Miguel Jaramillo, Co-Founder & CEO, Surge Holdings Inc.

知能化された車はまだ歩行者を救っていない

2024年には、7,080人の歩行者が死亡し、71,000人以上がけがをしたアメリカの道路で。自転車の死亡事故は1980年以降で最高レベルに達した。全体的な交通事故の死亡者数は2020年以来初めて40,000人を下回った。しかし、その進歩のほとんどは車内の乗員に利益をもたらした。歩行者と自転車の死亡率は依然として歴史的な水準で発生している。そのギャップが物語である。運転支援機能は過去10年間で乗員の死亡率を減らしたことが実証されている。しかし、それらは弱い道路利用者には同じ効果をもたらさなかった。理由は、運転手の行動ではなく、視界の制限にある。車両に搭載されたセンサーは、車体の幾何学的制限によって制約される。歩行者や自転車が最も危険にさらされている場所は、車載センサーが構造的に最も弱い場所である。視界の制限された交差点。中間の横断。盲点。駐車した車の間に立つ子供のいる学校区域。同じ制限が、人間の運転手が風防を見ているのと同じように、自動ブレーキシステムが前方向けレーダーを読み取るのと同じように、将来的に車両に搭載する自動運転スタックにも適用される。過去10年間、接続された車両、自動運転モビリティ、都市ロボティクスの会話はすべて、車両とすべて（V2X）の会話であった。車両が他の車両、道路設備、歩行者の携帯電話、ネットワークと通信するという考えである。より大きなセンサースイート、より優れたモデル、より多くの車載コンピューティング、より多くの冗長性 — すべてが車両自体に中心であった。そのフレーミングは実際の進歩をもたらした。ただし、車両中心の認識が歩行者や自転車のために何ができるかについて上限を課した。この作業の次の段階は異なる形をとる。インフラストラクチャーとすべて（I2X）と呼ぶ。交差点、回廊、周囲のインフラストラクチャーが移動するものの代わりに認識し、予測する。I2Xは問題の難しい半分である。同時に、安全性のケースが最終的に閉じる場所でもある。V2Xには安全性の上限があり、現在それに達している車両中心のアプローチは、投資家、自動車メーカー、規制当局にとって、インフラストラクチャーとは異なる形で理解できるものであった。進歩はセンサーの数、モデルのパラメータ、非接続率で測定できる。スライドデッキに適合する。V2Xスタックはそれに応じて成熟した。セルラーV2X規格は実在し、道路側のユニットは数十の回廊に展開され、主要な自動車およびテクノロジー企業は協力的な認識プラットフォームに多大な資本を投入している。その資本は、再び主に車内の乗員にとって実際の利益をもたらした。歩行者や自転車の安全性のギャップを埋めることはできなかった。研究コミュニティは、理由が問題の幾何学的構造に根ざしていることを明確にしている。最近のV2X協力的な認識システムの実証的な研究は、単一の自律エージェントシステムで繰り返される6つのエラーパターンを特定しており、そのほとんどは同じ制限に根ざしている：車両は視界の先を見えない。視界の制限された交差点、天候の悪化、エッジケース、トレーニングデータに現れなかったエッジケース。別の研究は、弱い道路利用者の安全性に焦点を当て、歩行者や自転車の位置情報が車載センサーが構造的に解決できない失敗モードであると結論付けている。さらにLiDARを追加することは役立つ。さらにレーダーを追加することは役立つ。より優れたモデルは役立つ。ただし、根本的な幾何学的制限は変わらない。車載センサーには常に視界の制限がある。視界は都市の密度が高くなるにつれて悪くなる。私たちが自動運転を最も安全にしたい場所は、車両中心の認識が構造的に最も弱い場所である。I2Xは極性を反転するインフラストラクチャーとすべて（I2X）は、異なる前提から始まる。道路、交差点、回廊、荷物積み下ろしエリアは、認識、解釈、外部への放送を待っている受動的な表面ではない。認識、解釈、放送を外部に出すためのアクティブな知能レイヤーになる。