Kai automobilis mato daugiau nei vairuotojas
Prisimenu, kaip prieš kokį dešimtmetį fantastiniai filmai rodė automobilius, kurie patys važiuoja gatvėmis, o žmonės viduje ramiai skaito laikraštį ar miega. Atrodė kaip neįtikėtina ateitis. Dabar tokios mašinos jau važinėja realiais keliais, nors dar ne visur ir ne visada be žmogaus priežiūros. Bet kaip, po velnių, tas metalinis dėžės ant ratų gali pats žinoti, kur važiuoti, kada sustoti ir kaip nepakliūti į avariją?
Autonominių transporto priemonių navigacija – tai ne viena technologija, o sudėtinga sistema, kurioje dirba kartu dešimtys skirtingų komponentų. Tai tarsi orkestras, kur kiekvienas instrumentas turi savo vaidmenį, bet kartu jie sukuria harmoniją. Tik šiuo atveju harmonija reiškia, kad jūs saugiai pasiekiate tikslą, o ne įvažiuojate į parduotuvės vitriną.
Jutikliai – automobilio akys ir ausys
Pirmiausia autonominei mašinai reikia suprasti, kas vyksta aplinkui. Mes, žmonės, tam naudojame akis, ausis ir kitą pojūčius. Automobilis turi savo “pojūčius” – jutiklius. Ir jų yra ne vienas ar du, o visas arsenalas.
Lidarai – tai tokie lazerių šaudytojai, kurie milijonus kartų per sekundę siunčia šviesą ir matuoja, kaip greitai ji atsimušusi grįžta atgal. Taip sukuriamas tikslus 3D aplinkos žemėlapis. Matėte tuos besisukančius cilindrus ant kai kurių autonominių automobilių stogų? Tai jie ir yra. Tiesa, naujesniuose modeliuose juos bando padaryti mažesnius ir diskretesnius, nes niekas nenori važinėti su švieslente ant stogo.
Radarai veikia panašiai kaip lidarai, tik naudoja radijo bangas vietoj šviesos. Jie puikiai veikia bet kokiomis oro sąlygomis – ar lyja, ar sninga, ar migla. Radarai ypač naudingi matuojant kitų objektų greitį ir nustatant atstumą iki jų.
Kameros – paprasčiausios vaizdo kameros, kokias turime ir savo telefonuose, tik daug galingesnės. Autonominėje mašinoje jų gali būti 8-12 ar net daugiau, nukreiptų į visas puses. Jos atpažįsta kelio ženklus, šviesoforus, pėsčiuosius, kitų automobilių stabdymo žibintus ir šimtus kitų dalykų. Kai kurios kompanijos, kaip Tesla, tiki, kad ateityje pakaks tik kamerų – juk žmonės vairuoja tik su akimis, be jokių lidarų.
Ultragarsiniai jutikliai – tie patys, kuriuos naudoja parkavimosi sistemos. Jie veikia nedideliais atstumais, bet puikiai tinka aptikti kliūtis šalia automobilio, pavyzdžiui, stovėjimo aikštelėje.
Visų šių jutiklių duomenys sujungiami į vieną bendrą paveikslą. Tai vadinama jutiklių susiliejimu arba angliškai – sensor fusion. Jei vienas jutiklis kažko nepastebėjo ar suklydo, kitas tai pamatys. Tarsi turėtumėte kelis liudininkus, kurie patvirtina tą patį įvykį iš skirtingų kampų.
Žemėlapiai, kurie žino kiekvieną duobę
Įsivaizduokite, kad važiuojate visiškai nepažįstamu keliu tamsią naktį be jokių kelio ženklų. Sunku, tiesa? Autonominėms mašinoms padeda itin detalūs žemėlapiai – ne tokie, kokius naudojame Google Maps, o daug, daug detalesni.
Šie vadinamieji HD žemėlapiai žino ne tik, kur eina kelias, bet ir kur tiksliai yra kiekviena kelio juosta, koks jos plotis, kur yra šaligatviai, kur įrengti šviesoforai, kokie yra greičio apribojimai, kur leidžiama sukti. Jie žino net kelio paviršiaus posvyrio kampą ir tai, ar tam tikroje vietoje dažnai būna duobių.
Tokius žemėlapius kuria specialūs automobiliai, kurie važinėja ir skenuoja kelius su visais tais lidarais ir kameromis. Vėliau visa informacija apdorojama ir sukuriamas centimetrų tikslumo žemėlapis. Problema ta, kad keliai keičiasi – taisomi, perbraižomos linijos, statomi nauji ženklai. Todėl žemėlapius reikia nuolat atnaujinti.
