0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Дешевый автопилот для ленивых водителей

Содержание

Разобрали принцип работы автопилотов в современных авто. Насколько это безопасно?

Машина с автопилотом считается транспортом следующего поколения и мечтой многих автолюбителей: ведь чтобы добраться до нужно места, не нужно будет крутить руль. Сиди себе в салоне и спи, автомобиль доедет до нужного места сам.

На самом деле, автопилот для гражданских авто существует уже сейчас. Машины под управлением искусственного интеллекта можно встретить даже на дорогах Москвы, но как это все работает?

Рассказываем всю правду про современные беспилотные машины.

Какие бренды делают авто с автопилотом


Машина с автопилотом от американского стартапа.

Единой системы автопилота нет, потому что в 2010-х годах многие крупные автомобильные бренды начали разработку собственного беспилотного программного обеспечения.

Систему датчиков для анализа дороги и препятствий можно установить практически на любую машину. Так что у ведущих автопроизводителей нет какой-то специальной модели авто для тестирования автопилота.

Основой любого авто с беспилотным управлением является искусственный интеллект, который должен мгновенно принимать решения, учитывая поступающие данные с датчиков и камер, установленных по всей машине.

На сегодняшний день автопилот разрабатывают и тестируют следующие производители:

▪️ General Motors
▪️ Ford
▪️ Mercedes Benz
▪️ Volkswagen
▪️ Audi
▪️ Nissan
▪️ Toyota
▪️ BMW
▪️ Volvo
▪️ Tesla

Автопилот тестирует даже Apple. Правда не слишком хвастается результатами. В прошлом году ее автопилот признали худшим из имеющихся в США.

Куда лучше дела у Google. Для них умное авто разрабатывает компания Waymo, дочернее предприятие Alphabet.

У Яндекса тоже есть свои беспилотные авто на базе Toyota Prius. Каждый такой беспилотник обходится компании примерно в $90 000, из них $30 000 – стоимость самой машины.

Цену увеличивают те самые модули для автономной езды и сертификация, о которой мы поговорим позже.

Беспилотные авто реально сами ездят? На самом деле нет


Так видит дорогу автопилот автомобиля.

В идеале машина с автопилотом работает автономно, то есть водителю не нужно жать на педали и перехватывать управление даже в сложных дорожных ситуациях. Но это пока лишь в теории.

У Tesla на сегодняшний день самый продвинутый по своей функциональности автопилот, но даже он официально называется «интеллектуальный помощник водителя». То есть полностью доверить ему управление авто ещё нельзя.

Общество инженеров автомобильной промышленности (SAE) выделяет шесть степеней автономность машин. Полная автономность – это последняя, шестая степень. С таким автопилотом водитель лишь задает конечный пункт маршрута, а процесс передвижения полностью ложится на программное обеспечение.

Статья в тему:  Десять современных автомобилей с самым плохим звучанием двигателей


Все 6 степеней автономности машин по версии Общества инженеров автомобильной промышленности.

Сегодня на дорогах общего пользования можно встретить машины с функцией беспилотного управления третьего уровня автономности. Пока это максимум, до чего дошли автопроизводители.

В недалёком будущем машины с автопилотом 6-й степени автономности обязательно появятся. А пока за рулем обязательно должен сидеть человек для перехвата управления, если система не справляется.

Что умеют беспилотные авто сегодня


Дорога «глазами» искусственного интеллекта.

Искусственный интеллект автопилота в наше время может не только анализировать динамичную дорожную обстановку в реальном времени, но и «узнавать» людей, животных и неодушевлённые преграды.

Это не говоря о распознавании дорожной разметки, сигналов светофора и дорожных знаков.

Для этого программа постоянно анализирует данные с датчиков, которых можно разделить на 4 вида:

Камеры. Отвечают за визуальное обнаружение объектов, например, дорожная разметка и знаки
Радар. Определение препятствий и объектов впереди и сзади, а также определение расстояния до них
Лидар. Похож на радар, но работает с углом обзора 360 градусов и распознает объекты вокруг на расстоянии до 60 метров
Датчик положения. Вмонтирован в колесо, определяет положение машины на карте.

Искусственный интеллект анализирует информацию с разных датчиков, и вот как это выглядит в реале:

Бортовой компьютер соединяет информацию, полученную от сенсора, с находящейся в памяти картой местности. Собранные данные хранятся в общей базе, чтобы ими могли пользоваться другие машины.

Беспилотник должен собрать очень много данных, и эти данные должны собираться не на полигоне и даже не в одном конкретном месте, а во всем городе – везде, где есть свободное движение. Чем больше беспилотников, тем больше данных, тем безопаснее технология.

Как тестируются беспилотные машины

Беспилотный транспорт тестируется на специальных полигонах. В России самым известным стал технопарк «Калибр» на улице Годовикова в Останкинском районе Москвы. Кроме него в стране насчитывается несколько десятков таких технопарков.

