Veien Fremover for Autonome Kjøretøy

Adopsjonen av autonome kjøretøy på global skala tar seg opp. Storbritannia har nylig vedtatt Automated Vehicles Act for å etablere en trygg integrasjon av fullt og delvis autonome kjøretøy i samfunnet de neste årene. Flere autonome kjøretøy testes nå i Kina enn noen andre steder i verden. Og i USA har større byområder tatt i bruk “robotaxis” i sine offentlige transportmuligheter. Selskaper som Cruise, Waymo og, naturligvis, Tesla har alle milliarder av dollar investert i sine store ambisjoner om å hoste selvkjørende kjøretøy og tjenester fra kyst til kyst og over hele verden. På dette punktet er utviklingen og implementeringen av autonome kjøretøysteknologi ikke lenger et spørsmål om “hvis” eller virkelig “når”, men bare et spørsmål om “i hvilken utstrekning”? Hva kan adopsjonen av AI-drevne autonome kjøretøy i stor skala gjøre for å forbedre ikke bare våre veier, men også vårt samfunn?

Automatisering av Veisikkerhet

Kampen for autonome kjøretøy og de enorme mengdene kapital som er investert i disse teknologiene, er et tegn på det vidt anerkjente offentlige gode som utrulningen av selvkjørende kjøretøy kan ha. For det første er det sikkerhetsstandardene for selvkjørende kjøretøy sammenlignet med menneskelige sjåfører. En nylig studie publisert i Nature Communications og innsikter fra Teslas 2022 Impact Report understreker det transformative potensialet for implementering av autonome kjøretøy på forbedringen av veisikkerheten. AV-er har blitt funnet å redusere bakende, frontale og laterale kollisjoner, samt hendelser med å kjøre av veien, med 20% til 50%. Gitt at Verdens helseorganisasjon estimerer at veitrafikkulykker er ansvarlige for døden av 1,35 millioner mennesker hvert år over hele verden, ville denne dramatiske forbedringen av bilens sikkerhet ha en seismisk innvirkning. Mens mer teknologisk forbedring ennå er nødvendig før autonome kjøretøy overstiger menneskelige sjåfører i alle omstendigheter (menneske-drevne biler er fortsatt tryggere i lav-synlighet og under sving), vil den videre utviklingen av sensor-teknologier, prediktive algoritmer og V2X-kommunikasjon fortsette å forbedre responsene i disse komplekse kjøresituasjonene og muliggjøre dem å skape tryggere veier.

AV-oiding Trafikk

I tillegg vil utrulningen av autonome kjøretøy også ha en betydelig innvirkning på problemet med trafikk-kongestjon. I en studie utført av Association for Commuter Transportation (ACT) og USAs transportdepartement (USDOT), “rush hour”-kommuner – en gang en passende tittel – nå utgjør seks timer om dagen og gjør reisen under disse høydepunktene 40% lengre. En enkelt person som bremser kan påvirke trafikken over hele byen, utløse en nedgang eller til og med fullstendig gridlock. Med hjelp av sensorer og kameraer drevet av avansert programvare, imidlertid, bremser mye mindre ofte enn deres menneskelige motparter og, som et resultat, er mye mindre sannsynlig å forårsake disse trafikk-forstyrrelsene. Selv om utrulningen av noen få autonome kjøretøy kan ha en positiv effekt på trafikk-kongestjon ved å hjelpe til å modere farten til de menneskelige sjåførene de deler veien med.

Drivstoffeffektivitet og Bærekraft

Autonome kjøretøy kan også forbedre drivstoffeffektiviteten over menneskelige sjåfører ved å kontrollere deres hastighet og akselerasjon og ved å reise nærmere hverandre for å forbedre luftmotstanden og redusere drivstoffforbruket. Ifølge MIT News, hvis hvert kjøretøy på veien var autonomt, ikke bare ville reisehastighetene øke med 20%, men vi ville også se en reduksjon i drivstoffforbruket på 18% og en nedgang i karbondioksid-utslipp på 25%. Denne utviklingen ville være avgjørende i våre fortsatte bemühninger for å bringe bærekraft til talløse industrier og bedrifter. En studie av TuSimple fant at deres autonome lastebiler var 11% mer drivstoffeffektive enn de som ble styrt av menneskelige sjåfører. Denne økte drivstofføkonomien vil gjøre det mulig for varer og tjenester å bli mindre kostbare for forbrukerne, samtidig som disse selskapene kan gjøre sine operasjoner grønnere og mer bærekraftige.

