เครื่องมือความปลอดภัยของรถยนต์ไร้คนขับแบบปรับขนาดที่พัฒนาโดยนักวิจัย

เมื่ออัตราการผลิตและใช้รถยนต์ไร้คนขับเพิ่มขึ้น ความปลอดภัยของรถยนต์ไร้คนขับจึงมีความสำคัญมากขึ้น ด้วยเหตุนี้ นักวิจัยจึงลงทุนในการสร้างมาตรฐานและเครื่องมือเพื่อติดตามความปลอดภัยของรถยนต์ไร้คนขับ ตามรายงานของ ScienceDaily ทีมนักวิจัยจากมหาวิทยาลัยอิลลินอยส์แห่งออร์บานา-แชมเปญได้ใช้แอลกอริทึมการเรียนรู้ของเครื่องจักรเพื่อสร้างแพลตฟอร์มการวิเคราะห์ความปลอดภัยของรถยนต์ไร้คนขับแบบปรับขนาด โดยใช้การปรับปรุงฮาร์ดแวร์และซอฟต์แวร์

การปรับปรุงความปลอดภัยของรถยนต์ไร้คนขับยังคงเป็นหนึ่งในงานที่ยากที่สุดในด้านปัญญาประดิษฐ์ เนื่องจากมีตัวแปรมากมายที่เกี่ยวข้องกับงานนี้ ไม่เพียงแต่เซ็นเซอร์และแอลกอริทึมที่ใช้ในรถยนต์เท่านั้น แต่ยังมีสภาพแวดล้อมภายนอกที่เปลี่ยนแปลงอยู่เสมอ เช่น สภาพถนน ภูมิประเทศ สภาพอากาศ แสง และการจราจร

ภูมิทัศน์และแอลกอริทึมของรถยนต์ไร้คนขับเปลี่ยนแปลงอยู่เสมอ และบริษัทต่างๆ ต้องการวิธีการที่จะตามขึ้นและตอบสนองต่อปัญหาใหม่ๆ ทีมนักวิจัยจากอิลลินอยส์กำลังทำงานบนแพลตฟอร์มที่ช่วยให้บริษัทต่างๆ สามารถแก้ไขปัญหาความปลอดภัยที่เพิ่งถูกพบได้อย่างรวดเร็วและคุ้มค่า อย่างไรก็ตาม ความซับซ้อนของระบบที่ขับเคลื่อนรถยนต์ไร้คนขับทำให้เป็นงานที่ยิ่งใหญ่ ทีมนักวิจัยกำลังออกแบบระบบที่สามารถติดตามและอัปเดตระบบของรถยนต์ไร้คนขับซึ่งมีโปรเซสเซอร์และเครื่องเร่งความเร็วหลายสิบตัวที่รันโค้ดหลายล้านบรรทัด

โดยทั่วไป รถยนต์ไร้คนขับขับได้อย่างปลอดภัย อย่างไรก็ตาม เมื่อเกิดความล้มเหลวหรือเหตุการณ์ที่ไม่คาดคิด รถยนต์ไร้คนขับมีโอกาสเกิดอุบัติเหตุมากกว่าคนขับ เนื่องจากรถยนต์มักจะมีปัญหาในการจัดการกับเหตุฉุกเฉิน การวัดความปลอดภัยของรถยนต์ไร้คนขับ และ สาเหตุของอุบัติเหตุ ยังคงเป็นเรื่องที่ซับซ้อน แต่เห็นได้ชัดว่าความล้มเหลวของรถยนต์ที่เดินทางด้วยความเร็ว 70 ไมล์ต่อชั่วโมงบนถนนอาจเป็นอันตรายมาก และด้วยเหตุนี้จึงจำเป็นต้องปรับปรุงการรับมือเหตุฉุกเฉินของรถยนต์ไร้คนขับ

ซาวรับห์ จฮา ผู้สมัครปริญญาดุษฎีบัณฑิตและนักวิจัยที่เกี่ยวข้องกับโครงการนี้ อธิบายกับ ScienceDaily เกี่ยวกับความจำเป็นในการปรับปรุงการรับมือความล้มเหลวในรถยนต์ไร้คนขับ จฮา อธิบาย