На полигонах автомобили тестируют прежде всего на взаимодействие с дорожной инфраструктурой и с пешеходами на зебрах. На таких испытаниях выясняются печальные подробности: автопилот Tesla удалось обмануть с помощью дешевого проектора.

Испытатели проецировали различные двумерные изображения, а система воспринимала их как реальные объекты.

Если авто проходит этот этап, начинается следующий – в реальных условиях на шоссе. Во время таких испытаний в салоне находится пилот-испытатель, чтобы перехватить управление, если искусственный интеллект не справляется.

На дорогах Москвы беспилотники появились в июне 2019 года. Машины курсируют по специальным зонам для тестирования. Перед выходом на дорогу общего пользования Москвы первый беспилотник прошел сертификацию на полигоне НАМИ.

Как сертифицируются машины с автопилотом

Перед выходом на дорогу беспилотный автомобиль получает сертификацию о прохождении испытаний высокоавтоматизированных транспортных средств (ВАТС).

Она представляет собой проверку исправности комплектующих. По сути, сертификация дублирует испытания, которые проходит любой автомобиль перед тем как выйти на рынок.

В России беспилотник проходит сертификацию и на этапе тестирования. В США на этот период она не требуется — сразу после выхода с конвейера и оснащения всеми необходимыми датчиками автомобиль выезжает на трассу общего пользования.

Глава направления беспилотных автомобилей «Яндекса» Дмитрий Полищук говорит, что этот процесс мало чем отличается от сертификации обычного автомобиля. Регуляторы проверяют преимущественно тормозную систему, стояночный тормоз, поворотники, фары, а к беспилотной технологии прямого отношения это не имеет.

Статья в тему:  Самые мощные автомобили Америки

Проверить искусственный интеллект на пригодность к вождению, по его словам, невозможно.

В свободной продаже автомобилей с беспилотным управлением в России в ближайшее время не будет. Все машины ездят в рамках тестов и испытаний.

А кто будет виноват, в случае ДТП с участием беспилотного авто в России?


Машина Яндекс.Такси со встроенным автопилотом на испытательном полигоне.

Так как автомобили с функцией автопилота пока ездят в тестовом режиме по дорогам России, этот вопрос ещё не обсуждался официально.

Все беспилотные автомобили в России обязательно страхуются сейчас на 10 млн руб. Так что страховка покроет ущерб от практически любого ДТП с участием машины без водителя за рулем.

В то же время в Великобритании готовится проект «Vehicle Technology and Aviation Bill», в котором есть пункты касательно ДТП с участием беспилотного транспорта:

?? Если в момент оформления страхового полиса страховая компания была проинформирована о том, что транспортное средство будет использоваться в режиме автопилота, тогда она несет полную ответственность по застрахованному авто.

?? Если беспилотный автомобиль не застрахован, тогда в случае аварии ответственность будет нести автовладелец.

?? Если аварийная ситуация возникла по причине сбоя в программном обеспечении или оборудовании, тогда вина ложится на плечи компании-производителя.

?? Если авария стала следствием вмешательства автовладельца в ПО или собственник не выполнил указания производителя (например, не провел обновление программного обеспечения вовремя), тогда страховщик может взыскать страховую выплату с автовладельца.

Так что к появлению частных полностью беспилотных машин общество почти готово.

Современному автопилоту ещё далеко до полностью автономной работы


Volvo с системой автопилота на крыше.

Сложно поспорить, что машины без водителя — транспорт будущего, хоть сейчас мы ещё далеки от изобретения полностью автономного автопилота.

На сегодняшний день тестирование таких машин слишком затратно, но в том же Яндексе уверены, что в будущем поездки на авто с ним окажутся дешевле, чем на такси.

Пока что искусственный интеллект слишком уязвим и непредсказуем. Его можно обмануть или сбить с толку.

Единственный способ его усовершенствовать — больше тестировать. Чем активнее этим будут заниматься компании, тем скорее машины с полностью автономным управлением войдут в обиход.

Автопилот своими силами. Часть 1 — набираем обучающие данные

Привет, Хабр. Это пост-отчет-тьюториал про беспилотные автомобили — как (начать) делать свой без расходов на оборудование. Весь код доступен на github, и помимо прочего вы научитесь легко генерить такие класные картинки:

Вкратце

Краткое содержание для знакомых с темой: традиционно для набора обучающей выборки для автопилота на основе машинного обучения нужен был специально оборудованный автомобиль с достаточно информативной CAN шиной и интерфейсом к ней, что дорого. Мы поступим проще и бесплатно — будем набирать такие же по сути данные просто со смартфона на лобовом стекле. Подходит любой авто, никаких модификаций оборудования. В этой серии — вычисляем поворот руля в каждый момент времени по видео. Если в этом абзаце всё понятно, можно перепрыгивать через введение сразу к сути подхода.

