Bardziej inteligentne samochody nadal nie ratują pieszych

W 2024 roku 7 080 pieszych zginęło, a ponad 71 000 zostało rannych na amerykańskich drogach. Śmiertelne wypadki rowerzystów osiągnęły najwyższy poziom od co najmniej 1980 roku. Ogólna liczba ofiar śmiertelnych w wypadkach drogowych spadła poniżej 40 000 po raz pierwszy od 2020 roku. Jednak prawie cały ten postęp przyniósł korzyści tylko pasażerom pojazdów. Piesi i rowerzyści nadal giną w liczbie zbliżonej do historycznej.

Ta luka jest opowieścią. Funkcje wspomagania kierowcy zmniejszyły znacząco liczbę ofiar śmiertelnych wśród pasażerów w ciągu ostatniej dekady. Nie zrobili tego samego dla narażonych użytkowników dróg, a powodem jest ograniczenie pola widzenia, a nie zachowanie kierowcy. Stos sensoryczny zamontowany w pojeździe jest ograniczony przez geometrię nadwozia. Miejsca, w których piesi i rowerzyści są najbardziej narażeni, są dokładnie tymi miejscami, w których czujniki pokładowe są słabsze. Przekryte skrzyżowania. Przejścia w połowie bloku. Ślepe zakręty. Strefy szkolne, w których dziecko wchodzi między zaparkowanymi samochodami. To ograniczenie dotyczy również kierowcy, który patrzy przez przednią szybę, systemu hamulcowego z czujnikiem radarowym oraz każdego przyszłego autonomicznego stosu, który umieścimy na pojeździe.

Przez większość ostatniej dekady cała rozmowa o połączonych pojazdach, autonomicznej mobilności i urbanistycznych robotach była rozmową o Pojazd-do-Wszystkiego (V2X). Pomysł polega na tym, że pojazd rozmawia z innymi pojazdami, z urządzeniami przydrożnymi, z telefonami pieszych i z siecią. Większe zestawy czujników, lepsze modele, więcej obliczeń na pokładzie, więcej redundancji – wszystko skupione na samym pojeździe. To podejście przyniosło rzeczywisty postęp. Nałożyło również ograniczenie na to, co percepcja ukierunkowana na pojazd może zrobić dla pieszych i rowerzystów.

Następna faza tej pracy ma inny kształt. Nazywamy to Infrastruktura-do-Wszystkiego, czyli I2X. Skrzyżowanie, korytarz i otaczająca infrastruktura postrzegają i przewidują w imieniu wszystkiego, co się przez nie porusza. I2X to trudniejsza połowa problemu. To również miejsce, w którym w końcu zamyka się sprawa bezpieczeństwa.

V2X ma sufit bezpieczeństwa, i teraz go osiągamy

Podejście ukierunkowane na pojazd było zrozumiałe dla inwestorów, producentów samochodów i regulatorów w sposób, w jaki infrastruktura nie była. Postęp można mierzyć liczbą czujników, parametrów modeli i współczynników dezaktywacji. Pasuje ładnie do prezentacji. Stos V2X dojrzał odpowiednio. Standardy V2X komórkowe są rzeczywiste, urządzenia przydrożne są wdrożone w dziesiątkach korytarzy, a główni gracze motoryzacyjni i technologiczni wkładają poważne środki w platformy współpracującej percepcji.

To kapitałowe inwestycje przyniosły prawdziwe zyski, ponownie głównie dla pasażerów pojazdów. Nie zmniejszyły luki dla narażonych użytkowników dróg, a społeczność badawcza jest coraz bardziej klarowna, dlaczego. Niedawne empiryczne badanie systemów współpracującej percepcji V2X identyfikuje sześć powtarzających się wzorców błędów w systemach autonomicznych z jednym agentem, z których większość jest zakorzeniona w tym samym ograniczeniu: pojazd nie może postrzegać poza swoim polem widzenia. Przesłonięcia, skrzyżowania poza polem widzenia, pogorszenie warunków atmosferycznych, przypadki brzegowe, które nie pojawiły się w danych szkoleniowych. Odrębne badania skupione na bezpieczeństwie pieszych i rowerzystów dochodzą do tego samego wniosku z innego punktu widzenia: lokalizacja pieszych i rowerzystów jest trybem awaryjnym, który czujniki zamontowane w pojeździe są strukturalnie źli w rozwiązywaniu.