Autonominė mašina važiuodama lygina tai, ką mato jutikliai, su tuo, kas pažymėta žemėlapyje. Jei žemėlapis sako, kad už 50 metrų turėtų būti šviesoforas, o kameros jį patvirtina – viskas gerai. Jei kažkas nesutampa, sistema tampa atsargesnė arba net perduoda valdymą žmogui.
Dirbtinis intelektas, kuris mokosi iš milijonų kilometrų
Dabar prie pačios įdomiausios dalies – kaip visa ta informacija paverčiama sprendimais. Čia į žaidimą įsijungia dirbtinis intelektas ir mašininis mokymasis.
Autonominės mašinos “smegenyse” – galingame kompiuteryje – veikia sudėtingos neuronų tinklų sistemos. Jos buvo treniruojamos milijonais vaizdo įrašų ir situacijų iš realaus gyvenimo. Pavyzdžiui, sistemai parodoma tūkstančiai paveikslėlių su pėsčiaisiais – įvairaus amžiaus, drabužių, pozų, apšvietimo sąlygų. Sistema mokosi atpažinti, kas yra pėsčiasis, net jei jis dėvi keistą kostiumą ar laiko skėtį.
Bet atpažinimas – tai tik pradžia. Sistema turi suprasti, ką tas pėsčiasis ketina daryti. Ar jis stovi ir laukia, ar ruošiasi žengti į kelią? Ar tas dviratininkas važiuoja tiesia linija, ar galbūt svyruoja ir gali įsukti į jūsų juostą? Tokiems prognozavimams naudojami dar sudėtingesni algoritmai, kurie analizuoja objektų judėjimo istoriją ir bando nuspėti būsimus veiksmus.
Praktiškai tai atrodo taip: sistema identifikuoja visus objektus aplinkui, priskiria jiems kategorijas (automobilis, pėsčiasis, dviratis, šuo), nuspėja jų galimus veiksmus ir tada planuoja savo maršrutą taip, kad būtų saugiausia ir efektyviausia. Viskas vyksta dešimtis kartų per sekundę.
Kelio planavimas ir sprendimų priėmimas
Gerai, sistema žino, kur yra ir kas vyksta aplinkui. Bet kaip ji nusprendžia, ką daryti toliau? Čia įsijungia kelių lygių planavimo sistema.
Strateginis planavimas – tai bendras maršrutas nuo taško A iki taško B. Kaip ir jūsų GPS navigacija, tik protingesnė. Ji gali rinktis maršrutą ne tik pagal atstumą ar laiką, bet ir pagal tai, kokie keliai lengvesni autonominiam vairavimui.
Taktinis planavimas – tai sprendimai vidutinės trukmės. Pavyzdžiui, į kurią juostą persirikiuoti, kad po 500 metrų galėtumėte pasukti kairėn? Ar verta aplenkti tą lėtą sunkvežimį, ar geriau palaukti?
Operatyvus planavimas – tai sprendimai čia ir dabar. Kiek stipriai spausti stabdžius? Kokiu kampu sukti vairą? Kaip reaguoti į staiga išbėgusį katę?
Įdomiausia, kad sistema turi priimti sprendimus, kurie kartais yra etiški. Jei neišvengiama avarija, ką rinktis? Trenkti į kliūtį ir sužeisti keleivius, ar bandyti išsisukti ir galbūt pakenkti pėstiesiems? Tai vadinamoji “vežimo problema” (trolley problem), ir programuotojai turi užkoduoti atsakymus į tokius klausimus.
Lokalizacija – žinoti, kur esi centimetrų tikslumu
GPS navigacija jūsų telefone tiksliai veikia maždaug iki 5-10 metrų. Autonominei mašinai to nepakanka – jai reikia žinoti savo poziciją centimetrų tikslumu. Juk 10 metrų paklaida gali reikšti skirtumą tarp važiavimo savo juosta ir įvažiavimo į priešpriešinį eismą.
Todėl naudojama vadinamoji SLAM technologija (Simultaneous Localization and Mapping – vienu metu vykstanti lokalizacija ir žemėlapio kūrimas). Sistema lygina tai, ką mato aplinkui, su savo HD žemėlapiu ir taip labai tiksliai nustato savo poziciją. Tai veikia net tuneliuose ar tarp aukštų pastatų, kur GPS signalas silpnas ar visai nepasiekia.
Be to, naudojami ir inerciniai jutikliai – giroskopai ir akselerometrai, kaip jūsų telefone. Jie jaučia kiekvieną automobilio judesį, posūkį, pagreitį. Net jei akimirkai prarastų visus kitus signalus, sistema vis tiek žinotų, kur yra, bent jau kelias sekundes.