Что-зачем-почему более подробно

Итак, ещё пару лет назад без серьёзных ресурсов большой корпорации в тему автопилотов было не сунуться — один только LIDAR сенсор стоил десятки тысяч долларов, но недавняя революция в нейросетях всё изменила. Стартапы из нескольких человек с простейшими наборами сенсоров из пары вебкамер на равных конкурируют по качеству результата со знаменитыми брендами. Почему бы не попробовать и нам, тем более столько качественных компонентов уже в открытом доступе.

Статья в тему:  Renault показал 500 сильный гоночный автомобиль R.S. 01

Автопилот преобразует данные сенсоров в управляющие воздействия — поворот руля и требуемое ускорение/замедление. В системе с лазерными дальномерами, как у Google, это может выглядеть так:

Простейший же вариант сенсора — видеокамера, «смотрящая» через лобовое стекло. С ним и будем работать, ведь камера на телефоне уже есть у каждого.

Для вычисления управляющих сигналов из «сырого» видео хорошо работают сверточные нейросети, но, как и любой другой подход машинного обучения, предсказывать правильный результат их нужно научить. Для обучения нужно (а) выбрать архитектуру модели и (б) сформировать обучающую выборку, которая будет демонстрировать модели различные входные ситуации и «правильные ответы» (например, угол поворота руля и положение педали газа) на каждую из них. Данные для обучающей выборки обычно записывают с заездов, где машиной управляет человек. То есть водитель демонстрирует роботу, как надо управлять машиной.

Хороших архитектур нейросетей хватает в открытом доступе, а вот с данными ситуация более печальная: во-первых данных просто мало, во-вторых почти все выборки — из США, а у нас на дорогах много от тех мест отличий.

Дефицит открытых данных легко объясним. Во-первых данные — не менее ценный актив, чем экспертиза в алгоритмах и моделях, поэтому делиться никто не торопится:

The rocket engine is the models and the fuel is the data.
Andrew Ng

Во-вторых, процесс сбора данных недёшев, особенно если действовать «в лоб». Хороший пример — Udacity. Они специально подобрали модель автомобиля, где рулевое управление и газ/тормоз завязаны на цифровую шину, сделали интерфейс к шине и считывают оттуда данные напрямую. Плюс подхода — высокое качество данных. Минус — серьезная стоимость, отсекающая подавляющее большинство непрофессионалов. Ведь далеко не каждый даже современный авто пишет в CAN всю нужную нам информацию, да и с интерфейсом придется повозиться.

Мы поступим проще. Записываем «сырые» данные (пока что это будет просто видео) смартфоном на лобовом стекле как видеорегистратором, затем софтом «выжимаем» оттуда нужную информацию — скорость движения и поворотов, на которых уже можно будет обучать автопилот. В результате получаем почти бесплатное решение — если есть держалка для телефона на лобовое стекло, достаточно нажать кнопку, чтобы набирать обучающие данные по дороге на работу.

В этой серии — «выжималка» угла поворота из видео. Все шаги легко повторить своими силами с помощью кода на github.

Задача

  • Есть видео с камеры, жестко закрепленной к авто (т.е. камера не болтается).
  • Требуется для каждого кадра узнать текущий угол поворота руля.

Сразу чуть упростим — вместо угла поворота руля будем вычислять угловую скорость в горизонтальной плоскости. Это примерно эквивалентная информация если знать поступательную скорость, которой мы займемся в следующей серии.

Решение

Решение можно собрать из общедоступных компонент, немного их доработав:

Восстанавливаем траекторию камеры

Первый шаг — восстановление траекториии камеры в трехмерном пространстве с помощью библиотеки SLAM по видео (simultaneous localization and mapping, одновременная локализация и построение карты). На выходе для каждого (почти, см. нюансы) кадра получаем 6 параметров положения: 3D смещение и 3 угла ориентации.

Статья в тему:  Как подготовить автомобиль к лету после зимы

В коде за эту часть отвечает модуль optical_trajectories

  • При записи видео не гонитесь за максимальным разрешением — дальше определенного порога оно только повредит. У меня хорошо работают настройки в окрестностях 720х480.
  • Камеру нужно будет откалибровать (инструкции, теория — актуальны части 1 и 2) на тех же настройках, с которыми записывалось видео с заезда.
  • Системе SLAM нужна «хорошая» последовательность кадров, за которую можно «зацепиться» как за точку отсчета, поэтому часть видео в начале, пока система не «зацепится» останется не аннотированным. Если на вашем видео локализация не работает совсем, вероятны либо проблемы с калибровкой (попробуйте откалибровать несколько раз и посмотрите на разброс результатов), либо проблемы с качеством видео (слишком высокое разрешание, слишком сильное сжатие и т.д.).
  • Возможны срывы отслеживания SLAM системой, если между соседними кадрами потеряется слишком много ключевых точек например, стекло на мгновение залило всплеском из лужи). В этом случае система сбросится в исходное не локализованное состояние и будет локализовываться заново. Поэтому из одного видео можно получить несколько траекторий (не пересекающихся во времени). Системы координат в этих траекториях будут совершенно разными.
  • Конкретная библиотека ORB_SLAM2, которой я воспользовался, дает не очень надежные результаты по поступательным перемещениям, поэтому их пока игнорируем, а вот вращения определяет неплохо, их оставляем.

