16 вопросов о беспилотных авто и мире с ними: презентация партнера Andreessen Horowitz

В январе один из наиболее известных фондов Кремниевой долины Andreessen Horowitz проводил саммит, где с презентацией «16 вопросов о беспилотных автомобилях» выступил один из партнеров фирмы Френк Чен. Эти вопросы инвестору часто задают стартапы или крупные компании, которые хотят работать в сфере беспилотных авто. Они касаются трех аспектов: технологий, которые будут использоваться для достижения автономности; изменений в бизнес-ландшафте всего, что связано с автомобильным рынком сейчас, а также социальных последствия появления полностью беспилотных авто. Редакция AIN.UA публикует адаптированный перевод обзора презентации, сделанной предпринимателем Артуром Кюльяном на Medium.

Уровень за уровнем или от первого сразу к пятому?

Ключевое предположение состоит в том, что «все, что двигается, будет автономным». Мы говорим не только о автомобилях и грузовиках на наших дорогах, но и о дронах, детских игрушках и тележках для доставки, которые будут двигаться самостоятельно до такой степени, что наше вмешательство будет рудиментарным, нежелательными или даже незаконным. Итак, как же мы дойдем до этого момента?

Существует шестиуровневая система категоризации автономного вождения, разработанная Сообществом автомобильных инженеров (SAE).

Нулевой уровень: только водитель

Здесь все просто — машиной управляет исключительно водитель.

Уровень один: содействие

Автомобили, которые используем мы, в основном попадают в эту категорию. Это машины с антиблокировочной системой тормозов и круиз-контролем, которые могут взять на себя не жизненно важные функции управления автомобилем.

Уровень два: частичная автономность

В этой категории находятся системы, которые могут взять на себя управления в специфических случаях, но водитель по прежнему должен следить за их работой все время. К примеру, это касается ситуаций, когда авто едет самостоятельно по шоссе, а вы просто сидите, держа руки на руле, и ожидайте, что машина будет хорошо себя вести.

Уровень три: условная автономность

Этот уровень подразумевает, что водитель не должен следить за работой системы постоянно, но должен находится в состоянии, когда быстро может взять на себя управление. То есть, нет необходимости держать руки на руле, но нужно будет схватить его, как только прозвучит сигнал экстренной ситуации, который система может эффективно распознать.

Уровень четыре: высокая автономность

Когда машина отвозит вас от гаража до парковки, она выходит на четвертый уровень. Он не требует вмешательства водителя в специфических случаях или на каком-то из участков пути.

Уровень пять: полная автономность

Святой Грааль зарыт именно тут. Пятый уровень означает, что беспилотная система может справится с любой ситуацией на протяжении всего пути и участие водителя не требуется уже потому, что у вас может не быть для него механизмов управления вообще. То есть, у человека просто нет выбора.

Текущие автопроизводители, вероятно, будут двигаться по этим категориям постепенно, добавляя одну функцию за другой. Компании вроде Google наоборот стараются сразу оказаться на четвертом — пятом уровне, чтобы избежать сложных с точки зрения пользовательского опыта промежуточных моментов. Это ситуации вроде тех, когда нужно предупредить пользователя, что система не может справится самостоятельно и требует вмешательства водителя.

Какие виды сенсоров будут использоваться? LIDAR или нет?

Следующий вопрос заключается в оборудовании, которое позволит нам достигнуть пятого уровня. Будут ли это новые сенсоры или инкрементальное улучшающееся текущего hardware?

Компании вроде Google полагаются на технологию LIDAR, которая расшифровывается как Light Identification Detection and Ranging — световое обнаружение и определение дальности. Этот метод позволяет измерять различные расстояния вокруг с помощью пульсирующего лазера.

3D-карта, построенная благодаря лазеру, совмещенная с камерами и умным ПО, дает автомобилю достаточно информации, чтобы тот мог управлять поездкой без участие человека.

Текущая реализация этой технологии — вращающаяся головка на крыше — стоит $75 000. Такая цена является главной причиной того, что LIDAR не применяется в индустрии повсеместно. Но есть некоторые продвижения в технологии, которые смогут сделать его цельным, без движущихся частей, а стоимость снизится до $250. Если это произойдет, то почему бы не пользоваться LIDAR?

Его минус в том, что это еще один сенсор, который мы должны разместить в машине. При этом, его функциональность можно реализовать с помощью двух стереокамер, которые позволяют создать 3D-модель пространства. Они итак будут ставиться на автомобили, зачем использовать еще и дорогой LIDAR? Главный контраргумент в пользу лазерного сенсора является предоставляемое им разрешение и точность, которое недостижимо для стереокамер.

Новые типы цифровых карт?

Все используют Google Maps, Apple Maps, Waze и они обладают потрясающим уровнем разрешения, которое позволяет передвигаться по городу не задумываясь. Но этого разрешения недостаточно для машины, которая управляет сама собой.

Какой информации не хватает? Информации, указывающей на:

• расположение искривлений дороги;
• расположение дорожных знаков;
• в какое время дня солнце будет светить прямо в камеру, делая систему слепой.

