Priorytety jazdy
Rozważając rodzaj modelowania niezbędny do stworzenia niezawodnych i bezpiecznych pojazdów autonomicznych, należy wziąć pod uwagę następujące kryteria bezpieczeństwa i skuteczności jazdy, wymienione w pierwszej kolejności z najważniejszymi na początku.
- Bezpieczeństwo osób w pojeździe i na zewnątrz pojazdu
- Zmniejszenie zużycia pasażerów
- Bezpieczeństwo mienia
- Przybycie do podanego celu podróży
- Zmniejszenie zużycia pojazdu
- Oszczędzanie zasobów paliwowych
- Uczciwość wobec innych pojazdów
- Oszczędzanie w czasie
Są one uporządkowane w sposób, który ma sens obywatelski i globalny, ale nie są priorytetami kierowanymi przez ludzi.
Skopiować ludzi czy dokonać ponownej oceny i zaprojektować od zera?
Ktokolwiek powiedział, że celem autonomicznego projektowania samochodów jest modelowanie części ludzkiego umysłu, które potrafią prowadzić, nie powinien projektować autonomicznych samochodów do rzeczywistej produkcji. Powszechnie wiadomo, że większość ludzi, choć słyszeli o poniższych wskazówkach bezpieczeństwa, nie może ich uświadomić z wystarczającą prędkością, aby skorzystać z nich w rzeczywistych warunkach prowadzenia pojazdu.
- Gdy opony ześlizgną się na boki, skręć w poślizg.
- Kiedy zaczyna się poślizg do przodu, pompuj przerwy.
- Jeśli ktoś kieruje się stycznie do tyłu samochodu, natychmiast przyspiesz, a następnie zepsuć.
- Na pochylni przyspiesz, aby dopasować prędkość samochodów na pasie, z którym się łączysz, chyba że nie ma miejsca na scalenie.
- Jeśli zobaczysz plamę lodu, kieruj się prosto i nie przyspieszaj ani nie zwalniaj po jej dotarciu.
Wiele kolizji między lokomotywami i samochodami jest spowodowanych tym, że czerwone światło powoduje linię na wielu pasach ruchu wzdłuż torów. Często osoba przesuwa się na tory kolejowe, aby uzyskać długość jednego samochodu w innych wagonach. Kiedy inni starają się utrudniać wybór, pojawia się poważne ryzyko.
Jakkolwiek absurdalne jest to zachowanie dla każdego, kto obserwuje, wiele zgonów zdarza się, gdy szybka podróżująca lokomotywa o masie 2000 ton uderza w coś, co dla pasażerów pociągu wydaje się drobiną pyłu.
Przewidywalność i adaptowalność
Ludzie są nieprzewidywalni, jak wskazuje pytanie, ale chociaż przystosowanie może być nieprzewidywalne, nieprzewidywalność może nie być adaptacyjna. Potrzebna jest adaptowalność i jest ona potrzebna na pięć głównych sposobów.
- Dostosowujący się w tej chwili do niespodzianek
- Adaptacyjny poprzez ogólne wrażenia z jazdy
- Dostosowujący się do konkretnego samochodu
- Dostosowujący się do ekspresji pasażera
- Dostosowujący się do konkretnych regionów mapy
Ponadto prowadzenie samochodu jest
- Wysoce mechaniczny,
- Wizualny,
- Słuchowy,
- Zorientowany na plan
- Geograficzny i
- Prewencyjne w niespodziewanych sytuacjach.
Modelowanie złożoności jazdy
Wymaga to modelu lub modeli składających się z kilku rodzajów obiektów.
- Mapy
- Pojazd
- Zamiary pasażerów
- Inny pojazd
- Inne przeszkody
- Piesi
- Zwierząt
- Przejścia
- Sygnały drogowe
- Znaki drogowe
- Boczna droga
Ani Tajemnica, ani Nieokreśloność
Chociaż modele te są poznawczo aproksymowane w ludzkim mózgu, to jak dobrze są one modelowane i jak skuteczne są te modele w osiąganiu czegoś zbliżonego do rozsądnej równowagi powyższych priorytetów, różnią się od kierowcy do kierowcy i różnią się od podróży do podróży dla tego samego kierowcy .
Jednak jakkolwiek skomplikowana jest jazda samochodem, nie jest tajemnicza. Każdy z powyższych modeli jest łatwy do rozważenia na wysokim poziomie pod względem interakcji i posiadanych właściwości mechanicznych i probabilistycznych. Wyszczególnienie ich jest ogromnym zadaniem, a sprawienie, aby system działał niezawodnie, oprócz pytania szkoleniowego, stanowi poważne wyzwanie inżynierskie.
Nieuchronność osiągnięć
Bez względu na złożoność, ze względu na ekonomię i fakt, że jest to w dużej mierze problem mechaniki, prawdopodobieństwa i rozpoznawania wzorców, zostanie to zrobione i ostatecznie zostanie zrobione dobrze.
Kiedy jest to mało prawdopodobne, jeśli brzmi to dla osoby, która uznaje naszą obecną kulturę za trwałą, prowadzenie pojazdów przez ludzi może stać się nielegalne w tym stuleciu w niektórych krajach. Każdy analityk ruchu drogowego może zgromadzić mnóstwo dowodów na to, że większość ludzi jest źle przygotowana do prowadzenia maszyny ważącej tonę przy zwykłych prędkościach. Licencjonowanie nieprofesjonalnych kierowców stało się powszechnie akceptowane tylko z powodu publicznego nalegania na wygodę i komfort transportu oraz ponieważ wymaga tego ekonomia siły roboczej.