Определяем плоскость дороги

Траектория камеры в трехмерном пространстве — это хорошо, но напрямую еще не дает ответа на конечный вопрос — поворачивать налево или направо, и насколько быстро. Ведь у системы SLAM нет понятий «плоскость дороги», «верх-низ», и т.д. Эту информацию тоже надо добывать из «сырой» 3D траектории.

Здесь поможет простое наблюдение: автомобильные дороги обычно протягиваются гораздо дальше по горизонтали, чем по вертикали. Бывают конечно исключения, ими придется пренебречь. А раз так, можно принять ближайшую плоскость (т.е. плоскость, проекция на которую дает минимальную ошибку реконструкции) нашей траектории за горизонтальную плоскость дороги.

Горизонтальную плоскость выделяем прекрасным методом главных компонент по всем 3D точкам траектории — убираем направление с наименьшим собственным числом, и оставшиеся два дадут оптимальную плоскость.

За логику выделения плоскости также отвечает модуль optical_trajectories

Из сути главных компонент понятно, что кроме горных дорог выделение главной плоскости будет плохо работать если машина всё время ехала по прямой, — ведь тогда только одно направление настоящей горизонтальной плоскости будет иметь большой диапазон значений, а диапазон по оставшемуся перпендикулярному горизонтальному направлению и по вертикали будут сопоставимы.

Чтобы не загрязнять данные большими погрешностями с таких траекторий, проверяем, что разброс по последнему главному компоненту значительно (в 100 раз) меньше, чем по предпоследнему. Не прошедшие траектории просто выкидываем.

Вычисляем угол поворота

Зная базисные векторы горизонтальной плоскости v1 и v2 (два главных компонента с наибольшими собственными значениями из предыдущей части), проецируем на горизонтальную плоскость оптическую ось камеры:

Таким образом из трехмерной ориентации камеры получаем курсовой угол автомобиля (с точностью до неизвестной константы, т.к. ось камеры и ось автомобиля в общем случае не совпадает). Поскольку нас интересует только интенсивность поворота (т.е. угловая скорость), эта константа и не нужна.

Угол поворота между соседними кадрами дает школьная тригонометрия (первый множитель — абсолютная величина поворота, второй — знак, определяющий направление налево/направо). Здесь под at понимаем вектор проекции ahorizontal в момент времени t:

Статья в тему:  Десять автомобильных брендов, которые изменили свои автомобили за последние 10 лет

Эта часть вычислений тоже делается модулем optical_trajectories . На выходе получаем JSON файл следующего формата:

  • plane — базисные векторы горизонтальной плоскости.
  • trajectory — список элементов, по одному на каждый успешно отслеженный системой SLAM кадр.
    • frame_id — номер кадра в исходном видео (начиная с 0).
    • planar_direction — проекция отпической оси на горизонтальную плоскость
    • pose — положение камеры в 3D пространстве
      • rotation — ориентация оптической оси в формате единичного кватерниона.
      • translation — смещение.
    • time_use — время с начала видео в микросекундах
    • turn_angle — горизонтальное вращение относительно предыдущего кадра в радианах.

Убираем шум

Мы почти у цели, но остается еще проблема. Посмотрим на получившийся (пока что) график угловой скорости:

Визуализируем на видео:

Видно, что в общем направление поворота определяется правильно, но очень много высокочастотного шума. Убираем его Гауссовским размытием, которое является низкочастотным фильтром.

Сглаживание в коде производится модулем smooth_heading_directions

Результат после фильтра:

Это уже можно «скормить» обучаемой модели и рассчитывать на адекватные результаты.

Визуализация

Для наглядности по данным из JSON файлов траекторий можно наложить виртуальный руль на исходное видео, как на демках выше, и проверить, правильно ли он крутится. Этим занимается модуль render_turning .

Также легко построить покадровый график. Например, в IPython ноутбуке с установленным matplotlib:

На этом пока всё. В следующей серии — определяем поступательную скорость, чтобы обучить еще и управление скоростью, а пока что приветствуются pull-request’ы.

Автопилот: шесть шагов для безделья

Принято считать, что есть пять уровней автономности автомобилей. Но на самом деле их шесть, просто начинается подсчет с так называемого Level 0. И — вот это сюрприз — «нолик» получают не только старые 20-летние рухляди, которым пора на свалку. Подавляющее большинство современных автомобилей имеют нулевую автономность. То есть в них водитель должен постоянно контролировать как «продольное» управление автомобилем (то есть разгон, торможение), так и «боковое» (то есть поворачивать руль). При этом всевозможные электронные помощники в машинах могут быть. Но они либо выдают предупреждения об опасности, либо вмешиваются в процесс управления, когда автомобиль попал в какую-то сложную ситуацию.

