Prioridades de condução
Ao considerar o tipo de modelagem necessário para criar veículos autônomos confiáveis e seguros, os seguintes critérios de segurança e eficácia ao dirigir devem ser considerados, listados prioritariamente com o mais importante primeiro.
- A segurança das pessoas dentro e fora do veículo
- Redução de desgaste nos passageiros
- A segurança da propriedade
- A chegada ao destino especificado
- Redução de desgaste no veículo
- Poupança em recursos de combustível
- Justiça para outros veículos
- A economia no tempo
Eles são ordenados de uma maneira que faz sentido cívico e global, mas não são as prioridades exibidas pelos motoristas humanos.
Copiar seres humanos ou reavaliar e projetar do zero?
Quem disse que o objetivo do design de carros autônomos é modelar as partes da mente humana que podem dirigir não deve projetar carros autônomos para fabricação real. É sabido que a maioria dos seres humanos, embora possa ter ouvido falar das dicas de segurança a seguir, não pode trazê-los à consciência com velocidade suficiente para se beneficiar deles em condições reais de dirigir.
- Quando os pneus deslizarem para os lados, entre na derrapagem.
- Quando um skid para frente é iniciado, bombeie as quebras.
- Se alguém estiver dirigindo tangencialmente para a traseira do seu carro, acelere imediatamente e depois quebre.
- Em uma rampa de acesso, acelere para corresponder à velocidade dos carros na faixa na qual você se une, a menos que não haja espaço para se unir.
- Se você vir um pedaço de gelo, siga em frente e não acelere nem desacelere quando o alcançar.
Muitas colisões entre locomotivas e carros ocorrem porque um sinal vermelho causa uma linha em várias faixas ao longo dos trilhos. Freqüentemente, uma pessoa passa para os trilhos da ferrovia para ganhar o comprimento de um carro nos outros carros. Quando outros tentam desfazer essa escolha, surge um risco sério.
Por mais absurdo que esse comportamento seja para quem assiste, muitas mortes ocorrem quando uma locomotiva de 2.000 toneladas, que viaja rapidamente, atinge o que parece um grão de poeira para os passageiros do trem.
Previsibilidade e adaptabilidade
Os seres humanos são imprevisíveis, como a pergunta indica, mas, embora a adaptabilidade possa ser imprevisível, a imprevisibilidade pode não ser adaptativa. É a adaptabilidade que é necessária, e é necessária de cinco maneiras principais.
- Adaptável no momento a surpresas
- Adaptável através da experiência geral de direção
- Adaptável ao carro específico
- Adaptável à expressão do passageiro
- Adaptável a determinadas regiões do mapa
Além disso, dirigir um carro é
- Altamente mecânico,
- Visual,
- Auditivo,
- Orientado ao plano
- Geográfico e
- Preemptivo em situações de surpresa.
Modelando Complexidades de Condução
Isso requer um modelo ou modelos compostos por vários tipos de objetos.
- Mapas
- O veículo
- As intenções dos passageiros
- Outro veículo
- Outras obstruções
- Pedestres
- Animais
- Travessias
- Sinais de trânsito
- Sinais de trânsito
- Lado da estrada
Nem mistério nem indeterminação
Embora esses modelos sejam cognitivamente aproximados no cérebro humano, quão bem eles são modelados e qual a eficácia desses modelos para alcançar algo próximo a um equilíbrio razoável das prioridades acima varia de motorista para motorista e varia de viagem para viagem para o mesmo motorista. .
No entanto, por mais complexa que seja a direção, não é misteriosa. Cada um dos modelos acima é fácil de considerar em alto nível em termos de como eles interagem e quais propriedades mecânicas e probabilísticas possuem. Detalhar isso é uma tarefa enorme, e fazer o sistema funcionar de maneira confiável é um desafio significativo da engenharia, além da questão do treinamento.
Inevitabilidade da conquista
Independentemente da complexidade, devido à economia envolvida e ao fato de ser um problema amplamente de mecânica, probabilidade e reconhecimento de padrões, isso será feito e, eventualmente, será bem feito.
Quando isso é tão improvável quanto parece para a pessoa que aceita nossa cultura atual como permanente, a direção humana pode se tornar ilegal neste século em algumas jurisdições. Qualquer analista de tráfego pode montar montes de evidências de que a maioria dos humanos está mal equipada para dirigir uma máquina que pesa uma tonelada em velocidades comuns. O licenciamento de motoristas não profissionais só foi amplamente aceito devido à insistência do público em conveniência e conforto no transporte e porque a economia da força de trabalho exige isso.