Więcej LiDAR pomaga. Więcej radarów pomaga. Lepsze modele pomagają. Żadne z nich nie zmienia podstawowej geometrii. Czujnik zamontowany w pojeździe zawsze będzie miał ograniczenia pola widzenia, a pole widzenia staje się gorsze wraz ze wzrostem gęstości miejskiej. Miejsca, w których potrzebujemy, aby autonomia była najbezpieczniejsza, są dokładnie tymi miejscami, w których percepcja ukierunkowana na pojazd jest strukturalnie najslabsza.

I2X odwraca bieguny

Infrastruktura-do-Wszystkiego zaczyna się od innego założenia. Droga, skrzyżowanie, korytarz i rampa załadunkowa nie są biernymi powierzchniami, które czekają na postrzeżenie. Stają się one warstwami inteligencji, które postrzegają, interpretują i transmitują warunki na zewnątrz. Pojazd zbliżający się do skrzyżowania z ograniczonym polem widzenia nie musi widzieć za rogiem za pomocą własnych czujników. Róg widzi za niego. Robot dostawczy pracujący na chodniku nie musi przewidywać pieszego za zaparkowanym samochodem. Słup już wie, że pieszy jest tam.

To jest ta strona problemu, nad którą pracujemy w Surge. Nasze wdrożenia to węzły percepcji krawędzi LiDAR, zamontowane na istniejącej infrastrukturze miejskiej: słupach, sygnalizacji i dachach. Bez kamer, bez obrazów i bez danych identyfikujących osoby w momencie postrzegania. Nazywamy to pozycjonowaniem „Anonimowe dzięki fizyce”, ponieważ LiDAR przechwytuje ruch i geometrię, a nie twarze, tablice rejestracyjne ani tożsamość. Wynik jest strumieniem danych w czasie rzeczywistym o lokalizacji, prędkości i trajektorii. Ten sam strumień jest przydatny dla inżyniera ruchu miejskiego, stosu autonomicznego, routera logistycznego i badacza bezpieczeństwa, wszystko z jednego śladu czujnika.

Dwa wybory projektowe mają znaczenie dla przypadku bezpieczeństwa. Po pierwsze, percepcja infrastruktury jest wielodostępna domyślnie. Stos czujników zamontowany w pojeździe jest punkt-punkt i służy jednej firmie na raz. Węzeł LiDAR na słupie służy każdemu pojazdowi, każdemu dronowi i każdej aplikacji bezpieczeństwa pieszych, która potrzebuje danych, jednocześnie. Ekonomia wygląda bardziej jak wieża komórkowa niż odwiert naftowy. Po drugie, istotniejsze jest pokrycie na poziomie korytarza niż na poziomie skrzyżowania. Węzły izolowane są przydatne. Skorygowane korytarze są obronione, ponieważ bezpieczeństwo pieszych, szkolenie autonomicznych pojazdów i odpowiedź awaryjna wszystkie zależą od ciągłości, a nie migawek.

Percepcja w czasie rzeczywistym jest podłogą. Przewidywanie jest sufitem.

Głębsza okazja nie leży w warstwie czasu rzeczywistego. Percepcja w czasie rzeczywistym rozwiązuje oczywiste przypadki bezpieczeństwa, a to samo w sobie jest cenne. Głębsze odblokowanie następuje, gdy modele AI są szkolone na ciągłych danych infrastruktury przez miesiące i lata, zamiast epizodycznych migawek przechwytywanych przez pojazdy.