Level 1. Помощники

На этом уровне в машине появляются первые зачатки автопилота. Человек по-прежнему активно вовлечен в процесс управления, но он может доверить электронике контроль над динамикой или рулением. Правда, лишь в определенных условиях. На многих современных машинах элементы этого уровня уже есть. Например, вы можете на скоростной магистрали включить адаптивный автопилот, который сам тормозит или разгоняется. Автомобили первого уровня автономности продаются уже сейчас. Но, как правило, речь идет о дорогих моделях премиум-класса.

Level 2. Частичная автоматизация

На этом уровне электроника должна отвечать как за «продольные» процессы, так и за «боковые». То есть теоретически автомобиль уже способен ехать сам по себе. Но далеко не во всех условиях, а водитель обязан постоянно следить за дорожным движением и в любой момент взять управление на себя. Второй уровень автоматизации сейчас начинает появляться на новых моделях. Он уже есть в «Теслах», он будет в новой Audi A8 и других машинах.

Level 3. Условная автоматизация

Вот тут уже все гораздо серьезней. В машинах третьего уровня водитель сможет отпускать руль (но не на всех дорогах). Например, при движении по ровному автобану можно будет полностью расслабиться. При этом машина сама будет распознавать достижение своих пределов и требовать от человека вмешаться в процесс управления. Пока таких авто в продаже нет (что бы нам ни говорили фанаты «Теслы»). Мало того, даже если они и появятся, то. сейчас на них нельзя будет ездить в большинстве стран мира. Ведь венская конвенция о дорожном движении от 1968 года говорит, что водитель обязан контролировать автомобиль все время. То есть, чтобы «третьи» машины появились на дорогах, придется изменить законы!

Статья в тему:  Как купить новый автомобиль дешевле

Level 4. Высокий уровень автоматизации

Здесь человек будет призываться лишь в некоторых особо сложных случаях. Например, в условиях плохой видимости, отсутствия нормальных дорог и так далее. Но во всех стандартных ситуациях — только автопилот. При этом машина сможет ездить вообще без водителя. Например, на парковке. Кстати, Mercedes-Benz недавно показал, как будет работать подобный «автоматический» паркинг. Смотрим видео.

Level 5.

Машины будут ездить сами по себе. Руля и педалей не будет! Пока никто не может сказать, когда появятся автомобили этого уровня. Но работы уже идут! Например, на автосалоне в Женеве в марте этого года Volkswagen представил модель под названием Sedric (расшифровывается как «self-driving car»). Sedric управляется по принципу «одного нажатия» с помощью специального ключа OneButton. Нажав кнопку на устройстве, владелец в прямом смысле слова вызывает свой автомобиль. Все управление происходит исключительно с помощью голосовых команд: пассажиры просто говорят автомобилю, куда им нужно приехать и какой фильм они планируют посмотреть.

Я проехал пол-Москвы на беспилотнике: это долго!

Яндекс тестирует уже четвертое поколение беспилотников. Теперь это Hyundai Sonata последней генерации. До конца года их будет готова сотня, сейчас поголовье ­увеличивается каждый день.

Что умеет российский автопилот

Сколько раз я душил соблазн устроить проверку такому «умнику»! Например, серийный активный круиз-контроль не видит близко перестраивающиеся машины и норовит их протаранить. А как автопилот? Но рисковать на дорогах общего пользования не стоит, и я проезжал мимо. Успевал лишь заметить, что Сонаты Яндекса едут чуть медленнее потока.

Всё верно, подтвердили представители Яндекса. Наши традиционные «+20 км/ч» хотя и не штрафуются, но формально запрещены. Потому учить такому поведению автопилот не стали. Да и рановато ему шустрить: пусть он намотал около шести млн. км. во всех версиях на всех машинах, однако еще недостаточно опытен.

Хотя обучить программу разной манере поведения в зависимости от принятых в конкретной стране или городе норм реально. Самый яркий пример — как принято останавливаться, чтобы пропустить пешеходов. Где-то достаточно проехать так, чтобы человеку не пришлось замедлять шаг. А, например, в США (там самоходные «Яндексы» тоже ездят) только ступившему на зебру пешеходу уступают машины на противоположной стороне дороги.

С этой точки зрения российские нормы превышения скорости, возможно, стоит ввести в электронные мозги машины. Ведь ехать со скоростью потока безопаснее, чем быть тихоходом, создавая помехи.

Новые ощущения

Сажусь рядом с водителем в отмеченную наклейкой «А» (автопилот) Сонату. Впрочем, за рулем не водитель, а оператор, который лишь в критической ситуации берет управление на себя. В остальное время автомобиль находится под контролем автоматики. Поехали!