Ryšys su pasauliu ir kitomis mašinomis
Autonominės mašinos nebūtinai dirba izoliuotai. Jos gali bendrauti su išorine infrastruktūra ir viena su kita – tai vadinama V2X (Vehicle-to-Everything) technologija.
V2V (Vehicle-to-Vehicle) – mašinos keičiasi informacija tarpusavyje. Pavyzdžiui, automobilis už kelių šimtų metrų prieš jus staiga sustabdytas dėl avarijos? Jis gali iš karto pranešti jūsų mašinai, kad ji pradėtų lėtinti, net jei dar nieko nemato.
V2I (Vehicle-to-Infrastructure) – bendravimas su kelio infrastruktūra. Šviesoforai gali pranešti, kada pasikeis signalas, kelio ženklai gali siųsti skaitmeninę informaciją, o kelio tarnybos gali įspėti apie pavojingas sąlygas.
Tiesa, visa tai dar tik vystoma ir nėra plačiai paplitę. Bet ateityje, kai dauguma mašinų bus autonominės ir visos bendrausiančios, eismas gali tapti daug sklandesnis ir saugesnis. Įsivaizduokite – jokių spūsčių, nes visos mašinos koordinuotai juda optimaliausiais maršrutais.
Saugumo sistemos ir atsarginiai variantai
Kas nutinka, jei kažkas sugenda? Autonominėse mašinose saugumas yra pats svarbiausias dalykas, todėl viskas dubliuojama ir trigubojama.
Jei sugenda vienas jutiklis, dirba kiti. Jei neveikia pagrindinis kompiuteris, įsijungia atsarginis. Jei sistema nebejaučiasi saugi – pavyzdžiui, prastos oro sąlygos ar per daug neaiškių situacijų – ji prašo žmogaus perimti vairavimą. Jei žmogus nereaguoja (galbūt užmigo), mašina saugiai sustoja kelio pakraštyje ir įjungia avarinę signalizaciją.
Visos kritinės sistemos turi tai, kas vadinama “fail-safe” režimu – jei kas nors nepavyksta, sistema pereina į saugiausią būseną. Geriau sustoti ir pavėluoti, nei rizikuoti.
Be to, visos autonominės mašinos nuolat registruoja viską, kas vyksta – tarsi juodosios dėžės lėktuvuose. Jei įvyksta incidentas, galima tiksliai atkurti, kas nutiko ir kodėl sistema priėmė tokius sprendimus.
Iššūkiai ir tai, kas dar laukia priekyje
Nors technologija jau įspūdinga, dar yra daug neišspręstų problemų. Autonominės mašinos puikiai veikia idealiomis sąlygomis – sausais keliais, geru oru, aiškia kelio žymėjimu. Bet kas nutinka, kai sninga ir viskas balta? Kai kelio linijos išblukusios ar jų visai nėra? Kai vyksta kelių remonto darbai su laikinais ženklais ir keistais maršrutais?
Žmonės tokiose situacijose naudoja sveika protą ir patirtį. Mes galime suprasti, kai kelininkas rankomis rodo, kur važiuoti. Galime nuspėti, kad tas neaiškus objektas kelyje greičiausiai yra popierius, o ne akmuo. Autonominėms sistemoms tokius dalykus išmokyti yra labai sunku.
Dar viena problema – etika ir atsakomybė. Jei autonominė mašina sukelia avariją, kas kaltas? Gamintojas? Programuotojas? Savininkas, kuris sėdėjo viduje, bet nevairavo? Teisės sistema dar tik mokosi su tuo tvarkytis.
Ir žinoma, yra kibernetinio saugumo klausimas. Jei mašina valdoma programinės įrangos ir prijungta prie interneto, ar nėra pavojaus, kad kažkas ją nulaužtų? Gamintojai deda daug pastangų, kad sistemos būtų saugios, bet niekas nėra 100% neįveikiama.
Nepaisant visų šių iššūkių, technologija sparčiai tobulėja. Kas mėnesį pasirodo nauji algoritmai, geresni jutikliai, galingesni kompiuteriai. Kai kuriose pasaulio vietose autonominiai taksi jau veža keleivius kasdien. Galbūt po dešimtmečio ar dviejų žiūrėsime atgal ir stebėsimės, kaip mes patys vairavome tas pavojingas mašinas.
Autonominių transporto priemonių navigacija – tai ne viena stebuklingė technologija, o daugybės mokslo sričių sintezė: robotika, dirbtinis intelektas, sensorika, telekomunikacijos, programinė įranga. Tai įrodymas, kaip toli žmonija nuėjo technologijų srityje. Ir nors kelias iki visiško autonomiškumo dar ilgas, kryptis aiški – ateitis, kurioje mašinos veš mus saugiau, efektyviau ir patogiau nei mes patys kada nors galėjome.