כלי בטיחות רכב אוטונומיים ניתנים להרחבה שפותחו על ידי חוקרים

ככל שהמהירות של ייצור ופריסה של רכבים אוטונומיים עולה, הבטיחות של כלי רכב אוטונומיים הופכת חשובה עוד יותר. מסיבה זו, חוקרים משקיעים ביצירת מדדים וכלים למעקב אחר הבטיחות של כלי רכב אוטונומיים. כפי שדווח על ידי ScienceDaily, צוות מחקר מאוניברסיטת אילינוי באורבנה-שמפיין השתמש באלגוריתמים של למידת מכונה כדי ליצור פלטפורמת ניתוח בטיחות רכב אוטונומי ניתנת להרחבה, תוך שימוש בשיפורי חומרה ותוכנה כדי לעשות זאת.

שיפור הבטיחות של כלי רכב אוטונומיים נותרה אחת המשימות הקשות יותר ב-AI, בגלל המשתנים הרבים המעורבים במשימה. לא רק שהחיישנים והאלגוריתמים המעורבים ברכב מורכבים ביותר, אלא שישנם תנאים חיצוניים רבים שנמצאים בתנופה מתמדת, כמו תנאי הדרך, טופוגרפיה, מזג אוויר, תאורה ותנועה.

הנוף והאלגוריתמים של כלי רכב אוטונומיים משתנים כל הזמן, וחברות צריכות דרך להתעדכן בשינויים ולהגיב לבעיות חדשות. חוקרי אילינוי עובדים על פלטפורמה המאפשרת לחברות לטפל בבעיות בטיחות שזוהו לאחרונה בשיטה מהירה וחסכונית. עם זאת, המורכבות העצומה של המערכות המניעות כלי רכב אוטונומיים הופכת את זה למפעל מסיבי. צוות המחקר מתכנן מערכת שתוכל לעקוב ולעדכן מערכות רכב אוטונומיות המכילות עשרות מעבדים ומאיצים המריצים מיליוני שורות קוד.

באופן כללי, רכבים אוטונומיים נוסעים די בטוח. עם זאת, כאשר מתרחש תקלה או אירוע בלתי צפוי, כיום יש סיכוי גבוה יותר לרכב אוטונומי להיכנס לתאונה מאשר נהגים אנושיים, מכיוון שלעתים קרובות יש לרכב קושי לנהל משא ומתן במצבי חירום פתאומיים.  אמנם קשה להודות לכמת עד כמה בטוחים כלי רכב אוטונומיים ו מה אשם בתאונות, ברור שכשלים של רכב שנוסע במהירות של 70 קמ"ש במורד הכביש עלולים להתברר כמסוכנים ביותר, ומכאן הצורך לשפר את הטיפול במצבי חירום על ידי רכבים אוטונומיים.

Saurabh Jha, מועמד לדוקטורט ואחד החוקרים המעורבים בתוכנית, הסביר ל- ScienceDaily את הצורך בשיפור הטיפול בכשלים בכלי רכב אוטונומיים. Jha הסביר:

"אם נהג של מכונית טיפוסית חש בבעיה כמו סחיפה או משיכה של הרכב, הנהג יכול להתאים את התנהגותו ולהוביל את המכונית לנקודת עצירה בטוחה. עם זאת, ההתנהגות של הרכב האוטונומי עשויה להיות בלתי צפויה בתרחיש כזה אלא אם הרכב האוטונומי מאומן במפורש לבעיות כאלה. בעולם האמיתי, יש אינסוף מקרים כאלה".

החוקרים שואפים לפתור בעיה זו על ידי איסוף וניתוח נתונים הכוללים דוחות בטיחות שהוגשו על ידי חברות רכב אוטונומי. חברות כמו Waymo ו-Uber נדרשות להגיש דוחות ל-DMV בקליפורניה לפחות מדי שנה. דוחות אלה מכילים נתונים על נתונים סטטיסטיים כמו כמה רחוק נסעו מכוניות, כמה תאונות התרחשו ובאילו תנאים פעלו כלי הרכב.

צוות המחקר של אוניברסיטת אילינוי ניתח דוחות המכסים את השנים 2014 עד 2017. במהלך תקופה זו, רכבים אוטונומיים נסעו בסביבות 1,116,000 מיילים המחולקים על פני 144 כלי רכב שונים. על פי ממצאי צוות המחקר, בהשוואה לאותו מרחק שנסעו על ידי נהגים אנושיים, תאונות היו בסבירות גבוהה פי 4000 להתרחש. התאונות עשויות לרמוז שה-AI של הרכב לא הצליח להתנתק כראוי ולמנוע את התאונה, ובמקום זאת הסתמך על הנהג האנושי שישתלט עליו.

קשה לאבחן שגיאות פוטנציאליות בחומרה או בתוכנה של הרכב האוטונומי מכיוון שגיאות רבות יתבטאו רק בתנאים הנכונים. זה גם לא אפשרי לבצע בדיקות בכל מצב אפשרי שעלול להתרחש על הכביש. במקום לאסוף נתונים על מאות אלפי מיילים אמיתיים שנרשמו על ידי כלי רכב אוטונומיים, צוות המחקר משתמש בסביבות מדומות כדי להפחית באופן דרסטי את כמות הכסף והזמן המושקעים ביצירת נתונים לאימון AVs.

צוות המחקר משתמש בנתונים שנוצרו כדי לחקור מצבים שבהם תקלות AV עלולות להתרחש ובעיות בטיחות יכולות להתרחש. נראה ששימוש בסימולציות יכול באמת לעזור לחברות למצוא סיכונים בטיחותיים שלא היו מסוגלים לעשות אחרת. לדוגמה, כאשר הצוות בדק את ה-Apollo AV, שנוצר על ידי Baidu, הם בודדו למעלה מ-500 מקרים שבהם ה-AV לא הצליח להתמודד עם מצב חירום והתרחשה תאונה כתוצאה מכך. צוות המחקר מקווה שחברות אחרות יעשו שימוש בפלטפורמת הבדיקות שלהן וישפרו את בטיחות הרכבים האוטונומיים שלהן.