Помимо этих, существуют и другие мелкие детали, которые полностью упущены в текущих картах. Просто потому, что нам, людям, они не нужны, а нынешние карты сделаны для человека, а не машин.

Так нужны ли нам отдельные карты высокого разрешения исключительно для беспилотных машин? Похоже, что да. Но кто их будет предоставлять и во сколько это обойдется? Самый интересный вопрос, который никто не задает, есть ли здесь возможность для монополии? Потому что, в ближайшем будущем, когда мы достигнем пятого уровня автономии и лишимся выбора по управлению машиной самостоятельно, мы будем полностью зависимы от инфраструктуры, которая делает возможной работу беспилотных авто.
Увидим ли мы более дешевую версию карт высокого разрешения, которая позволит машине работать с определенным скоростным ограничением или уровнем безопасности? Кто будет регулировать эту потенциально серую зону?

Использование таких карт также имеет влияние на энергопотребление автомобиля. Поскольку нам придется полагаться на суперкомпьютер, который будет использовать эти сложные карты высокого разрешения с миллионами параметров, он будет требовать много энергии.

Какой набор ПО использовать?

Глубокое обучение задает повестку дня в Кремниевой долине, но существуют и другие достижения в сфере робототехники и поиске пути, о которых не стоит забывать. Основное отличие между этими методами состоит в способности системы учиться на основе предыдущего опыта и наборов данных или принимать решения, опираясь на заложенную логику и правила.

На самом деле, роботы Boston Dynamics, которыми мы все восхищаемся, не используют машинное обучение совсем, но все равно показывают впечатляющие результаты.

Несмотря на то, что напрямую запрограммированные правила не могут победить игроков Alpha-Go с тем же уровнем эффективности, что глубокое обучение, но их можно совместить с недавними достижениями машинного обучения для лучших результатов.

Тестирование систем в реальном мире против виртуального?

Для машинного обучения вам нужно иметь огромные наборы данных прошлого опыта, примеров правильного поведения и окружения. Вопрос состоит в том, какое количество данных будет браться с реальных машин, путешествующих по реальным дорогам, а какое — с виртуальных симуляций.
Уже сейчас есть несколько попыток упростить последний тип обучения через симулированные вселенные вроде проекта OpenAI Universe.

Можем ли мы быть уверены, что алгоритмы сходятся одному и тому же прогнозу, что и в реальном мире? В вымышленных мирах, которые можно симулировать, можно учесть гораздо больше ситуаций, но как точны они будут, учитывая разрешение и зернистость HD-карт, которые мы должны учитывать?

Будут ли технологии V2X играть важную роль?

V2X (Vehicle-to-everything) — технология, которая позволяет транспортным средствам коммуницировать с подвижными частями систем дорожного движения. V2V (Vehicle-to-Vehicle) позволяет машинам «общаться» между собой.

Такие технологии, к примеру, позволят вашей машине коммуницировать со светофором. Если вы подъезжаете к перекрестку, видите красный сигнал, но светофор знает, что вокруг нет других машин, он может пропустить вас раньше. V2X-системы также смогут решить проблемы вроде пересечения Т-образных перекрестков, когда ваш автомобиль не «видит» движущегося на большой скорости авто за углом. Если обе машины в этом случае сконтактируют друг с другом, то столкновения удастся избежать.

Представьте, скольких аварий можно будет избежать, если машины будут «общаться» друг с другом. Но, основной проблемой в таких технологиях является совместимость протоколов и эффективность коммуникаций, учитывая, что решения должно приниматься за миллисекунды. В таких случаях у авто не будет времени для дополнительных вычислений из-за непонимания «языка» другой машины.

Эту технологию многие видят частью невероятного будущего, но никто не планирует ее в первой итерации полностью автономных автомобилей.

Можем ли мы избавиться от светофоров?

Светофоры на крестообразных перекрестках — полный отстой. Если наши машины смогут «общаться» и будут полностью автономными, то почему бы нам не избавиться от светофоров? Это может звучать очень хаотично, но, постойте, разве пакеты в компьютерных сетях двигаются не точно так же?

Для реализации решения потребуется иметь умные алгоритмы перенаправления и экстремальный мониторинг в моменты проезда перекрестков, но оно того наверняка стоит. Только подумайте, какое улучшение эффективности транспорта это принесет.

Как автопроизводители будут «локализировать» свои машины?

Каждый город обладает своей культурой вождения. Как беспилотные автомобили будут подстраиваться под эти уникальные условия? Ведь, то, что безопасно на дорогах Бангалора, вызовет транспортный коллапс в Бостоне.

Локализация — термин вышедший их компьютерных наук, которые означает, что ПО будет как-то подготовлено к условиям окружения, в котором оно используется. Какую форму это обретет в случае беспилотных машин? Будут ли у нас разные виды алгоритмов для разных городов? Или у нас будет обобщенный алгоритм, который сможет адаптироваться к любому стилю вождения окружения, проведя некоторое время на дорогах нового города?

Решение этой проблемы — целая область исследований, которая включает создание правил обучения на основе того, как люди и объекты ведут себя вокруг. Изучая социальные условности и типичное поведение человека, автомобили должны будут способны водить лучше.