En Titt Under Huden

Nivået av teknologisk fremgang som gjør at disse autonome kjøretøysystemene kan fungere, har vært tiår i making. Arrayer av sensorer, inkludert kameraer, radarer og LiDARs, sender data til neurale nettverk designet for å ligne det menneskelige hjernen og utføre objekt-detteksjon og bilde-segmentering. Disse neurale nettverkene prosesserer så denne sanse-inndataen, inkludert tilstedeværelsen av andre kjøretøy, vei-skilte og hindringer, for å skape en omfattende omgivelses-kart over kjøretøyets miljø. Neste skritt er så bevegelses-planlegging, hvor detaljerte ruter og baner beregnes ved hjelp av en omfattende analyse av all tidligere samlet data. Selv etter disse prosessene må de fortsatt ta hensyn til usette situasjoner og kunne tilpasse seg i sanntid til disse omstendighetene. På grunn av det enorme antallet intrikate og detaljerte prosesser som inngår i utviklingen av disse systemene og programvarene, er ingen to like og hvert av disse AV-systemene har sine for- og ulemper.

Forkjørsler i Veien

De to primære tilnærmingene til utviklingen av autonom kjøring er HD-kart versus HD-kartløse systemer. Fordelen med å bruke kart er i forenklet objekt-detteksjon og bevegelses-planlegging, men disse systemene er avhengige av kontinuerlig kommunikasjon for data-oppdateringer og er utsatt for foreldring. HD-kartløse systemer, som det som er utviklet av det autonome kjøring-programvare-selskapet Imagry, er nesten helt avhengige av sanntids-data og er mer i linje med hvordan menneskelige sjåfører opererer. De er også mer selvstendige og mindre utsatt for cyber-trusler, men krever avanserte onboard-persepsjons-evner og komplekse sanntids-prosesser. Etter denne initielle splittelsen i filosofi, finnes det flere andre som har vært i forkant av noen debatt i industrien. Regel-basert versus neuralt nettverk-basert bevegelses-planlegging er et slikt stridspunkt med sikkerhets- og reguleringssaker som foretrekker den mer definerte “hvis-da”-tilnærmingen som er kjennetegnet for regel-baserte systemer. Mens konstruksjonen av forhåndsdefinerte scenarioer tilbyr høy forklarbarhet, sliter disse systemene med å tilpasse seg nye, uforutsette situasjoner, et område hvor neuralt nettverk-baserte systemer excellerer.

Veien Fremover

Grunnarbeidet fortsetter å legges for å muliggjøre en vidt utbredt adopsjon av autonome kjøretøy over hele verden. Det er ingen mangel på bilprodusenter og selskaper som er villige til å investere milliarder av dollar i utviklingen av autonome kjøretøy og tjenester sentrert rundt dem. Mens det fortsatt finnes mange forskjellige systemer og prosesser som inngår i skapingen av selvkjørende kjøretøy, er alle eksperter i noen grad enige om det store antallet praktiske fordeler som autonome kjøretøy og deres implementering kan ha for samfunnet. Det neste og kanskje viktigste hindret å overvinne er å bygge opp den generelle offentlighetens tillit til disse teknologiene. Fremgangen av kunstig intelligens begynte også under en sky av skeptisisme og mistillit som måtte overvinnes. Nå er det ikke en major industri eller selskap i verden som ikke bruker disse teknologiene på noen måte eller annen. Autonome kjøretøy vil ha en lignende utfordring å overvinne, men når disse systemene utvikles og blir mer utbredt på våre veier, vil vår komfort og kjennskap til dem også bare øke. Når disse teknologiene utvikles i raskt tempo, er AV-industrien lengre ned veien mot global adopsjon enn noen kunne tro. Autonome kjøretøy vil ha en lignende utfordring å overvinne, men når disse systemene utvikles og blir mer utbredt på våre veier, vår komfort og kjennskap til dem vil også bare øke. Når disse teknologiene utvikles i raskt tempo, er AV-industrien lengre ned veien mot global adopsjon enn noen kunne tro.