Autonomiczne samochody mogą odzwierciedlać najlepsze ludzkie możliwości, ale prawdopodobnie znacznie je przewyższają, ponieważ chociaż obiekty w modelu są złożone, są w dużej mierze przewidywalne, z godnym uwagi wyjątkiem bawiących się dzieci. Technologia AV wykorzysta do tego standardowe rozwiązanie. Cały scenariusz można spowolnić, aby dostosować się do zabawy dzieci poprzez spowolnienie. Elementy AI, które konkretnie wykrywają dzieci i psy, prawdopodobnie pojawią się wkrótce, jeśli jeszcze nie istnieją.
Losowość
Losowość jest ważna w treningu. Na przykład kierowca samochodu wyścigowego celowo tworzy płozy różnych typów, aby przyzwyczaić się do ich kontrolowania. W uczeniu maszynowym widzimy pewne pseudolosowe zaburzenia wprowadzane podczas treningu, aby upewnić się, że proces opadania gradientu nie zostanie złapany w lokalnym minimum, ale raczej jest w stanie znaleźć globalne minimum (optymalne).
Impas
Pytanie jest prawidłowe, stwierdzając, że „dawka nieprzewidywalności może mieć swoje zastosowanie”. Scenariusz impasu jest interesujący, ale nie jest prawdopodobne, aby wystąpił w miarę rozwoju standardów. Kiedy czterech kierowców jednocześnie zatrzymuje znak stopu, tak naprawdę nie. Wygląda na to, że tak. Prawdopodobieństwo, że żaden z nich nie przybył więcej niż milisekundę przed innymi, jest astronomicznie małe.
Ludzie nie wykryją (a nawet nie będą wystarczająco szczerzy), aby rozróżnić te małe różnice czasowe, więc zwykle dochodzi do tego, kto jest najbardziej łaskawy, by pomachać innym, i może być też jakiś impas, który może stać się komiczny, zwłaszcza, że wszystkie z nich naprawdę chcą się przeprowadzić. Pojazdy autonomiczne niezwykle rzadko spotykają się z impasem, który nie jest objęty przepisami wydanymi przez rządowy organ wydający zezwolenia, które można zaprogramować jako reguły jazdy do systemu.
W tych rzadkich przypadkach pojazdy mogły losować cyfrowo, jak sugerowano, co jest jednym z miejsc, w których nieprzewidywalność jest adaptacyjna. Przeprowadzanie eksperymentów poślizgowych jak kierowca wyścigowy na Main Street o północy może być tym, co może zrobić pijany nastolatek, ale jest to forma nieprzewidywalności, która nie dostosowuje się do rozsądnego uporządkowania priorytetów jazdy. Nie byłoby też wysyłania SMS-ów ani próbowania jedzenia i prowadzenia samochodu.
Determinizm
Jeśli chodzi o determinizm, w kontekście omawianych zastosowań wystarczające będzie generowanie liczb pseudolosowych poszczególnych rozkładów.
- Zwolnienie blokady lub
- Przyspieszenie treningu i większa niezawodność, gdy istnieją lokalne minima, które nie są globalnym minimum podczas optymalizacji,
Testy funkcjonalne i technologie testów jednostkowych są w stanie nie tylko poradzić sobie z testowaniem komponentów z pseudolosowością, ale czasami wykorzystują pseudolosowość, aby zapewnić lepszy zasięg testowania. Kluczem do zrobienia tego dobrze jest zrozumienie prawdopodobieństwa i statystyki, a niektórzy inżynierowie i projektanci sztucznej inteligencji dobrze to rozumieją.
Element zaskoczenia
Tam, gdzie losowość jest najważniejsza w technologii AV, to nie w podejmowaniu decyzji, ale w niespodziankach. To jest dzisiaj najnowocześniejsza praca inżynierska. Jak bezpiecznie prowadzić samochód, gdy w kanałach audio lub wideo pojawia się zupełnie nowy scenariusz? Być może jest to miejsce, w którym różnorodność ludzkiej myśli może być najlepsza, ale przy prędkościach na autostradzie zwykle jest zbyt wolno, aby reagować w sposób, w jaki widzimy w scenach pościgowych.
Korelacja między ryzykiem a prędkością
To wywołuje interesującą interakcję czynników ryzyka. Zakłada się, że wyższe prędkości są bardziej niebezpieczne, rzeczywista mechanika i prawdopodobieństwo nie są tak wyraźne. Niskie prędkości powodują tymczasowo dłuższe przejazdy i większe natężenie ruchu. Niektóre formy wypadków są mniej prawdopodobne przy wyższych prędkościach, szczególnie te, które są związane głównie z natężeniem ruchu lub zdarzeniem. Inne formy są bardziej prawdopodobne przy wyższych prędkościach, szczególnie te, które są związane z czasem reakcji i tarciem opony.
W przypadku pojazdów autonomicznych poślizg opon może być dokładniej modelowany, a czas reakcji może być rzędu rzędów wielkości krótszy, więc minimalne ograniczenia prędkości mogą być bardziej narzucone, a górne limity mogą wzrosnąć, gdy wyciągniemy ludzi z miejsc kierowcy.
Samochody samojezdne stosują Reinforcement Learning i Semi-Nadzorowane uczenie się, co pozwala im lepiej dopasować się do sytuacji, których programiści się nie przewidzieli.
Niektóre samochody stosują teraz inteligencję roju , w której skutecznie uczą się na podstawie interakcji między sobą, co może również pomóc w przypadkach uczenia się transferu.
źródło