“หากคนขับรถยนต์ปกติรู้สึกว่ามีปัญหา เช่น การเลื่อนหรือดึงรถยนต์ คนขับสามารถปรับพฤติกรรมและนำรถยนต์ไปจอดอย่างปลอดภัย อย่างไรก็ตาม พฤติกรรมของรถยนต์ไร้คนขับอาจไม่คาดเดาได้ในสถานการณ์ดังกล่าว เว้นแต่รถยนต์ไร้คนขับจะถูกฝึกฝนอย่างชัดเจนสำหรับปัญหาเหล่านั้น ในโลกแห่งความเป็นจริง มีกรณีเหล่านี้อย่างไม่สิ้นสุด”

นักวิจัยมีเป้าหมายที่จะแก้ไขปัญหานี้โดยการรวบรวมและวิเคราะห์ข้อมูลจากรายงานความปลอดภัยที่ส่งโดยบริษัทรถยนต์ไร้คนขับ บริษัทอย่าง Waymo และ Uber ต้องส่งรายงานไปยัง DMV ในแคลิฟอร์เนียเป็นอย่างน้อยทุกปี รายงานเหล่านี้มีข้อมูลเกี่ยวกับสถิติ เช่น ระยะทางที่รถยนต์เดินทางไปแล้ว จำนวนอุบัติเหตุ และสภาพที่รถยนต์ทำงาน

ทีมนักวิจัยจากมหาวิทยาลัยอิลลินอยส์วิเคราะห์รายงานที่ครอบคลุมปี 2014 ถึง 2017 ในช่วงเวลานี้ รถยนต์ไร้คนขับเดินทางประมาณ 1,116,000 ไมล์ โดยกระจายไปทั่ว 144 คัน ตามผลการวิจัยของทีมนักวิจัย เมื่อเทียบกับระยะทางเดียวกับที่คนขับรถไป อุบัติเหตุเกิดขึ้นมากกว่า 4,000 เท่า อุบัติเหตุเหล่านี้อาจบ่งบอกว่า AI ของรถยนต์ไร้คนขับล้มเหลวในการหลีกเลี่ยงและป้องกันอุบัติเหตุ และต้องอาศัยคนขับเข้ามาควบคุมแทน

การวินิจฉัยข้อผิดพลาดที่อาจเกิดขึ้นในฮาร์ดแวร์หรือซอฟต์แวร์ของรถยนต์ไร้คนขับเป็นเรื่องที่ยาก เนื่องจากข้อผิดพลาดหลายอย่างจะปรากฏเฉพาะในสถานการณ์ที่เหมาะสมเท่านั้น และไม่เหมาะสมที่จะทดสอบในสถานการณ์ทั้งหมดที่อาจเกิดขึ้นบนถนน แทนที่จะรวบรวมข้อมูลจากหลายร้อยพันไมล์ที่รถยนต์ไร้คนขับเดินทางไปแล้ว ทีมนักวิจัยใช้สภาพแวดล้อมจำลองเพื่อลดค่าใช้จ่ายและเวลาในการสร้างข้อมูลสำหรับการฝึกอบรม AV

ทีมนักวิจัยใช้ข้อมูลที่สร้างขึ้นเพื่อสำรวจสถานการณ์ที่ความล้มเหลวของ AV และปัญหาเกี่ยวกับความปลอดภัยสามารถเกิดขึ้นได้ การใช้สภาพแวดล้อมจำลองดูเหมือนจะช่วยให้บริษัทต่างๆ พบปัญหาเกี่ยวกับความปลอดภัยที่ไม่สามารถพบได้โดยอื่น ๆ ตัวอย่างเช่น เมื่อทีมทดสอบ Apollo AV ที่สร้างโดย Baidu พวกเขาพบมากกว่า 500 สถานการณ์ที่ AV ล้มเหลวในการจัดการกับเหตุฉุกเฉินและเกิดอุบัติเหตุเป็นผลตามมา ทีมนักวิจัยหวังว่าบริษัทอื่นๆ จะใช้แพลตฟอร์มทดสอบของพวกเขาและปรับปรุงความปลอดภัยของรถยนต์ไร้คนขับของตน