Удивительно, как легко машина справилась с проездом по прилегающей территории без разметки и без четкого перехода от асфальта к обочине. Даже со встречными, возвращающимися на базу беспилотниками разминулись. Медленнее, конечно, чем это бы сделал человек, но все равно молодец!

Статья в тему:  Гид по автосалону в Лос-Анджелесе

Чуда, впрочем, нет. Не будь дорога прописана в картах высокоточной навигации, искусственный интеллект спасовал бы. Он умеет обучаться, но делать это легко и непринужденно на незнакомой местности пока не способен. Хотя арсенал машинного зрения (десять видеокамер, шесть радаров и четыре лидара) позволяют нарисовать цельную картину мира.

Вот задачка посложнее: выезд на главную дорогу, по которой идет бодрый поток. Обычный водитель ждал бы недолго и вклинился в первый же появившийся просвет. Беспилотник создается для абсолютной безопасности и никуда не рыпается. Одна из машин слегка притормаживает, мигает фарами — проезжай! Нет, автопилот такой жест вежливости игнорирует.

Следом другой автомобиль останавливается полностью, пропуская беспилотник. Вновь повисает театральная пауза. За то время, пока Sonata просчитывала ситуацию, успели бы проехать три обычные машины! Разумеется, будь все автомобили на дороге автономными, договорились бы через «облако» и безопасно пропустили бы друг друга. Но пока быстро понимать намерения людей компьютер не в силах. И главное сейчас — обучить электронику прогнозировать ситуации, иначе автопилот будет помехой на дорогах.

Дальше все идет гладко. По хорошо размеченным улицам Яндекс.Sonata едет уверенно. Перестроения других машин перед собой, в отличие от круиз-контроля, видит хорошо. Зрение-то на все 360 градусов, да и инструментов много для безошибочного контроля дорожной обстановки. Компьютер знает, какие маневры предстоят, и заранее включает поворотники.

Вежливость — порок?

На узкой двухполосной улице новая ситуация — нерегулируемый пешеходный переход. Это и для обычного водителя один из самых «тонких» моментов. Ну-ка, как справится искусственный интеллект? Если человек уже на зебре — понятно, пропускает. В алгоритм автоматики заложена определенная зона и на тротуаре. Как только пешеход в нее попадает, машина тормозит и смотрит, куда он пойдет. На нашем проезде такая бдительность была обоснованной: все замеченные люди действительно шли поперек дороги.

А если по тротуару активно ходят вдоль, но на зебру не вступают (а таких мест любой назовет несколько), то с таким алгоритмом автопилота далеко не уедешь. То же самое на оживленных нерегулируемых переходах. С программно прописанной тугодумностью Яндекс только через несколько минут высмотрит достаточный для себя просвет в потоке пешеходов.

Ситуации отнюдь не пустяковые, ведь машину готовят под абсолютно самостоятельную езду. Закажете, допустим, беспилотное такси через несколько лет, а оно намертво встрянет у перехода около бизнес-центра в час пик. Его за ручку в сложном месте никто не проведет.

Та же штука с перестроениями. На свободной дороге беспилотник совершает их уверенно, а в потоке Сонате нужен разрыв в две фуры, чтобы она посчитала его безопасным для маневра. Всё это время машина едет с включенным поворотником и чуть медленнее разрешенной скорости, тормозя автомобили за собой.

Почему с появлением автопилота мы перестанем водить автомобили (часть 2)

Прежде всего, хотел сказать СПАСИБО за участие в обсуждении темы автопилотов (если вы еще ее не прочитали, почитайте).

В общей сложности проголосовало более 300 человек. Мнения разделились следующим образом:

Положа руку на сЕрдце, я объединил сторонников автопилота и тех, кто не отрицает его важности. Получилось: 55% — против автопилота и 45% — за, короче, 50 на 50! Вывод: на 50% мы уже готовы к автономным автомобилям 🙂

Вторая часть — это попытка разобраться в вопросах, которые были затронуты в комментариях. В нашей импровизированной студии выступит исполнительный директор сэр Илон Маск (пусть и виртуально). И чтобы разбавить мои записи параноика, я попросил двух блогеров Ваню Агуреева и Колю Назайкинского поделиться своим мнением. Но обо всем по порядку.

Статья в тему:  Покупка автомобиля превратилась в настоящий кошмар для этой индийской девушки

1) Когда будет создана сеть автономного дорожного движения?

Сейчас в мире насчитывается более 2 млрд. автомобилей. При производстве максимум 100 млн. в год, на замену нынешних потребуется минимум 20 лет.

Это при двух условиях: первое – мы больше не производим машины без полноценного автопилота, второе – отказываемся от ДВС и производим исключительно электрокары (сейчас их доля менее 1%). Звучит как фантастика в данный момент…

2) Как это будет работать?

