Astettaiset itseohjautuvien ajoneuvojen turvallisuustyökalut kehitetty tutkijoiden toimesta

Koska itseohjautuvien ajoneuvojen valmistus- ja käyttöönotto nopeutuu, itseohjautuvien ajoneuvojen turvallisuus tulee entistä tärkeammaksi. Tämän vuoksi tutkijat panostavat mittareiden ja työkalujen luomiseen, joilla voidaan seurata itseohjautuvien ajoneuvojen turvallisuutta. ScienceDailyn mukaan Illinoisin yliopiston tutkijaryhmä on käyttänyt koneoppimisalgoritmeja luomaan skaalautuvan itseohjautuvien ajoneuvojen turvallisuusanalyysialustan, jossa on hyödynnetty sekä laitteiston että ohjelmiston parannuksia.

Itseohjautuvien ajoneuvojen turvallisuuden parantaminen on ollut yksi vaikeimmista tehtävistä tekoälyssä, koska tehtävässä on mukana monia muuttujia. Ajoneuvon anturit ja algoritmit ovat erittäin monimutkaisia, ja ulkoiset olosuhteet, kuten tienolot, maastot, sää, valaistus ja liikenne, muuttuvat jatkuvasti.

Itseohjautuvien ajoneuvojen maasto ja algoritmit muuttuvat jatkuvasti, ja yrityksien on oltava valmiina sopeutumaan muutoksiin ja reagoimaan uusiin ongelmiin. Illinoisin tutkijat kehittävät alustaa, joka mahdollistaa yritysten nopean ja kustannustehokkaan vastaanoton äskettäin tunnistettuihin turvallisuusongelmiin. Tutkijaryhmä suunnittelee järjestelmää, joka pystyy seuraamaan ja päivittämään itseohjautuvien ajoneuvojen järjestelmiä, jotka sisältävät kymmeniä prosessoreita ja kiihdyttimiä, jotka suorittavat miljoonia koodirivejä.

Yleensä itseohjautuvat ajoneuvot ajavat turvallisesti. Kun kuitenkin tapahtuu virhe tai odottamaton tapahtuma, itseohjautuva ajoneuvo on tällä hetkellä todennäköisemmin autonajajan kuin ihmisen ajoneuvon osallistuva onnettomuuteen, koska ajoneuvo usein käyvät vaikeuksissa yllättävien hätätilanteiden kanssa. Vaikka onkin vaikea määritellä, kuinka turvallisia itseohjautuvat ajoneuvot ovat ja mitä on syytä onnettomuuksiin, on ilmeistä, että ajoneuvon virheet 70 mailin tuntivauhtina tiellä voivat olla erittäin vaarallisia, joten on tarpeen parantaa itseohjautuvien ajoneuvojen hätätilanteiden käsittelyä.

Saurabh Jha, tohtorikoulutettava ja yksi ohjelman tutkijoista, selitti ScienceDailylle tarpeen parantaa virheiden käsittelyä itseohjautuvissa ajoneuvoissa. Jha selitti:

“Jos tavallisen auton kuljettaja havaitsee ongelman, kuten auton liukkauden tai vetovoiman, kuljettaja voi muuttaa käyttäytymistään ja ohjata auton turvalliseen pysäkkiin. Itseohjautuvan ajoneuvon käyttäytyminen voi kuitenkin olla arvaamaton sellaisessa tilanteessa, ellei itseohjautuvaa ajoneuvoa ole nimenomaan koulutettu tällaisiin ongelmiin. Todellisessa maailmassa on ääretön määrä tällaisia tapauksia.”

Tutkijat pyrkivät ratkaisemaan tämän ongelman keräämällä ja analysoimalla itseohjautuvien ajoneuvojen turvallisuusraportteja, jotka itseohjautuvien ajoneuvojen yritykset jättävät Kalifornian DMV:lle vähintään vuosittain. Nämä raportit sisältävät tietoja tilastojen kaltaisista asioista, kuten kuinka pitkälle autot ovat ajanneet, kuinka monta onnettomuutta on sattunut ja millaisissa olosuhteissa ajoneuvot ovat toimineet.

Illinoisin yliopiston tutkijaryhmä analysoi raportteja vuosilta 2014-2017. Tänä aikana itseohjautuvat ajoneuvot ajoivat noin 1 116 000 mailia, jaettuna 144 eri ajoneuvolle. Tutkijaryhmän löytöjen mukaan, kun verrataan samaa etäisyyttä, jota ihmiset ovat ajanneet, onnettomuudet olivat 4000 kertaa todennäköisempiä. Onnettomuudet saattavat osoittaa, että ajoneuvon tekoäly epäonnistui oikein irrottautumaan ja välttämään onnettomuuden, ja sen sijaan luotti ihmiskuljettajaan, joka ottaisi ohjat haltuun.

On vaikea diagnosoida mahdollisia virheitä itseohjautuvan ajoneuvon laitteistossa tai ohjelmistossa, koska monet virheet ilmenevät vain oikeissa olosuhteissa. Se ei myöskään ole taloudellisesti kannattavaa suorittaa kokeita jokaisessa mahdollisessa tiellä olevassa tilanteessa. Sen sijaan, että kerätäisiin dataa sadoista tuhansista todellisista mailista, jotka itseohjautuvat ajoneuvot ovat ajanneet, tutkijaryhmä käyttää simuloituja ympäristöjä dramaattisesti vähentämään datan luomiseen käytettävää rahaa ja aikaa itseohjautuvien ajoneuvojen koulutukseen.

Tutkijaryhmä käyttää luotuja tietoja tutkimalla tilanteita, joissa itseohjautuvien ajoneuvojen virheet voivat tapahtua ja turvallisuusongelmat voivat ilmetä. Näyttää siltä, että simulaatioiden käyttäminen voi todella auttaa yrityksiä löytämään turvallisuusriskejä, joita muuten ei voisi löytää. Esimerkiksi, kun tiimi testasi Baidun kehittämää Apollo AV:ta, he eristivät yli 500 tapausta, joissa itseohjautuva ajoneuvo ei pystynyt käsittelemään hätätilannetta ja onnettomuus tapahtui sen seurauksena. Tutkijaryhmä toivoo, että muut yritykset käyttävät heidän testausalustaaan ja parantavat itseohjautuvien ajoneuvojensa turvallisuutta.