Кто победит? Кремниевая долина против автопроизводителей против Китая

Основное предположение здесь в том, что текущие лидеры рынка, автопроизводители, — те, кому добиться успеха проще всех. Они уже производят автомобили и обладают необходимой инфраструктурой. Эти компании открывают офисы в Кремниевой долине и агрессивно пытаются сманить людей, чтобы внедрять инновации быстрей. Они понимают, что изменения будут происходят в первую очередь благодаря software. Но тут есть возможность для родного Кремниевой долине автопроизводителя — Tesla.

Существуют также множество китайских автомобильных компаний и разработчиков ПО вроде Baidu, которые агрессивно работают в этой сфере. К слову, в Китае публикуется больше научных работ по глубокому обучению, чем в любой другой стране. Их также нельзя сбрасывать со счетов.

Будем ли мы покупать автомобили или пользоваться транспортом как сервисом?

Если мы, как потребители, изменим свое поведение и перейдем от покупок автомобилей у производителей к покупке транспортных услуг у компаний вроде Uber и Lyft. Тогда много денег потечет совсем в другом направлении.

Такое изменение сделает индустрию автопроизводителей схожей с авиационной. Вы не выбираете, на какой модели самолета полетите. Вы платите деньги фирме, управляющей флотом, то есть, авиакомпании.

Таким образом, автомобильные компании перейдут из сегмента b2c в b2b и начнут продавать машины фирмам вроде Uber. В результате, мы перестанем видеть рекламу автомобилей во время Super Bowl и множество других вещей, который существуют, чтобы заставить нас купить машины.

Как изменится страхование?

Еще одно существенное изменение коснется страховой отрасли. Сейчас цены на страховку рассчитываются с учетом вас, как водителя, ваших демографических данных, стоимости машины и того, где вы живете.

На что будут обращать внимание страховые компании в эру беспилотных автомобилей? Будет ли эффективность алгоритма ключевой метрикой? Кто будет нести ответственность при наступлении страхового случая? Может компания, предоставляющая услуги транспортирования? Автопроизводитель? Или по прежнему водитель, который владеет машиной или берет ее в аренду?

Что будет происходить со стоимостью ремонта авто? Определенно, будет происходить меньше аварий, но насколько сложен будет ремонт лазеров, вычислительной системы, работающей с картами, или другого дорогого оборудования.

Как изменится количество аварий?

Если все автомобили станут беспилотными, то количество аварий упадет до нуля, поскольку 24 из 25 столкновений происходят в результате человеческого фактора. Вещи вроде превышения скоростного режима, отвлечения от дороги, пьяного вождения, проезда на красный сигнал светофора — следствие того, что за рулем сидим мы.

Но как на счет ситуации, когда на дорогах часть автомобилей будет беспилотными, а часть по прежнему под управлением человека? Подобных случаев мы еще не испытывали.

Когда управление автомобилем станет незаконным?

Если алгоритмы окажутся статистически лучшими водителями, чем люди, тогда последних не стоит допускать к рулю. Но многие люди любят водить. Тогда управление автомобилем перейдет в разряд развлечений на закрытых треках, поскольку люди на дорогах нам попросту не нужны.

Как изменится время, проводимое в дороге на работу?

Одна из версий предполагает, что поездки на работу начнут занимать больше времени, потому что их длительность потеряет для людей значение. Чем ближе мы к ситуации, когда все автомобили будут полностью автономными, а на дорогах нет светофоров и аварий, тем больше у нас будет свободы делать в дороге то, что мы хотим. В итоге, мы сможем спокойно спать, пока добираемся на работу, как мы делаем в поездах и самолетах. Дорога от дома к работе определенно перейдет из разряда больной темы в сторону чего-то более приятного.

Но, такой подход также приведет к освобождению места (парковки, станции техобслуживания), а значит люди смогут жить ближе к работе и время поездки до нее должно упасть.

Как изменятся города?

Когда появилось первое массовое производство автомобилей, было легко предугадать, что почти каждый будет владеть автомобилем. Что было сложно предугадать как следствие этого, так это появления Walmart — гигантских гипермаркетов, в которые мы ездим на закупки. Беспилотные автомобили приведут ко множеству подобных непрямых изменений, которые невозможно предугадать сейчас.

Когда мы получим беспилотные автомобили?

Прогнозы игроков в этой сфере достаточно сильно разнятся. Сингапурская nuTonomy утверждает, что в 2018 году они будут ездить по родному городу, а до 2020 года зайдут в топ-10 городов. Delphi и Mobileye говорят, что будут готовы предоставить беспилотные системы автопроизводителям с 2019 года. GM говорит, что их машины выйдут на необходимый уровень в 2020 году. Ford объявляет, что в 2021 году на рынке будут их машины с пятым уровнем автономии. Tesla, которая сейчас лидирует в этом направлении, говорит о 2023 годе. Uber утверждает, что все его машины будут полностью автономны к 2030 году. Есть и те, кто говорит о 2040 году. В любом случае, даже с самыми пессимистичными прогнозами, это произойдет при нашей жизни.