Os carros autônomos podem refletir as melhores capacidades humanas, mas provavelmente os superarão porque, embora os objetos no modelo sejam complexos, eles são amplamente previsíveis, com a notável exceção das crianças brincando. A tecnologia AV usará a solução padrão para isso. Todo o cenário pode ser levado em câmera lenta para se adaptar às crianças que brincam simplesmente diminuindo a velocidade. Componentes de IA que detectam especificamente crianças e cães provavelmente surgirão em breve, se ainda não existirem.
Aleatoriedade
A aleatoriedade é importante no treinamento. Por exemplo, um piloto de carro de corrida cria deliberadamente patins de vários tipos para se acostumar com a forma de controlá-los. No aprendizado de máquina, vemos algumas perturbações pseudo-aleatórias introduzidas durante o treinamento para garantir que o processo de descida do gradiente não seja capturado em um mínimo local, mas seja mais provável que encontre um mínimo global (ideal).
Impasse
A pergunta está correta ao afirmar que "uma dose de imprevisibilidade pode ter seus usos". O cenário de impasse é interessante, mas é improvável que ocorra à medida que os padrões se desenvolvem. Quando quatro motoristas param ao mesmo tempo, eles realmente não. Parece que sim. A probabilidade de que nenhum deles tenha chegado mais de um milissegundo antes dos outros é astronomicamente pequena.
As pessoas não detectam (ou até são honestas o suficiente) para distinguir essas pequenas diferenças de tempo; por isso, geralmente é mais gentil acenar os outros, e também pode haver algum impasse lá, que pode se tornar cômico, especialmente porque todos realmente querem se mexer. Os veículos autônomos raramente encontram um impasse que não é coberto pelo livro de regras que a entidade licenciadora publica, que pode ser programada como regras de condução no sistema.
Nessas raras ocasiões, os veículos poderiam sortear digitalmente, como sugerido, que é um lugar onde a imprevisibilidade é adaptável. Fazer experimentações de derrapagem como um motorista de carro de corrida na Main Street à meia-noite pode ser o que alguns adolescentes bêbados podem fazer, mas essa é uma forma de imprevisibilidade que não é adaptável a uma ordem sensata das prioridades da direção. Nem seria enviar mensagens de texto ou tentar comer e dirigir.
Determinismo
Em relação ao determinismo, no contexto dos usos discutidos, a geração de números pseudo-aleatórios de distribuições particulares será suficiente.
- Liberação de impasse ou
- Acelerações de treinamento e confiabilidade aprimorada quando existem mínimos locais que não são o mínimo global durante a otimização,
Testes funcionais e tecnologias de teste de unidade não são capazes apenas de lidar com o teste de componentes com pseudo-aleatoriedade, mas às vezes empregam pseudo-aleatoriedade para fornecer uma melhor cobertura de teste. A chave para fazer isso bem é entender a probabilidade e as estatísticas, e alguns engenheiros e designers de IA entendem bem.
Elemento de surpresa
Onde a aleatoriedade é mais importante na tecnologia AV não está na tomada de decisão, mas nas surpresas. Essa é a ponta sangrenta desse trabalho de engenharia hoje. Como dirigir com segurança quando um cenário completamente novo aparece nos canais de áudio ou visuais? Talvez este seja o lugar onde a diversidade do pensamento humano possa ser mais adequada, mas nas velocidades das rodovias, geralmente é muito lento para reagir da maneira como vemos nas cenas de perseguição de filmes.
Correlação entre risco e velocidade
Isso traz uma interação interessante de fatores de risco. Supõe-se que velocidades mais altas são mais perigosas, a mecânica e a probabilidade reais não são tão claras. Velocidades baixas produzem viagens temporariamente mais longas e densidades de tráfego mais altas. Algumas formas de acidentes são menos prováveis em velocidades mais altas, especificamente aquelas relacionadas principalmente à densidade do tráfego ou à ocorrência. Outras formas são mais prováveis em velocidades mais altas, especificamente aquelas relacionadas ao tempo de reação e ao atrito do pneu.
Em veículos autônomos, a derrapagem do pneu pode ser modelada com mais precisão e o tempo de reação pode ser de ordens de magnitude mais rápido, de modo que os limites mínimos de velocidade podem ser mais impostos e os limites superiores podem aumentar assim que tirarmos os seres humanos dos assentos do motorista.
Os carros autônomos aplicam o aprendizado por reforço e o aprendizado semi-supervisionado, permitindo que eles sejam mais adequados para situações que os desenvolvedores não se anteciparam.
Alguns carros agora aplicam o Swarm Intelligence , onde aprendem efetivamente a partir de interações entre si, o que também pode ajudar em casos de transferência de aprendizado.
fonte