Dane pojazdu są, ze swej natury, rzadkie i nieciągłe. Samochód przejeżdża przez skrzyżowanie kilka razy dziennie. Widzi plaster. Węzeł infrastruktury obserwuje to samo skrzyżowanie 24 godziny na dobę, każdego dnia, przez lata. Widzi pełne rozkładu. To samo miejsce przez godziny szczytu, burze, budowę, awarie, wydarzenia i sezonowe zmiany. To jest zasadniczo inny rodzaj danych szkoleniowych, a produkują one zasadniczo inny rodzaj modelu.

Gdy te dane gromadzą się, system przestaje być reaktywny i staje się przewidywalny. Wzorzec chodu kogoś, kto jest gotów wyjść na pobocze bez spojrzenia. Profil hamowania pojazdu, który ma zamiar przejechać na czerwonym. Geometria zbieżności, która poprzedza niemal-zderzenie między skręcającym autobusem a rowerem w pasie rowerowym. Są to sygnały poprzedzające. Są one statystycznie obserwowalne. Nie istnieją one w raportach o wypadkach, ponieważ nie są wypadkami. Są one zdarzeniami poprzedzającymi i występują one o kilka rzędów wielkości częściej niż same wypadki. Wypadki są statystycznie rzadkie. Niemal-zderzenia są obfite. Systemy infrastruktury obserwują zachowania poprzedzające, których bazy danych o wypadkach nigdy nie przechwytują. Pojazd poruszający się przez skrzyżowanie nigdy nie zobaczy ich w skali. Infrastruktura, która mieszka na skrzyżowaniu, widzi je ciągle.

To jest rzeczywiste odblokowanie bezpieczeństwa. Obietnica połączonej mobilności zawsze była taka, że możemy interweniować przed wypadkiem, a nie dokumentować go po. Czujniki pokładowe plus komunikacja reaktywna pojazd-do-wszystkiego dostarczają część drogi. Warstwa przewidywania szkolona na ciągłych, wielomodalnych danych infrastruktury jest tym, co daje resztę drogi. Ta sama logika, przypadkiem, ma zastosowanie w dziedzinie energii, gdzie firmy takie jak HEVO pokazują, że w pełni autonomiczne floty potrzebują infrastruktury do dostarczania energii, a nie tylko percepcji. Inna dziedzina, ten sam wniosek: świat musi wykonać pracę, której pojazd nie może wykonać samodzielnie.

Układ nerwowy dla środowiska miejskiego

Kiedy cofniesz się od dowolnego pojedynczego wdrożenia, to, co ta praca naprawdę buduje, to coś, czego miasta nigdy nie miały: układ nerwowy. Miasta już mają beton, stal, sieci energetyczne i światłowody. Czego im brakuje, to warstwa, która postrzega, pamięta i przewiduje w czasie rzeczywistym w całym środowisku fizycznym.

I2X to ta warstwa. Węzeł LiDAR na słupie działa jak neuron sensoryczny. Obliczenia krawędzi zachowują się jak lokalny odruch, wystarczająco szybki, aby działać bez oczekiwania na scentralizowane systemy. Z czasem sieć węzłów buduje pamięć instytucjonalną w skali miejskiej: jak skrzyżowania się zachowują, gdzie występują niemal-zderzenia, jak przepływy zmieniają się podczas burz, awarii, budowy lub sytuacji awaryjnych.