Для полноценной жизни таких машин будут использоваться облачные технологии. Вот этот «рой» умных машин сможет перекидывать друг другу информацию о дороге, ДТП, опасных участках, оптимизировать трафик, перенаправляя потоки себеподобных по свободным направлениям.

И это еще не все. Диагностика важных систем автомобиля станет дистанционной. И в режиме реального времени. Механические повреждения она не поправит, а вот стирать ошибки, прописывать новые коды, обновлять софт без проблем. И конечно же следить за местоположением и передвижением такого автомобиля 🙂

Идеальная картинка. Еще не полетим, конечно, но уже оч близко к фантастическим фильмам.

3) Чем мы заплатим за автономное движение?

Здесь лучше процитировать сэра Илона Маска:

4) Но здесь возникает вполне разумный вопрос: человек или искусственный интеллект?
В то же время исполнительный директор Tesla отмечает: «Искусственный интеллект намного опаснее, чем ядерное оружие».

Все мы прекрасно знаем, что искусственное поглощает органическое. Конные экипажи уступили автомобилям, конвейер минимизировал ручной труд. Это исторические факты. Но, согласитесь, везде в этих процессах главенствовал человек.

5) А чем так хорош и опасен искусственный интеллект?

Искусственный интеллект или искусственная нейронная сеть — модель работы клеток головного мозга человека, построенная по математическому алгоритму. Ей недоступны ощущения и эмоции. Но она способна анализировать гигантский объём информации и самообучаться. А самоанализ означает зачатки автономии.

Более того, умение самообучаться позволило искусственному интеллекту научиться интуиции, которая ранее была присуща только человеку. Ярчайший пример: победа над человеком в шашки, шахматы и настольную игру Го, в которой помимо алгоритмов важную роль играет интуиция. Скорее всего вы слышали про Альфа Го, если нет, почитайте. Так вот интуиции она научилась сама…

Если мы отдадим искусственному интеллекту дорожное движение, то это, безусловно, может повысить безопасность. Но в то же время, мы можем потерять и контроль над ним. Как говорят в простонародье, чем больше джип, тем дальше за трактором.

И даже, если кто-то скажет, что это байки и преувеличение. Дескать, за управление искусственным интеллектом будут отвечать добросовестные айтишники.

6) Хочется спросить так ли будет неприступно ПО автономной машины? А как же хакеры и кибер безопасность?

В очередной раз обратимся к сэру Илону Маску. В интервью он заявляет, что не отрицает риск взлома автономного автомобиля. Но по мнению исполнительного директора Tesla особых причин для беспокойства нет. Максимум это будет смешная картинка на экране мультимедиа.

Я бы и рад этому поверить, НО

Хакеры уже показали угон дронов и квадракоптеров. «Черные» айтишники открыто заявили, что это легко сделать и показали это на видео. Более того, они ощущают в себе силы с помощью перехвата идентификатора для радиосвязи угнать и беспилотник. Таким парням побрубиться к автономной машине и покуражиться будет как пальцы обоссать)))) а если таких машин 10, 20, 100 – это целая армия роботов.

Статья в тему:  Автомобили которые на самом деле разрабатывала компания Lotus

Сразу вспоминаю старый добрый фильм про Фантомаса))) Кто помнит, тот поймет)))

7) Переходим к горяченькому: кто будет нести ответственность за участие в ДТП автономного автомобиля?

Я пообщался со своим знакомым из страховой компании. Он сказал, что сейчас никаких законов в РФ
нет. Все будет зависеть от того, как это пропишут в законодательстве. Если решат, что за вред, причинённый автопилотом, отвечает его владелец, это одно. Если производитель, то уже другое. По умолчанию за вред, причинённый источником повышенной опасности (авто в частности) несёт ответственность владелец независимо от наличия его вины.

В общем, пока полная анархия и неразбериха. Пока несет ответственность ЧЕЛОВЕК тчк

И последний вопрос, который хотелось бы поднять:

8) Как изменится имидж известных автомобильных брендов? Не потеряют ли они свое лицо? Ведь мы любим определенные марки авто за индивидуальность и стиль? А тут все машины станут просто умными и комфортными контейнерами для перевозки.

Просто представьте. Ваша машина 360-градусный сенсор на колесах. Вы отключены от внешнего мира. Куча гаджетов. Общение в сети с друзьями и знакомыми. Или играете по сетке в гонки или Фифу. Круто же? Руль есть, но он задвинут под переднюю панель. Ничего не мешает серфить в интернете 24/7.

Я вот нисколько не сомневаюсь, что те, кто сейчас с самого детства сидят в гаджетах, будут этому рады. Знаете почему? Потому что для этого поколения – это НОРМАЛЬНО. Они уже доверяют гаджетам и воспринимают их как безопасное и обычное явление.

А вот те, кто голосовал против автопилота часто упоминали про то, что не готовы отдать свою жизнь в руки гаджету(автопилоту). Грубо говоря, не доверяют свою жизнь и ответственность искусственному интеллекту. И это объяснимо. Интернет вещей — это то, к чему мы ещё придём. А пока многие процессы мы делаем самостоятельно. Мне кажется, это совсем неплохо.