視界の制限された交差点に近づく車両は、自らのセンサーで曲がり角を見る必要がない。曲がり角が代わりに見てくれる。駐車したトラックの後ろにいる歩行者を予測する必要がない配達ロボットが歩道で作業している。信号ポールはすでに歩行者がそこにいることを知っている。これは私たちがSurgeで構築している作業の側面である。私たちの展開は、既存の都市インフラストラクチャーに設置されたLiDARのみのエッジ認識ノードである：信号ポール、信号機、屋根。カメラはなし、画像はなし、個人を特定できるデータはキャプチャされていない。私たちはこれを「物理学による匿名」と呼ぶ。LiDARは、顔、ナンバープレート、またはIDではなく、運動と幾何学をキャプチャする。出力は、位置、速度、軌跡のリアルタイムストリームである。同じストリームは、都市の交通技術者、自律車スタック、ロジスティクスルーター、安全性研究者にとって役立つ。すべてが単一のセンサーフットプリントからである。2つの設計上の選択が安全性のケースに重要である。最初は、インフラストラクチャーの認識がマルチテナントであるということである。車載センサースタックはポイントツーポイントであり、1回に1人の顧客しかサポートできない。信号ポールに設置されたLiDARノードは、同時に必要なデータがあれば、すべての車両、すべてのドローン、すべての歩行者安全アプリケーションをサポートする。経済的には、セルタワーに似ている。2つ目は、回廊レベルのカバレッジが交差点レベルのカバレッジよりも重要である。分離されたノードは役立つ。ネットワーク化された回廊は防御可能である。歩行者安全性、自律車トレーニング、緊急対応はすべて連続性に依存しているからである。リアルタイム認識は床。予測は天井である。より深い機会はリアルタイムレイヤーではない。リアルタイム認識は明らかな安全性のケースを解決する。ただし、それだけが価値がある。より深い解放は、AIモデルが車両がキャプチャするエピソード的なスナップショットではなく、インフラストラクチャーデータを月や年単位でトレーニングするときに発生する。車両データは、性質上、希薄で連続性がない。車両は1日あたり数回、交差点を通過する。スライスしか見えない。インフラストラクチャーノードは、同じ交差点を24時間、毎日、年間見ている。分布全体を見ている。同じ場所を、ラッシュアワー、嵐、工事、停電、イベント、季節変化と共に。根本的に異なる種類のトレーニングデータである。根本的に異なる種類のモデルを生成する。そのデータが蓄積するにつれて、システムは反応的なものから予測的なものになる。歩道に気をつけずに歩き出そうとしている人の歩行パターン。赤信号を通過しようとしている車両の減速プロファイル。バスと自転車のニアミスの前に先行する収束幾何学。先行信号である。これらは統計的に観察可能である。クラッシュレポートにはない。クラッシュは統計的に希薄である。ニアミスは豊富である。インフラストラクチャーシステムは、クラッシュデータベースがキャプチャしない先行イベントを観察する。交差点を通過する車両は、規模でそれらを見ない。交差点に存在するインフラストラクチャーは、常にそれらを見ている。それが実際の安全性の解放である。接続されたモビリティの約束は、クラッシュ前に介入できるというものであった。車載センサーと反応的な車両とすべての通信は、あなたをそこまで連れて行く。インフラストラクチャーデータを使用した予測レイヤーは、あなたを残りの距離まで連れて行く。同じ論理は、HEVOのような企業が、完全に自律的な車両がパワーだけでなく認識を提供するインフラストラクチャーを必要とすることを示しているように、エネルギー側にも適用される。異なるドメイン、同じ結論：世界は車両が独自で行うことができない作業を行う必要がある。都市環境の神経系いずれかの展開から後退すると、この作業が実際に構築しているものは、都市が持っていないものであることがわかる：神経系。都市にはすでにコンクリート、鋼鉄、電力グリッド、ファイバーがある。都市が欠如しているのは、物理的な環境全体でリアルタイムに感知、記憶、予測する層である。