Aplikacje wynikają naturalnie. Alert bezpieczeństwa pieszych w strefie szkolnej jest odruchem. Dostosowanie sygnalizacji świetlnej na podstawie obserwowanego przepływu jest nauczoną odpowiedzią. Przewidywalna rekomendacja routingu dla pojazdu awaryjnego zależy zarówno od postrzeżenia, jak i pamięci. Logistyka, zarządzanie sytuacjami awaryjnymi, odporność na zmiany klimatu i szkolenie autonomicznych pojazdów wszystkie stają się łatwiejsze, gdy miasto może nieprzerwanie obserwować i uczyć się ze swoich własnych operacji. Punktem nie jest dodanie więcej kamer czy pulpitów. Punktem jest dać środowisku miejskiemu zdolność, której zawsze brakowało: możliwość postrzegania, pamiętania i reagowania w czasie rzeczywistym.

Infrastruktura zmienia ekonomię autonomii

Kiedy warstwa inteligencji przechodzi z pojazdu do infrastruktury, ekonomia autonomii i operacji miejskich zmienia się w trzech ważnych punktach.

Po pierwsze, krzywa kosztu sprzętu pokładowego pojazdu w końcu ma miejsce, do którego może się udać. Dziś każdy autonomiczny pojazd jest proszony o przeniesienie całego problemu postrzegania i większości problemu bezpieczeństwa na swoje nadwozie. Dlatego lista materiałów dla autonomicznego pojazdu wygląda tak, jak wygląda. Kiedy infrastruktura dostarcza postrzeżenie na ostatnie sto metrów i przewidywanie na górze, pojazd staje się lżejszy, tańszy i łatwiejszy do certyfikacji. Ta sama logika dotyczy dronów, robotów chodnikowych i każdej innej autonomicznej formy, której ekonomia jednostkowa musi się zamknąć.

Po drugie, rynek dostępu dla każdego pojedynczego wdrożenia infrastruktury rozwija się dramatycznie. Węzeł LiDAR na słupie, który służy zespołowi inżynierów ruchu miasta, narodowemu przewoźnikowi logistycznemu, operatorowi autonomicznej szatni, badaczowi bezpieczeństwa i ubezpieczycielowi, jest zasadniczo innym aktywem niż czujnik, który służy jednemu najemcy. Infrastruktura współdzielona kumuluje się w sposób, w jaki rozwiązania punktowe nie.

Po trzecie, historia finansowania staje się zrozumiała dla instytucjonalnego kapitału, który tradycyjnie finansował porty, wieże, światłowody i media. Między nami a firmami przynosimy kierownictwo operacyjne w wdrożeniach infrastruktury połączonej i ponad dwie dekady doświadczenia w finansowaniu projektów infrastrukturalnych w firmach takich jak Integrated Roadways, Black & Veatch i Diode Ventures. Wzorzec jest znany. Jak tylko klasa aktywów produkuje wiele, umówionych, długoterminowych strumieni przychodu z jednego fizycznego śladu, koszt kapitału spada, czas trwania wydłuża się, a rozbudowa przyspiesza. To jest moment, który zbliżamy się z inteligentną infrastrukturą. Kapitał czekał na czytelność, a nie na technologię.

Droga uczy się myśleć

Twarde liczby ofiar śmiertelnych nie będą się znacząco zmieniać, dopóki nie przestaniemy prosić pojazdu o wykonanie całej pracy. Dekada inwestycji w pojazd przyniosła standardy, wdrożenia i znaczące zyski dla pasażerów pojazdów. Nie przesunęła igły dla osób najbardziej narażonych na konsekwencje błędów pojazdów, a powodem jest strukturalne ograniczenie geometrii problemu.

Następny rozdział to infrastruktura. Drogi, które postrzegają. Skrzyżowania, które przewidują. Korytarze, które uczą się i interweniują przed wypadkami. Dodaj później stronę energetyczną, na tym samym fizycznym śladzie, i masz podłoże dla autonomii jako systemu, a nie produktu. Co więcej, masz infrastrukturę, której miasta mogą używać do wszystkiego innego, co próbowały rozwiązać przez ostatnie dwadzieścia lat.

V2X nauczył pojazdy, jak mówić. I2X to miasto uczące się czuć, myśleć i myśleć naprzód.