Škálovatelné nástroje pro bezpečnost autonomních vozidel vyvinuli výzkumníci

Jak se zvyšuje rychlost výroby a nasazení autonomních vozidel, stává se bezpečnost těchto vozidel ještě důležitější. Z tohoto důvodu investují výzkumníci do vytváření metrik a nástrojů pro sledování bezpečnosti autonomních vozidel. Podle ScienceDaily vytvořil výzkumný tým z University of Illinois at Urbana-Champaign pomocí algoritmů strojového učení škálovatelnou platformu pro analýzu bezpečnosti autonomních vozidel, využívající jak hardwarové, tak softwarové vylepšení.

Zlepšení bezpečnosti autonomních vozidel zůstává jednou z nejobtížnějších úkolů v oblasti umělé inteligence, a to kvůli mnoha proměnným, které jsou do tohoto úkolu zapojeny. Senzory a algoritmy zapojené do vozidla jsou extrémně komplexní, a existuje mnoho vnějších podmínek, které jsou neustále v pohybu, jako jsou podmínky silnic, topografie, počasí, osvětlení a provoz.

Krajina a algoritmy autonomních vozidel se neustále mění, a společnosti potřebují způsob, jak zůstat v kontaktu s těmito změnami a reagovat na nové problémy. Výzkumný tým z Illinois pracuje na platformě, která umožňuje společnostem řešit nedávno identifikované bezpečnostní problémy rychlým a nákladově efektivní způsobem. Nicméně, prostá komplexita systémů, které pohánějí autonomní vozidla, činí z tohoto úkolu masivní podnik. Výzkumný tým navrhuje systém, který bude schopen sledovat a aktualizovat systémy autonomních vozidel, které obsahují desítky procesorů a akcelerátorů běží miliony řádků kódu.

Obecně řečeno, autonomní vozidla jezdí poměrně bezpečně. Nicméně, když dojde k selhání nebo neočekávané události, je autonomní vozidlo目前 více pravděpodobné, že se dostane do nehody než řidiči, protože vozidlo často má potíže s řešením náhlých nouzových situací. Ačkoli je obtížné kvantifikovat, jak bezpečná jsou autonomní vozidla a co je příčinou nehod, je zřejmé, že selhání vozidla jedoucího 70 mph po silnici by mohlo být extrémně nebezpečné, a proto je třeba zlepšit řešení nouzových situací autonomními vozidly.

Saurabh Jha, doktorand a jeden z výzkumníků zapojených do programu, vysvětlil ScienceDaily potřebu zlepšit řešení selhání v autonomních vozidlech. Jha vysvětlil:

“Pokud řidič běžného vozidla zjistí problém, jako je drift nebo tah vozidla, řidič může upravit své chování a vést vozidlo do bezpečného místa. Nicméně, chování autonomního vozidla může být nepředvídatelné v takové situaci, pokud není autonomní vozidlo explicitně trénováno pro takové problémy. Ve skutečném světě existuje nekonečné množství takových případů.”

Výzkumníci se snaží vyřešit tento problém shromažďováním a analýzou dat z bezpečnostních zpráv předložených společnostmi autonomních vozidel. Společnosti jako Waymo a Uber jsou povinny předkládat zprávy DMV v Kalifornii alespoň jednou ročně. Tyto zprávy obsahují data o statistikách, jako je počet ujetých mil, počet nehod a podmínky, za kterých vozidla provozovala.

Tým výzkumníků z University of Illinois analyzoval zprávy z let 2014 až 2017. Během tohoto období ujela autonomní vozidla kolem 1 116 000 mil, rozdělených do 144 různých vozidel. Podle výsledků výzkumného týmu se nehody vyskytly 4000krát častěji než u vozidel řízených lidmi. Nehody mohou naznačovat, že umělá inteligence vozidla selhala při správném odpojení a vyhnutí se nehodě, a místo toho se spoléhala na řidiče, aby převzal kontrolu.

Je obtížné diagnostikovat potenciální chyby v hardwaru nebo softwaru autonomního vozidla, protože mnoho chyb se projeví pouze za určitých podmínek. Také není možné provést testy za všech možných podmínek, které mohou nastat na silnici. Místo shromažďování dat z stovek tisíc skutečných mil ujetých autonomními vozidly využívá výzkumný tým simulované prostředí, aby dramaticky snížil množství peněz a času potřebného pro generování dat pro trénink AV.

Výzkumný tým využívá generovaná data k prozkoumání situací, ve kterých mohou nastat selhání AV a bezpečnostní problémy. Zda využití simulací může skutečně pomoci společnostem najít bezpečnostní rizika, která by jinak nemohly být zjištěna. Například, když tým testoval Apollo AV, vytvořený Baidu, izolovali více než 500 případů, ve kterých AV selhalo při řešení nouzové situace a došlo k nehodě. Výzkumný tým doufá, že ostatní společnosti využijí jejich testovací platformu a zlepšují bezpečnost svých autonomních vozidel.