Но время не стоит на месте. Будущие поколения будут доверять гаджетам. Технологичность, быстродействие, экологичность и софт возьмут свое. И большинству брендов придется искать себе новую нишу. Менять имидж. Как будет выглядеть Mercedes и Audi в 2055 году? А японские и американские автомобили? Есть предположения?

Предлагаю послушать мнение Ивана Агуреева и Коли Назайкинского


Все говорили, что дескать в нашей стране, где нет дорог, автопилотам нет места. Так вот… в НАМИ разрабатывают автопилот под наши условия. Он сможет объезжать ямы и колдобины + работать при низких тепературах. Так что… вот так

Комментарии 1066

В России автопилоту не бывать, не выдержит он наших дорог!

Вот вот. К примерки едешь бывает по полосе, и прямо по курсу отбойник (развилка). Или ремонт дороги где три полосы в одну переходят и даже знака нет. И много других ситуаций. Буржуи точно все наши Российские условия не учтут.

Для овощей самое то им авто пилот будет нужен чтоб до ветра сходить а на счёт пьяных их без суда к стенке как в 1930 годы может и жестоко но по жизни —унёс чужую —ОТВЕТЬ СВОЕЙ!

У людей работы разные бывают. Кто-то работает хирургом, у кого-то условий для работы дома нет. Да куча причин есть для придумывания автопилота. В идеале конечно человечество когда-нибудь придет к ситуации как в «Незнайке в Солнечном Городе», где всю работу делают роботы, а люди пишут стихи, ходят в театр и просто тусуются себе в удовольствие. Тогда и на работу ездить никому не придется!

Статья в тему:  Умный браслет Microsoft Band 2 позволяет общаться с автомобилем Вольво

Фантазия интересная, сам об этом задумываюсь почему ещё не так. В принципе технологии то есть все. Но что делать с быдлом, у которого высвободится куча времени? Они точно не будут писать стихи и ходить в театр. Или автоматом все станут хорошие и правильные? Чёт сомневаюсь.

я за . это поинтересней чем пьяному или с пьяным водилой ехать еще прикольней и никто не виноват.

Почитал и подумалось — ведь для крупных городов очень будет полезным иметь беспилотный общественный транспорт. Почему все делится на черное и белое? Сразу запрещать «ручное» управление.Нет, просто вот в МСК же запретили, на сколько я знаю въезд на грузовых и пикапах? Так и запретят в городах ручное управление, снабдив беспилотным такси и прочим. И это будет правильно — посмотрите на города.Вот мой Воронеж.Сужу по своему городу — я обожаю ездить на природу, другие области, 4х4 туризм и прочее.Но для меня мука ездить по городу — ибо мои одногорожане в большинстве своем за рулем ведут себя как моральные уроды, долго мучимые в подземельях Мордора. Пока на работу доедешь — уже злой как неизвестно кто. Я думаю, в общем и целом ситуации в часы пик везде одинаковые. А общественный транспорт — это тоже мука для психики и риск для жизни. Потому, я считаю, там, где машин полно сейчас — их не должно стать совсем. Это решит многие вопросы, не так ли? А в каком-нибудь пгт Подгоренский кому то будет выгодно оснащать «сеть» беспилотников? Не смешите меня. Вообще в обсуждении видно то, что народ городской до омерзения в большинстве, нос высовывает редко из уютненькой зоны комфорта и живет в своих сказочных реалиях, редко с жизнью реальной имеет общее. Так что беспилотники будут, но они будут там, где это будет выгодно. Руль у нас совсем не отберут, но понторезикам на бумере уже в центре города не повыделываться) Чему я крайне рад. Интересно, будут ли контролировать беспилотники уровень громкости музыки, чтобы через две «капсулы» кишки не тряслись у пассажиров?)))

совершенно верно. и аналогия с пикапами уместна.
народ напокупал себе этих бюджетных джипов, чтоб типа экономить, хотя по всем параметрам они менее комфортны и зачастую более опасны чем родственные джипы. Сам проходил это, додж рэм был.
Сейчас их конкретно прижали в москве, народ их теперь в регионы сбагривает.

Так и же и с машинами. Сделают часть улиц только для электричек, там где пешеходов много.
После этого например все внутри бульварного кольца для электричек будет.
А дальше и автопилот можно вводить там же.

И как пользователь авто с автопилотом, я например крайне жалею что пару недель назад я возвращался в пять утра после гуляний на х6 а не на тесле, тк спать хотелось сильно и реакции были далеки от идеалов. А у автопилота усталости быть не может, и тот же путь до москвы он бы не боролся со сном открывая окно, а спокойно ехал.

Ссылка на основную публикацию
Статьи c упоминанием слов:
Adblock
detector