I2Xはその層である。信号ポールに設置されたLiDARノードは、感覚ニューロンとして機能する。エッジコンピューティングは、集中システムを待たずに迅速に作用するローカルリフレックスのように動作する。ノードのネットワークは、都市規模で機関的記憶を構築する：交差点の挙動、ニアミスの発生場所、流れの変化、嵐、停電、工事、緊急事態。アプリケーションは自然に続く。学校区域の歩行者安全アラートは反射である。観測された流れに基づく交通信号の調整は、学習された反応である。予測ルーティングの推奨は、緊急車両に依存する。ロジスティクス、緊急管理、気候変動への適応、自律車トレーニングはすべて、都市が継続的に観察し、自身の運用から学ぶことができるようになると、より簡単になる。ポイントは、さらにカメラやダッシュボードを追加することではない。ポイントは、都市環境に、常に欠如していた機能を与えることである：リアルタイムで認識、記憶、対応する能力を与えることである。その応用は自然に続く。歩行者安全アラート、交通信号の調整、予測ルーティングの推奨はすべて、都市が持っていない機能を都市に与えることである。都市は、インフラストラクチャーが持っているのと同じ機能を持ち始める。インフラストラクチャーは、都市が持っていない機能を都市に与える。都市は、インフラストラクチャーと同じように機能し始める。インフラストラクチャーは自律性の経済学を変える知能レイヤーが車両からインフラストラクチャーに移行すると、自律性と都市運用の経済学は3つの重要な点で変化する。まず、車載車両ハードウェアのコスト曲線は最終的にどこかへ行く場所ができた。現在、すべての自律車は、認識問題と安全性問題のほとんどを車体に搭載するよう求められている。だから、自律車の部品表はそのように見える。インフラストラクチャーが最後の100メートルで認識を提供し、上に予測を提供すると、車両は軽くなる、安くなる、認証が容易になる。同じ論理は、ドローン、歩道ロボット、ユニット経済学が閉じるのを待っている他の自律フォーマットにも適用される。2つ目は、インフラストラクチャーの展開のアドレス可能な市場が劇的に拡大する。都市の交通技術者、国家ロジスティクスキャリア、自律シャトルオペレーター、安全性研究者、保険のアンダーライターにサービスを提供する信号ポールのLiDARノードは、1人のテナントにサービスを提供するセンサーとは根本的に異なる資産である。共有インフラストラクチャーは、ポイントソリューションとは異なり、複合する。3つ目は、資金調達の話が、歴史的に港、塔、ファイバー、公益事業を資金提供してきた機関的資本にとって理解できるようになる。私たちが持っているのは、接続されたインフラストラクチャーの展開における運用的リーダーシップと、Integrated Roadways、Black & Veatch、Diode Venturesを含む企業でのインフラストラクチャープロジェクトの資金調達の20年以上の経験である。パターンはわかっている。資産クラスが複数の、契約された、長期の収入ストリームを単一の物理的な足跡から生み出すとき、資本コストは低下し、期間が延長され、構築が加速される。インテリジェントインフラストラクチャーでそれが起こる瞬間である。資本は技術ではなく、明確性を待っていた。道路は反応することを学ぶ死亡率の厳しい数字は、車両がすべての作業を行うのを止めるまで、物質的に動かないだろう。車両中心の投資の10年間は、規格、展開、車両乗員にとっての実際の利益をもたらした。弱い道路利用者のニードルを動かさなかった。問題の幾何学的構造が理由である。次の章はインフラストラクチャー中心である。認識する道路。予測する交差点。クラッシュが発生する前に介入する回廊。後に同じ物理的な足跡でエネルギー側を追加すると、自律性のシステムとしての基盤ができあがる。さらに重要なのは、都市が20年間解決しようとしてきたすべての他のものに対するインフラストラクチャーができあがる。V2Xは車両に話すことを教えた。I2Xは都市が感じ、反応し、そして先を見て考えることを学ぶことである。