva sistema za zaznavanje okolice
Tako programska kot tudi strojna oprema, ki z zaznavanjem okolja omogoča vozilom avtonomno vožnjo se tehnično gledano razlikuje od enega do drugega proizvajalca, v grobem pa trenutno med sistemi za zaznavanje vozne okolice prevladujeta dva specifična sistema. Prvi sistem je znan kot računalniški vid (ang. “computer vision”), v ospredju razvoja katerega je podjetje Tesla Motors,.Inc. Avtonomna vožnja s pomočjo računalniškega vida temelji na spektru binokularnih kamer, pozicioniranih na različnih mestih na vozilu, s katerimi skuša sistem za avtonomno vožnjo zajeti čim širši spekter geografskega območja oz. obdelati čim večjo kvantiteto elementov, ki se nahajajo v prostoru, v katerem se vozilo nahaja. Podjetje Tesla je prvo različico svojega, na binokularnih kamerah temelječega avtopilota predstavilo leta 2014, za komercialno rabo pa je bil sistem na voljo od leta 2015 dalje. Podjetje je omenjeni sistem skozi leta vse bolj razvijalo in izpopolnjevalo njegove napake, Teslini avtomobili pa so bili tekom let opremljeni s čedalje večjim številom kamer, z bolj sofisticirano resolucijo, ki so računalniškemu vidu omogočile večjo zanesljivost.

Drug sistem, pri uveljavitvi katerega v zadnjih letih prednjači zlasti ameriško podjetje Waymo, se imenuje tehnologija LIDAR, kar je v bistvu okrajšava za angleški izraz “light imaging, detection and ranging”. Gre za sistem, ki je fizično nameščen na streho vozila in ki po svoji obliki nekoliko spominja na satelitske krožnike, ki se običajno nahajajo na strehah nepremičnin. Sistem deluje tako, da v svojo okolico pošilja laserske žarke, ki se odbijajo od fizičnih objektov, na katere naletijo na svoji poti in se nato vrnejo nazaj v bazni sistem v samem vozilu, kjer na podlagi zaznanih informacij, na v vozilu vgrajenem računalniku, oblikujejo izjemno natančno topografsko sliko voznega okolja. Čeprav je prednost te tehnologije sicer v bistveno večji natančnosti in dovršenosti digitalnih zemljevidov, ki jih uporabljajo avtonomni sistemi teh vozil, je po drugi strani slabost LIDAR sistemov v njihovi relativno visoki ceni, nepraktičnosti za namestitev na običajna osebna vozila in bistveno bolj dolgotrajnem postopku zbiranja vseh potrebnih informacij o fizičnem okolju, kot pri računalniškem vidu.

Uporaba umetne inteligence omogoča strojno učenje
Kljub vsem razlikam med tema dvema sistemoma pa je potrebno poudariti, da imata omenjena sistema tudi izjemno pomemben skupni imenovalec, in sicer strojno učenje (ang. machine learning) s pomočjo katerega se brez pomoči človeških upravljalcev korak za korakom učita tekoče vožnje. Ta metoda uporabe umetne inteligence, je bila sicer predmet raziskovanja že v zadnjih desetletjih prejšnjega stoletja, vendar pa je zaradi eksponentne rasti v zmogljivostih računalniških sistemov in ogromnem naboru, na enem mestu (svetovnem spletu) dostopnih informacij, v zadnjem desetletju doživela nesluten napredek. Strojno učenje je skupaj s svojo podkategorijo imenovano »globoko učenje« (ang. deep learning) metoda, na osnovi katere se sistemi samostojno učijo sami izvajati določena dejanja brez zunanje intervencije ljudi, ki bi jih krmilili, pri čemer se (tudi na podlagi napak, ki jih storijo) čedalje bolj izpopolnjujejo. Tako kot se na podlagi algoritmov strojnega oz. globokega učenja naš računalnik uči katere videoposnetke radi gledamo na internetu in postaja pri tem čedalje bolj izkušen, tako se tudi avtonomni sistemi samovozečih avtomobilov, postopoma priučijo čedalje bolj avtonomne in od človeških intervencij neodvisne vožnje po terenu, ki so ga pred tem analizirali z uporabo enega ali drugega pristopa mapiranja fizičnega okolja ter njegovih komponent. Software avtonomnih sistemov običajno z delovanjem na osebnem računalniku prevozi tudi več milijonov kilometrov različnih poti preden se takšen software vgradi v avtomobil.

Inženirjem zaposlenim v avtomobilski industriji je poleg tega jasno, da bodo šli v prihodnosti trendi na področju avtonomne vožnje v čedalje manjši meri v smer pasivnega zaznavanja voznega okolja in posledičnega odzivanja nanj, ampak bo razvoj slej kot prej dosegel stopnjo, na kateri bodo na cesti prisotna avtonomna vozila sposobna medsebojne komunikacije in usklajevanja. Pri slednjem igra seveda ključno vlogo tudi mobilno omrežje 5g, ki počasi a zanesljivo prodira tudi na slovenski trg. Ker je eden od omenjenih ciljev snovalcev omenjenega omrežja, vzpostavitev t. i. interneta stvari (»internet of things« oz. IoT), tj. široko razpršenega omrežja, ki bo zajemal čim širšo množico vsakdanje uporabnih življenjskih potrebščin, s čimer bi njihovim uporabnikom na takšne in drugačne načine olajšal delo in življenje na različnih nivojih, je jasno, da bo IoT slej kot prej zajemal tudi na cesti prisotna vozila. Pri vzpostavitvi aktivne komunikacije med samovozečimi vozili, ki so v danem trenutku prisotna na cesti, raziskovalci trenutno aktivno razvijajo dva različna načina komunikacije, in sicer tehnologija, imenovana C-V2X (ang. Cellular-based Vehicle to Everything) in metoda DSRC (ang. Dedicated Short – Range Communications).

Katera izmed njiju bo na koncu prevladala pri vozilih na trgu sicer ni znano, tako kot ni znano, če bodo avtonomna vozila v prihodnosti vozila s pomočjo sistema LIDAR ali računalniškega vida (čeprav se trenutno veliko bolj uveljavlja slednji), je pa skorajda gotovo, da bo avtonomna vožnja v prihodnjih letih doživela še občudovanja vreden razvoj, sploh po zaslugi eksponentne rasti moči računalniških sistemov (Moorov zakon), ki so temeljni kamen programske opreme samovozečih vozil in milijonskih investicij s strani avtomobilskih gigantov, zagonskih podjetij in tudi celih držav, ki v takšni avtomatizaciji vidijo malo morje priložnosti.

Matej Markič